采用自适应采样率的软件运行时监控以收集具代表性的执行轨迹样本
软件工程
2023-05-03 v1
摘要
在运行时监控软件系统对于理解工作负载、调试和自适应至关重要。它通常涉及收集和存储可观测的软件数据，这些数据可在线或离线分析。尽管收集系统数据很有用，但可能通过延迟响应时间和与系统资源竞争而显著影响系统执行。应对此问题的典型方法是过滤待监控系统的部分内容并对数据进行采样。尽管这些方法朝着在收集信息量与系统性能影响之间实现期望权衡迈出了一步，但它们侧重于收集特定类型的数据，或者可能捕获到与系统实际行为不符的样本。为此，我们提出一种自适应运行时监控流程，在监控软件系统时动态调整采样率。它包含具有统计学基础的算法，以在不损害系统性能的前提下提升所收集样本的代表性。我们的评估针对一个广泛使用基准中的五个应用。结果表明，采用我们方法收集的样本误差（RMSE）比主要替代策略（采样率与吞吐量成反比）低 9–54%，而性能影响高 1–6%。
引用
@article{arxiv.2305.01039,
title = {Software Runtime Monitoring with Adaptive Sampling Rate to Collect Representative Samples of Execution Traces},
author = {Jhonny Mertz and Ingrid Nunes},
journal= {arXiv preprint arXiv:2305.01039},
year = {2023}
}
备注
in Journal of Systems and Software