# LogStats

**Repository Path**: arsenew/log-stats

## Basic Information

- **Project Name**: LogStats
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-08-11
- **Last Updated**: 2025-04-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

applications目录下包含了论文所有的被测应用，包括原始Java应用程序以及生成的java、c#和go程序。
resource目录下包含了转换得到的java，go，c#和cj程序，以及执行这些程序的脚本文件。
通过运行脚本，能够生成相应的日志文件和监控文件。
使用src/LogStats，可以对这些日志文件和监控记录进行解析，得到执行数据和GC相关数据。
分析结果将输出到项目根目录下的csv文件中

### 执行脚本得到日志文件和监控记录
在resource/javaandgo，resource/csharp和resource/cj目录下分别有java，go，c#和cj程序，
以及运行它们的脚本文件start_java_gc.sh, start_go_gc.sh, start_csharp_gc.sh, start_cj_gc.sh。

这四个脚本的运行方式相同，运行时传入5个参数，分别是应用名称，初始堆大小（GB），堆大小单次增加大小（GB），堆大小增加次数，测试次数。
例如对于java运行array应用可以设置。
```shell
./start_java_gc.sh array 3 2 3 1
```
另外，可以在commands中添加不同的应用或负载，如：
```
commands=( "${X}small" "${X}smallslow" "${X}middle" "${X}middleslow" "${X}big" "${X}bigslow")
```
运行之后可以得到GC日志文件，如 arraybig3_java_3.log。
以及CPU和Memory使用情况的监控文件，如arraybig3_java_3_usage_info。

### 运行程序得到GC性能分析结果
主要运行入口在src/LogStats.java,其中需要配置的选项包括：

需要分析的应用名称，如
```
String[] workload = {"queue","stack","array","tree"};
```
测试的目标GC，如
```
String[] target = {"java", "javaz", "go", "csharp", "cj"};
```
目标GC的日志所在文件，如
```
String[] base = {"resource/javaandgo/", "resource/javaandgo/", "resource/javaandgo/", "resource/csharp/", "resource/cj/"};
```
目标应用的负载，如
```
String[] sizes = {"small", "smallslow", "middle", "middleslow", "big", "bigslow"};
```
每个应用的起始堆大小，每次递增大小，以及递增次数，如
```
int[] value = {3,3,3,3};
int[] update = {3,3,3,3};
int step = 3;
```
以及测试的批次号，如
```
String[] time = {"1", "2"};
```
最终分析的结果都会被输出到项目目录下，以每个应用的一批次运行为单位，总结到一个csv文件中，如
```
log_stats_array_1.csv
```
统计的内容包含使用每种GC算法，在每个应用的每个负载下，具体执行时间，平均CPU使用率，平均内存使用值，GC次数，GC用时等