Logo des Repositoriums

Auflistung nach Autor:in "Adersberger, Josef"

1 - 5 von 5
  • Zeitschriftenartikel
    Dynamische Analyse mit dem Software-EKG
    (Informatik-Spektrum: Vol. 34, No. 5, 2011) Weigend, Johannes; Siedersleben, Johannes; Adersberger, Josef
    Dieses Papier zeigt, wie man komplexe, heterogene Systeme analysiert, wenn die einfachen Methoden (Debugger, Profiler) nicht ausreichen. Wir erläutern die Grundlagen, beschreiben ein Vorgehen mit den nötigen Tools und bringen einige Beispiele aus unserer Praxis. Wir behandeln ferner den präventiven Einsatz des Vorgehens im Entwicklungsprozess und definieren die Diagnostizierbarkeit (Diagnosibility) eines Softwaresystems als wichtige nichtfunktionale Eigenschaft.
  • Konferenzbeitrag
    Dynamische Analyse mit dem Software-EKG
    (Software Engineering 2011 – Fachtagung des GI-Fachbereichs Softwaretechnik, 2011) Weigend, Johannes; Siedersleben, Johannes; Adersberger, Josef
    Dieses Papier zeigt, wie man komplexe, heterogene Systeme analysiert, wenn die einfachen Methoden (Debugger, Profiler) nicht ausreichen. Wir erläutern die Grundlagen, beschreiben ein Vorgehen mit den nötigen Tools und bringen einige Beispiele aus unserer Praxis. Wir behandeln ferner den präventiven Einsatz des Vorgehens im Entwicklungsprozess und definieren die Diagnostizierbarkeit (Diagnosibility) eines Software-Systems als wichtige nicht-funktionale Eigenschaft.
  • Zeitschriftenartikel
    Fast and efficient operational time series storage: The missing link in dynamic software analysis
    (Softwaretechnik-Trends Band 35, Heft 3, 2015) Lautenschlager, Florian; Kumlehn, Andreas; Adersberger, Josef; Philippsen, Michael
    Distributed applications, cloud systems, the Internet of Things, etc. are generating increasing amounts of operational data, such as CPU loads, thread states, memory consumptions, method runtimes, or logs. Many tools continuously collect and analyze such data that is best represented as time series. Typical analyses try to find and localize runtime incidents like outliers, leaks, or trend anomalies. However, these analyses need an efficient use of storage and a fast interactive query execution, that general purpose storage systems do not provide: neither storing operational time series data in general-purpose databases nor in conventional time series databases fulfills these requirements. We present Chronix, a novel time series storage that is optimized for operational time series and that improves the link between storage and analysis in a dynamic software analysis toolchain. With Chronix a toolchain not only stores data 4–33 times faster and it takes 5–171 times less storage space than with other time series databases, it also executes queries in 15–74% and analyses in 25–74% of the time.
  • Zeitschriftenartikel
    QAware: Eine kurze Geschichte der QAware
    (Informatik Spektrum: Vol. 44, No. 6, 2021) Kamm, Christian; Adersberger, Josef
    QAware wurde 2005 gegründet als Gegenbewegung zur damaligen Kommoditisierung der IT. Heute entwickelt QAware mit knapp 200 Mitarbeitenden digitale Produkte im Herzen führender Unternehmen im deutschsprachigen Raum.
  • Konferenzbeitrag
    Rahmenwerk zur ausreißererkennung in zeitreihen von software-laufzeitdaten
    (Software-engineering and management 2015, 2015) Lautenschlager, Florian; Kumlehn, Andreas; Adersberger, Josef; Philippsen, Michael
    Auch das beste Software-System kann Anomalien im Laufzeitverhalten aufweisen, die nach einiger Zeit in Fehlerzustände münden können. Bekannte Werkzeuge überwachen kontinuierlich, ob Laufzeiten wie z.B. CPU-Last oder Antwortzeiten manuell gesetzte Schwellwerte überschreiten. Das hat zwei Nachteile: (a) Starr vorgegebene Schwellwerte und damit starre Festlegungen, ab wann ein Messwert einen Ausreißer markiert, sind bei saisonalen Schwankungen oder Lastspitzen sowie externer Einflüsse prinzipiell ungeeignet. (b) Oft wird erst nach Auftreten des Fehlerfalls rückblickend im Protokoll der Laufzeitdaten nach einer Anomalie gesucht, die den Fehlerfall erklärt. D.h., es kann erst a posteriori definiert werden, was ein Ausrei- ßer ist, und welche Messwerttypen zu diesem beitragen. Das Papier stellt daher ein Rahmenwerk zur Ausreißererkennung vor, das offline auf einer Vielzahl von protokollierten Laufzeitdaten arbeitet und wegen des Umfangs auf einer neuartigen effizienten Speicherung und Analyse von Zeitreihen basiert. Die Evaluation zeigt die Effizienz der Zeitreihenspeicherung sowie von anspruchsvollen Ausreißererkennern.