具有参数依赖关系的架构性能模型的增量标定
软件工程
2020-07-01 v1
摘要
基于架构的性能预测（AbPP）允许在不对所有备选方案进行测量的情况下评估系统性能并回答假设性问题。创建模型时的一个难点在于，性能模型参数（PMP，如资源需求、循环迭代次数与分支概率）依赖于各种影响因素，如输入数据、所用硬件与应用的工作负载。为支持广泛的假设性问题，性能模型（PM）需要具备超出已测量标定范围的预测能力。因此，PMP需针对可能变化的影响因素进行参数化。现有方法通过测量完整系统来估计参数化PMP，故其成本过高，难以频繁应用（乃至每次代码变更后）。它们在重新标定时也无法保留对模型的手动修改。本工作中，我们提出性能模型的持续集成（CIPM），其以增量方式提取并标定性能模型，包括参数依赖关系。CIPM通过更新PM并自适应地插桩变更部分来响应源代码变更。为支持AbPP，CIPM利用测量数据（由性能测试或生产环境执行系统生成）与统计分析（如回归分析与决策树）估计参数化PMP。此外，我们的方法响应生产变更（如负载或部署变更）并相应标定PM的使用与部署部分。评估中我们使用了两个案例研究。评估结果表明，我们能够以增量且准确的方式标定PM。
引用
@article{arxiv.2006.16953,
title = {Incremental Calibration of Architectural Performance Models with Parametric Dependencies},
author = {Manar Mazkatli and David Monschein and Johannes Grohmann and Anne Koziolek},
journal= {arXiv preprint arXiv:2006.16953},
year = {2020}
}
备注
Manar Mazkatli is supported by the German Academic Exchange Service (DAAD)