从适应性软件系统的性能分析视角重新思考：基于轮廓景观的案例研究

现代软件系统往往高度可配置，以量身定制满足来自不同利益相关者的各种要求。理解配置与所需性能属性之间的映射关系是推进系统可控性和调优的根本性任务，然而长期以来由于其黑盒特性，这一问题一直是知识的深处。虽然已有针对此类系统性能分析的努力，但它们将配置视为孤立的数据点，而不考虑其固有的空间关系。这导致它们无法探讨许多重要的配置空间方面，如局部最优点。在本工作中，我们提出了一种重新思考性能分析的新视角——将配置空间建模为结构化的“轮廓”。为支持这一设想，我们设计了 \our，一个开源的、以图数据挖掘为驱动的适应性轮廓分析 (FLA) 框架。通过将该框架应用于 $86$M 基准配置的 $32$ 个运行工作负载的 $3$ 个真实系统，我们得出了 $6$ 项主要发现，这些发现共同构成了轮廓地形的整体图景，并就其对配置调优和性能建模的含义进行了详尽讨论。