硬度、结构知识和机会：模块化性能建模的分析框架

于红博

摘要: 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增长，它们的创建具有挑战性。虽然灰盒方法利用选择性的“结构知识”（如系统的模块执行图）来改进建模，但这种知识、系统特性（我们称之为“结构方面”）与潜在模型改进之间的关系尚不清楚。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“模块性能建模”的“机会”来填补这一空白。我们引入并量化建模“困难度”的概念，定义为性能建模的固有难度。通过对合成系统模型进行控制实验，我们建立了一个“分析矩阵”来衡量这些概念。我们的研究结果表明，建模困难度主要受到模块数量和每个模块的配置选项数的影响。更重要的是，我们证明了较高水平的结构知识和增加的建模困难度显著增强了改进的机会。这些因素的影响因性能指标而异；对于排名准确性（例如在调试任务中），结构知识更为主导，而对于预测准确性（例如在资源管理任务中），困难度起着更重要的作用。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性和给定任务目标来策略性地分配时间并选择适当的建模方法。

更新时间: 2025-09-19 16:19:28

领域: cs.SE,cs.AI,cs.LG

下载: http://arxiv.org/abs/2509.11000v2