硬度、结构知识与机会：模块化性能建模的分析框架

性能影响模型有助于理解配置如何影响系统性能，但由于配置空间的指数级增长，其创建具有挑战性。虽然灰箱方法利用选择性的“结构知识”（如系统的模块执行图）来改进建模，但这种知识、系统特征（我们称为“结构方面”）以及潜在模型改进之间的关系尚不为人所知。本文通过正式调查结构方面的变化（例如，模块数量和每个模块的选项数）以及结构知识水平如何影响“改进机会”的创建，来填补这一空白。我们提出并量化了建模“硬度”的概念，定义为性能建模的固有难度。通过合成系统模型的控制实验，我们建立了一个“分析矩阵”来衡量这些概念。我们的发现表明，建模硬度主要由模块数量和每个模块的配置选项数驱动。更重要的是，我们证明了更高的结构知识水平和更大的建模硬度都显著增强了改进机会的潜力。这些因素的影响因性能指标而异；对于排序精度（例如，在调试任务中），结构知识更为主导；而对于预测精度（例如，在资源管理任务中），硬度发挥更强的作用。这些结果为系统设计者提供了可操作的见解，指导他们根据系统特征和给定任务的目标，战略性地分配时间并选择合适的建模方法。