A machine learning approach for failure prediction in continuous integration

Sürekli Entegrasyon (CI), geliştiricilerin kod değişikliklerini düzenli olarak merkezi bir depoya birleştirdiği ve paylaşılan bir kod tabanı üzerinde eşzamanlı iş birliğini mümkün kılan bir geliştirme uygulamasıdır. CI içerisindeki bu sık entegrasyon ve otomatik derleme süreci, geliştirme aşamasının erken safhalarında çakışma veya hataların tespit edilmesine ve çözülmesine yardımcı olmaktadır. Ancak, büyük ölçekli sistemlerde derleme süreci maliyetli olabilmektedir. Her bir derleme belirli bir maliyet yaratırken, derlemelerin atlanması tespit edilemeyen hataların riskini artırabilir. Bu makale, endüstriyel bir ortamda gerçekleştirilen ampirik bir çalışmayı sunmakta ve derleme hatalarını tahmin etmek amacıyla makine öğrenmesi tekniklerinin kullanımını incelemektedir. Doğru tahminler, CI maliyetlerini azaltmak için güvenle atlanabilecek derlemelerin belirlenmesine yardımcı olmaktadır. Gerçek dünyadaki endüstriyel projelerinden türetilen bir veri kümesinde çeşitli modeller ve özellik kombinasyonları değerlendirilmektedir. Başarısız yapıları tahmin etmede yüksek hassasiyet ancak düşük duyarlılık gözlemlenmiştir, bu da bir miktar hatanın potansiyel olarak gözden kaçmasına rağmen yüzlerce başarılı yapının doğru şekilde atlanmasına olanak sağlamaktadır.