دانلود ترجمه مقاله شناسایی سناریوهای بدترین حالت کاربر برای آزمایش عملکرد برنامه های وب (ساینس دایرکت – الزویر 2018) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

شناسایی سناریوهای بدترین حالت کاربر برای آزمایش عملکرد برنامه های وب با استفاده از مدل های بارگذاری زنجیره ای مارکوف

Identifying worst-case user scenarios for performance testing of web applications using Markov-chain workload models

چکیده
1 مقدمه
2 استفاده از زنجیره های مارکوف برای مدل سازی حجم کار
3 تولید حجم کار
4 کار مرتبط
5 شناسایی بدترین سناریو کاربری
5 1 انجام معیار ارزیابی اولیه
5 2 به کارگیری زمان تفکر
5 3 روش 1: محاسبه بدترین مسیر با استفاده از الگوریتم های جستجوی گراف
5 4 روش 2: محاسبه بدترین مسیر نزدیک با استفاده از الگوریتم های ژنتیک
5 5 پشتیبانی از ابزار
6 اعتبارسنجی و ارزیابی تجربی
7 نتیجه‌گیری
منابع

چکیده

عملکرد ضعیف سیستم‌های مبتنی بر وب می‌تواند بر کسب سود و شهرت شرکت‌هایی که از آنها استفاده می‌کنند، اثرات منفی ایجاد نماید. مشخص نمودن این سناریوهای مورد استفاده که می‌توانند به‌صورت قابل‌توجهی موجب کاهش عملکرد برنامه‌های کاربردی وب شوند، به‌منظور لحاظ کردن نیاز به انجام اقدامات متقابل از جمله اختصاص دادن منابع اضافی بسیار مهم می‌باشند. علاوه بر این، درک چگونگی سیستم برای انجام دادن آزمایش تحت افزایش حجم کاری تحریک‌شده از طریق بدترین حالت سناریوهای مورد استفاده، مورد علاقه‌ی محققین قرار گرفته است. ما در پژوهش پیشین، رفتار پیش‌بینی‌شده‌ی کاربران برنامه‌های کاربردی وب را با استفاده مدل‌های حجمی کاری احتمالی بررسی نمودیم و چگونگی استفاده از اینگونه مدل‌ها را جهت تولید بار در مقابل سیستم تحت آزمایش نشان دادیم. به منظور توسعه‌ این پژوهش، ما دیدگاه شناسایی فضای عملکردی را برای حدس زدن بدترین حالت سناریوی کاربر در یک مدل حجم کاری مشخص پیشنهاد می‌نماییم که برای ایجاد کردن استفاده از بزرگترین منابع بر روی سیستم تحت آزمایش با توجه به منبع مشخص دارای پتانسیل می‌باشد. ما دو روش جایگزین نیز پیشنهاد می‌دهیم: در یکی از آنها، به‌صورت دقیق بدترین حالت سناریوی کاربر را با توجه به مدل حجم کاری مشخص شناسایی می‌کنیم، اما این حالت برای مدل‌هایی با تعداد زیادی حلقه‌ها موجب افزایش منابع سیستم نمی‌شود، روش دیگر یک حل تقریبی را ارائه می‌دهد که به‌نوبه‌ی خود برای مدل‌هایی با تعداد زیاد حلقه‌ها، بسیار مناسب است. ما جهت نشان دادن سناریوهای مورد استفاده‌ی شناخته‌شده که در عمل یک منبع افزایشی استفاده‌کننده بر روی سیستم تحت آزمایش را در مقایسه با مدل‌های اصلی فراهم می‌کنند، چندین آزمایش انجام می‌دهیم.

1 مقدمه

در دو دهه‌ی اخیر، رشد چشمگیری در زمینه‌ی فن‌آوری‌های وب مشاهده گردیده است. نقش برنامه‌های کاربردی وب از ارائه‌ی سیستم سند سنتی به کاربرد توزیع‌شده با ویژگی گرانبها که در سراسر جهان قابل‌دسترس می‌باشند، تغییر کرده است. برنامه‌های کاربردی وب به‌وسیله‌ی تعداد زیادی از شرکت‌ها جهت پردازش وظایف تجارت بحرانی به‌صورت گسترده‌ای مورد استفاده قرار می‌گیرند. بنابراین مطمئن شدن از قابلیت‌اطمینان و عملکرد پایدار برنامه‌های کاربردی وب برای این شرکت‌ها امری ضروری محسوب می‌شود. عملکرد ضعیف موجب عدم‌استفاده از برنامه‌های کاربردی وب برای کاربر نهایی می‌شود و می‌تواند خسارت و زیان مالی به این شرکت‌ها که خدمات خود را مبتنی بر وب ارائه می‌دهند، وارد نماید ]1[.

7 نتیجه‌گیری

ما یک دیدگاه برای آزمایش کارکرد برنامه‌های کاربردی وب ارائه می‌دهیم تا بدترین مسیر (یعنی توالی اثرات متقابل کاربر) در یک مدل حجم کاری مشخص را شناسایی نماییم که موجب استفاده از بزرگترین منبع مشخص بر روی SUT خواهد شد. به‌منظور پاسخ به پرسش RQ1، ما یک روش دقیق و تقریبی را برای شناسایی کردن بدترین مسیر در مدل حجم کاری ارائه می‌دهیم. سپس، به‌منظور پاسخ به پرسش RQ2، ما به‌صورت تحلیلی و تجربی به بررسی عملکرد دو روش می‌پردازیم.

Abstract

The poor performance of web-based systems can negatively impact the profitability and reputation of the companies that rely on them. Finding those user scenarios which can significantly degrade the performance of a web application is very important in order to take necessary countermeasures, for instance, allocating additional resources. Furthermore, one would like to understand how the system under test performs under increased workload triggered by the worst-case user scenarios. In our previous work, we have formalized the expected behavior of the users of web applications by using probabilistic workload models and we have shown how to use such models to generate load against the system under test. As an extension, in this article, we suggest a performance space exploration approach for inferring the worst-case user scenario in a given workload model which has the potential to create the highest resource utilization on the system under test with respect to a given resource. We propose two alternative methods: one which identifies the exact worst-case user scenario of the given workload model, but it does not scale up for models with a large number of loops, and one which provides an approximate solution which, in turn, is more suitable for models with a large number of loops. We conduct several experiments to show that the identified user scenarios do provide in practice an increased resource utilization on the system under test when compared to the original models.

1 Introduction

A tremendous growth has been seen in the field of web technologies during the last two decades. The role of the web applications has changed from the traditional document presentation system to the feature-rich distributed appli cation that is accessible worldwide. Web applications are increasingly being utilized by a large number of companies to run critical business tasks. Thus, ensuring the reliable and stable performance of web applications is imperative for these companies. Poor performance makes the end-users abandon the use of web applications and can cause reputational and financial damage to those companies which rely on web-based platforms [1].

7 Conclusion

We have proposed an approach for performance testing of web applications in which we identify the worst path (i.e., a sequence of user interactions) in a given workload model which will cause the highest utilization of a given resource on the SUT. In order to answer RQ1, we have proposed an exact and an approximate method for detecting the worst path in the workload model. Then, in order to answer RQ2, we have analyzed both analytically and empirically the performance of the two methods.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

شناسایی سناریوهای بدترین حالت کاربر برای آزمایش عملکرد برنامه های وب با استفاده از مدل های بارگذاری زنجیره ای مارکوف

Identifying worst-case user scenarios for performance testing of web applications using Markov-chain workload models