一种用于诊断软件性能退化的零正例学习方法
软件工程
2020-01-03 v6 神经与进化计算
性能
摘要
机器编程（MP）领域，即软件开发的自动化，正在取得显著的研究进展。这部分得益于机器学习中各种新颖技术的出现。在本文中，我们将 MP 应用于软件性能退化测试的自动化。性能退化是由代码更改引起的软件性能下降。我们提出了 AutoPerf——一种自动化退化测试的新方法，它利用三项核心技术：(i) 零正例学习，(ii) 自编码器，以及 (iii) 硬件遥测。我们针对 7 个基准和开源程序中的 10 个真实性能缺陷，展示了 AutoPerf 在 3 种性能退化下的通用性和有效性。平均而言，AutoPerf 表现出 4% 的分析开销，并且比先前最先进的方法更准确地诊断出更多的性能缺陷。迄今为止，AutoPerf 尚未产生任何假阴性。
引用
@article{arxiv.1709.07536,
title = {A Zero-Positive Learning Approach for Diagnosing Software Performance Regressions},
author = {Mejbah Alam and Justin Gottschlich and Nesime Tatbul and Javier Turek and Timothy Mattson and Abdullah Muzahid},
journal= {arXiv preprint arXiv:1709.07536},
year = {2020}
}