CoTune：协同进化配置调优

为了自动调优配置以获得尽可能好的系统性能（例如，运行时间或吞吐量），大量工作集中在为调优器设计智能启发式方法上。然而，现有的调优器设计大多忽略了复杂性能需求的存在（例如，理想情况下延迟应为 2 秒），而只是简单地假设性能越好越受偏好。这不仅会浪费需求中的宝贵信息，而且可能会消耗大量资源去调优一个收益甚微的目标。然而，先前的研究表明，简单地将需求作为调优目标是有问题的，因为需求可能过于严格，损害收敛性；或者其高度多样的满足度可能导致过早收敛。在本文中，我们提出了 CoTune，一种通过协同进化将给定目标性能需求信息纳入考量的工具。CoTune 的独特之处在于它创建了一个辅助性能需求，使其与配置协同进化，在目标性能需求变得无效甚至具有误导性时为其提供辅助，从而允许在受需求引导的同时进行调优，并对需求带来的损害保持鲁棒性。在 162 个案例（九个系统和 18 个需求）上的实验结果表明，CoTune 显著优于现有的调优器，在 90% 的案例中排名第一（相比之下其他调优器为 0%--35%），总体改进高达 2.9 倍，同时在此过程中具有更好的效率。