RESDEC: Un prototipo de herramienta para la selección de configuraciones de despliegue basada en Sistemas de Recomendación

RESDEC: Un p o o ipo de he amien a pa a la selecci´on de con igu aciones de despliegue basado en Sis emas de Recomendaci´on Jo ge L. Rodas1, Jos´e A. Galindo2, and Da id Bena ides2 1Uni e sidad Es a al de Milag o, Facul ad de Ciencias de la Ingenie ´ıa, Cdla. Uni e si a ia Km 1 1/2 ´ıa Km 26, Milag o - Ecuado , [email p o ec ed] 2Uni e sidad de Se illa, Dep . Lenguajes y Sis emas In o m´a icos, A . Reina Me cedes s/n Se illa - Espa˜na, [jagalindo,bena ides]@us.es Abs ac . Los sis emas de al a a iabilidad son sis emas que ep e- sen an cien os de con igu aciones dis in as. En un con ex o pa icula , es as con igu aciones pueden se desplegadas en dis in os en o nos de despliegue lo cual es una decisi´on c ´ı ica pa a el co ec o uncionamien o de la misma. Po ejemplo, de e mina en qu´e disposi i os m´o iles se a a ejecu a co ec amen e nues a app, es una a ea di ´ıcil de esol e . En es e a ´ıculo p esen amos RESDEC, un p o o ipo de he amien a pa a asis i al ingenie o de so wa e en la oma de decisiones pa a el despliegue. Conc e amen e RESDEC p o ee algo i mos de ecomendaci´on pa a es escena ios de despliegue dis in os. Keywo ds: Sis emas de al a a iabilidad, Sis emas de ecomendaci´on, Valo- aciones, Con igu aciones 1 An eceden es Los sis emas de al a a iabilidad son sis emas de so wa e cuyo compo amien o se puede pe sonaliza de acue do con las necesidades espec´ı icas de un con ex o pa icula [2]. Los modelos de ca ac e ´ıs icas [7] se han con e ido en el es ´anda de ac o pa a ep esen a ca ac e ´ıs icas comunes y a iables en Va iabili y- in ensi e Sys em (VIS). Cuando el n´ume o de combinaciones en un modelo c ece exponencialmen e, hace que el an´alisis y la mejo a de dichos sis emas sea una ac i idad cos osa y p opensa a e o es. Pa a ali ia el p oblema, in es igado es han p opues o el uso del an´alisis au oma izado de modelos de ca ac e ´ıs icas [3]. Sin emba go, es e p oblema se uel e cada ez m´as di ´ıcil cuando hay m´ul iples y di e sas pla a o mas pa a implemen a un p oduc o. Po ejemplo, pa a decidi en qu´e pla a o mas de implemen aci´on es mejo ins ala D upal o Wo dp ess, o en qu´e el´e onos m´o iles debemos ins ala una aplicaci´on de And oid [5]. En ales casos, la selecci´on de la pla a o ma de implemen aci´on ´op ima se con ie e en una ac i idad c ´ı ica que puede a ec a la expe iencia del usua io. En la indus ia, podemos encon a p opues as basadas en p opiedades es- uc u ales y a ibu os de calidad que apun an a selecciona con igu aciones ´op imas pa a una a iedad de casos de uso, como el es ing o la p edicci´on del endimien o. Sin emba go, hay una al a de sopo e pa a bene icia se de o os a e ac os, ales como in o mes de usua ios o ankings de aplicaciones que e al´uan qu´e an bien se ealiz´o una con igu aci´on en una pla a o ma de im- plemen aci´on conc e a. En es e documen o, p oponemos explo a in o mes de usua ios pa a guia la selecci´on de pla a o mas de implemen aci´on; es o es, pa a encon a qu´e pla a o mas de implemen aci´on se adap an mejo a un usua io conc e o y a una con igu aci´on espec´ı ica. En consecuencia, hemos encon ado en los sis emas de ecomendaci´on una al e na i a ideal pa a guia al usua io en la b´usqueda de con igu aciones de im- plemen aci´on que sa is agan sus necesidades. Un sis ema de ecomendaci´on es un so wa e que, en unci´on de los da os exis en es, in en a p edeci p oduc os pa a que se adap en mejo a las necesidades o gus os de un usua io [4]. En es e pape p esen amos RESDEC(Recommenda ion Sys em o Selec ing Deploymen Con- igu a ions), un p o o ipo de he amien a basada en sis emas de ecomendaci´on que ayuda al ingenie o de so wa e a selecciona el mejo en o no de despliegue pa a con igu aciones de VIS basadas en in o mes de usua ios. 2 RESDEC: Un p o o ipo de he amien a pa a ecomenda es a egias de despliegue RESDEC ue dise˜nado pa a sopo a dos ases al como se mues a en la Figu a 1. Base de Conocimien o Gene ado de Recomendaciones 12 In o mación Basado en il ado colabo a i o Basado en il ado po con enido Basado en popul idad Escena ios de despliegue A anque en ce o T ansición en e pla a o mas de despliegue basadas en alo aciones T ansición en e pla a o mas de despliegue basadas en ca ac e ís icas En o no de a iabilidad 105 Algo i mos Selección Escena io Fig. 1. Fases pa a es ablece ecomendaciones en escena ios de despliegue 2.1 Base de conocimien o: La base de conocimien o con iene la in o maci´on sob e la sa is acci´on de los usua ios en despliegues an e io es. Es a in o maci´on puede ep esen a c i e ios de e aluaci´on dados p e iamen e po los usua ios en elaci´on a gus os, uncional- idad, e o es o despe ec os que puede p esen a un p oduc o. En nues o caso, los alo es que se ex aen de los in o mes de usua ios, e lejan los ni eles de sa is acci´on en elaci´on al uso de un p oduc o po pa e del usua io. 2.2 Gene ado de Recomendaciones: RESDEC se ejecu a en es escena ios di e en es de acue do a las necesidades espec´ı icas del ingenie o de so wa e: P ime despliegue o a anque en ce o. El p ime escena io se p esen a cuando un usua io nue o del sis ema desea conoce qu´e con igu aciones se ´ıan las m´as adecuadas pa a un p oyec o en pa icula . Es o ocu e po ejemplo, cuando el ingenie o de so wa e cons uye un si io web nue o y necesi a una asis encia guiada en la selecci´on de plugins que pod ´ıan se ins alados den o del si io. Pa a ealiza ecomendaciones en es e escena io hemos empleado un algo- i mo basado en popula idad, pe enecien e al g upo de algo i mos no pe son- alizados. Aunque el m´e odo de ecomendaci´on que u iliza es e algo i mo pa ece simple, es uno de los m´as popula es en escena ios eales, ales como: la lis a de p oduc os m´as endidos en Amazon, los ´ıdeos con mayo isi as en Y ou ube, las canciones m´as escuchadas en Spo i y, las pel´ıculas m´as is as en Ne lix, en e o os. T ansici´on en e pla a o mas de despliegue basadas en alo aciones. El segundo escena io se p esen a cuando un usua io que ha usado p e iamen e una con igu aci´on de un p oduc o quie e explo a o as con igu aciones pa a ob ene nue as al e na i as de ecomendaci´on. Es o ocu e, po ejemplo, cuando el ingenie o de so wa e iene publicado un si io web que inco po a una se ie de plugins y basado en esa expe iencia desea conoce qu´e o os plugins simila es a los ins alados pod ´ıan ambi´en implemen a se; pa a ello, el sis ema u iliza in o maci´on de unos usua ios pa a p oduci ecomendaciones a o os. Pa a ealiza es e ipo de ecomendaciones hemos in eg ado en RESDEC es algo i mos de ecomendaci´on basados en il ado colabo a i o (FC). Seg´un la clasi icaci´on, del g upo Neighbo hood-based Collabo a i e Fil e ing (Knn) [6] hemos seleccionado el algo i mo ”KNNBasic” y el algo i mo ”KNNWi hMeans”; y del g upo Model-based Collabo a i e Fil e ing hemos elegido el algo i mo de ac o izaci´on de ma ices SVD (Singula Value Decomposi ion). T ansici´on en e pla a o mas de despliegue basadas en ca ac e ´ıs icas. El e ce escena io adem´as de u iliza las alo aciones que ecibe una con igu- aci´on, ambi´en conside a las ca ac e ´ıs icas que el usua io de ine pa a las con- igu aciones que el sis ema de uel e. Cuando un usua io especi ica las ca ac- e ´ıs icas eque idas pa a una con igu aci´on es ´acil pa a el sis ema encon a las con igu aciones que mejo se adap en den o de esos equisi os y de esa mane a es ablece las mejo es ecomendaciones. Es o ocu e po ejemplo, cuando el ingenie o de so wa e es ´a desa ollando un si io web y necesi a ins ala un conjun o de plugins que se ajus en a los eque imien os del si io, en es e caso a a ´es de los ags asociados a los plugins se pod ´ıan encon a ´acilmen e plugins pa a el ca ´alogo de p oduc os, el buscado de p oduc os, la pasa ela de pagos, el ca i o de comp as en e o os componen es que pod ´ıan eque i se pa a el co ec o uncionamien o del si io web. Pa a hace ecomendaciones basados en la desc ipci´on de cada con igu aci´on, hemos in eg ado en RESDEC dos algo i mos basados en il ado po con enido, Rocchio [1] y kNN [8], es e ´ul imo simila al u ilizado po el g upo de il ado colabo a i o no obs an e su a iaci´on adica en la unci´on de simili ud u ilizada. 2.3 Da ase s y alidaci´on. Da ase de disposi i os And oid: Pa a ecopila la in o maci´on de And oid, se ealiz´o una encues a a 2,099 usua ios de la comunidad de es udian es y do- cen es de la Uni e sidad Es a al de Milag o, Ecuado . Es o nos pe mi i´o cono- ce qu´e aplicaciones son las m´as u ilizadas po los usua ios, los disposi i os que u ilizan y las pun uaciones que o o gan a las aplicaciones ins aladas en sus dis- posi i os de acue do al uncionamien o que han enido en el mismo. Despu´es de conoce los disposi i os usados po los usua ios encues ados, ob u imos in- o maci´on expl´ıci a sob e las ca ac e ´ıs icas de cada uno de ellos a a ´es de in o maci´on disponible en el si io web h p://www.gsma ena.com/. Da ase de Wo dp ess: Es e da ase con iene in o maci´on sob e el ges o de con enidos wo dp ess. Pa a ob ene in o maci´on de es e en o no, se desa oll´o un c awle que ex ae da os que elaciona los plugins con los ags asociados a los mismos. Es o nos pe mi i´o conoce qu´e plugins son los m´as u ilizados po los usua ios y las pun uaciones que se les o o gan. La b´usqueda sigui´o un p oceso sis em´a ico pa a ex ae da os u ilizando el sis ema de p ueba Selenium (h p://www.seleniumhq.o g/). Resul ados: Nues as p uebas incluye on la gene aci´on au om´a ica de e- comendaciones de en e un conjun o de da os de 832 disposi i os m´o iles en And oid y 634 plugins de Wo dp ess. Acceso al c´odigo y demos aci´on del p o o ipo. El c´odigo uen e de RES- DEC se puede desca ga desde el si io web del p oyec o h ps://gi hub.com/ RESDEC. La he amien a jun o con el conjun o de da ase s p esen ados en es e abajo, es ´a disponible en el si io web de RESDEC h p:// esdec.com/. Re e ences 1. Gediminas Adoma icius and Alexande Tuzhilin. Towa d he nex gene a ion o ec- ommende sys ems: A su ey o he s a e-o - he-a and possible ex ensions. Knowl- edge and Da a Enginee ing, IEEE T ansac ions on, 17(6):734–749, 2005. 2. Muhammad Ali Baba , Lianping Chen, and Fo es Shull. Managing a iabili y in so wa e p oduc lines. So wa e, IEEE, 27(3):89–91, 2010. 3. Da id Bena ides, Se gio Segu a, and An onio Ruiz-Co ´es. Au oma ed analysis o ea u e models 20 yea s la e : A li e a u e e iew. In o ma ion Sys ems, 35(6):615– 636, 2010. 4. Jes´us Bobadilla, Fe nando O ega, An onio He nando, and Ab aham Gu i´e ez. Recommende sys ems su ey. Knowledge-Based Sys ems, 46:109–132, 2013. 5. Jos´e A Galindo, Hamil on Tu ne , Da id Bena ides, and Jules Whi e. Tes ing a iabili y-in ensi e sys ems using au oma ed analysis: an applica ion o and oid. So wa e Quali y Jou nal, pages 1–41, 2014. 6. Anil K Jain. Da a clus e ing: 50 yea s beyond k-means. Pa e n ecogni ion le e s, 31(8):651–666, 2010. 7. Kyo C Kang, Sholom G Cohen, James A Hess, William E No ak, and A Spence Pe- e son. Fea u e-o ien ed domain analysis ( oda) easibili y s udy. Technical epo , DTIC Documen , 1990. 8. Michael Pazzani and Daniel Billsus. Lea ning and e ising use p o iles: The iden- i ica ion o in e es ing web si es. Machine lea ning, 27(3):313–331, 1997. Ap´endice A: Tiempo planeado pa a la p esen aci´on de la he amien a 5min – P esen aci´on del p oblema y alcance de la he amien a. 5min – P esen aci´on del p oblema al que se di ige RESDEC con un b e e ejemplo de la aplicaci´on. 5min – Demos aci´on de los ipos de ecomendaci´on que RESDEC emplea pa a di e en es escena ios. 5min – Demos aci´on de las capacidades de la he amien a pa a selecciona y p io iza con igu aciones en un conjun o de da os de disposi i os m´o iles And oid. 5min – Conclusiones del abajo Ap´endice B.- Cap u as de pan alla de la he amien a: Caso ANDROID Fig. 2. Pan alla p incipal de RESDEC, en la pa e izquie da un men´u lo an e mues a las opciones ag upadas po el en o no de despliegue y el ges o de ecomendaciones. Fig. 3. La en ana de p oduc os pe mi e la ges i´on (c eaci´on, modi icaci´on y elimi- naci´on) de los p oduc os (disposi i os) pe enecien es al en o no de a iabilidad medi- an e el cual el sis ema es ablece las ecomendaciones. Fig. 4. La en ana de Apps, pe mi e la ges i´on c eaci´on, modi icaci´on y eliminaci´on) de las aplicaciones que ue on desplegadas en los disposi i os egis ados en la opci´on p oduc os. Fig. 5. Mues a los esul ados ob enidos cuando se ejecu a el p ime escena io de nues- a p opues a, en es e caso se obse a las ecomendaciones basadas en el op de popu- la idad.