揭示软件配置景观的奥秘——崎岖性、可达性、可逃逸性与可迁移性

现代软件系统通常具有高度可配置性，以满足不同利益相关者的多样需求。理解配置与期望性能属性之间的映射关系，对提升底层系统的可控性与调优具有基础作用，然而由于其黑盒特性及庞大的组合配置空间，这一直是知识的黑洞。本文利用来自三个真实系统在$32$种运行工作负载下的$86$M次评估配置，对可配置软件系统进行了罕见的适应度景观分析(FLA)。借助全面的FLA方法，我们首次表明：$i)$软件配置景观相当崎岖，存在大量分散的局部最优；$ii)$尽管如此，顶部局部最优具有高度可达性，其吸引域显著更大；$iii)$多数劣质局部最优通过简单扰动即可逃逸；$iv)$同一系统在不同工作负载下的景观具有结构相似性，可用于加速启发式搜索。我们的结果也为设计定制元启发式配置调优提供了宝贵见解；我们的FLA框架及所收集的数据，为该方向的未来研究奠定了坚实基础。