論文の概要: Rethinking Performance Analysis for Configurable Software Systems: A Case Study from a Fitness Landscape Perspective
- arxiv url: http://arxiv.org/abs/2412.16888v1
- Date: Sun, 22 Dec 2024 06:51:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 16:01:07.615070
- Title: Rethinking Performance Analysis for Configurable Software Systems: A Case Study from a Fitness Landscape Perspective
- Title（参考訳）: 構成可能なソフトウェアシステムの性能分析を再考する: フィトネスランドスケープの視点から
- Authors: Mingyu Huang, Peili Mao, Ke Li,
- Abstract要約: 私たちはパフォーマンス分析を再考する新しい視点を提唱します -- 構成空間を構造化された風景としてモデル化します。
当社のフレームワークは,実システムの32ドル(約3,800円)のワークロードから,ベンチマークによる構成を86ドル(約8,800円)にします。
- 参考スコア（独自算出の注目度）: 3.845572815195074
- License:
- Abstract: Modern software systems are often highly configurable to tailor varied requirements from diverse stakeholders. Understanding the mapping between configurations and the desired performance attributes plays a fundamental role in advancing the controllability and tuning of the underlying system, yet has long been a dark hole of knowledge due to its black-box nature. While there have been previous efforts in performance analysis for these systems, they analyze the configurations as isolated data points without considering their inherent spatial relationships. This renders them incapable of interrogating many important aspects of the configuration space like local optima. In this work, we advocate a novel perspective to rethink performance analysis -- modeling the configuration space as a structured ``landscape''. To support this proposition, we designed \our, an open-source, graph data mining empowered fitness landscape analysis (FLA) framework. By applying this framework to $86$M benchmarked configurations from $32$ running workloads of $3$ real-world systems, we arrived at $6$ main findings, which together constitute a holistic picture of the landscape topography, with thorough discussions about their implications on both configuration tuning and performance modeling.
- Abstract（参考訳）: 現代のソフトウェアシステムは、様々な利害関係者の様々な要求を調整するために、しばしば高度に設定できる。
構成と所望のパフォーマンス属性のマッピングを理解することは、基盤システムの制御性とチューニングを進める上で基本的な役割を担いますが、ブラックボックスの性質のため、長い間知識の暗い穴でした。
これらのシステムの性能分析には過去にも取り組みがあったが、それらの空間的関係を考慮せずに、構成を独立したデータポイントとして分析している。
これにより、ローカルオプティマのような構成空間の多くの重要な側面を問うことができない。
本研究では,「ランドスケープ」として構成空間をモデル化し,性能解析を再考する新たな視点を提唱する。
この提案をサポートするために、我々はオープンソースのグラフデータマイニング強化フィットネスランドスケープ分析(FLA)フレームワークである \our を設計した。
このフレームワークを実世界のシステムで32ドル(約3,300円)のワークロードから86ドル(約8,800円)のベンチマーク設定に適用することで,ランドスケープ地形の全体像を構成する6ドル(約6,800円)のメイン発見に到達しました。
関連論文リスト
- Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。
既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。
ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-29T19:02:54Z) - Robust Incremental Structure-from-Motion with Hybrid Features [73.55745864762703]
本稿では,線とその構造的幾何学的関係を利用した漸進的構造移動システム(SfM)を提案する。
我々のシステムは、SfMの広く使われている点ベースの技術と比較すると、一貫して堅牢で正確である。
論文 参考訳（メタデータ） (2024-09-29T22:20:32Z) - Exploring Performance Trade-offs in JHipster [43.461226919177584]
本稿では,Web ジェネレータ JHipster に着目し,構成がパフォーマンスに与える影響について検討する。
私たちのゴールは、JHipsterの設定選択が生成されたシステムの性能にどのように影響するかを理解することです。
我々はJHipsterの総合的なパフォーマンスモデルを開発し、構成の識別を自動化する。
論文 参考訳（メタデータ） (2024-09-24T22:00:22Z) - Deep Configuration Performance Learning: A Systematic Survey and Taxonomy [3.077531983369872]
我々は6つの索引付けサービスにまたがる1,206件の検索済み論文を網羅し,ソフトウェアのパフォーマンス学習におけるディープラーニングのトピックを包括的にレビューする。
本研究は, 構成データ作成に関連する技術について, 重要な統計, 分類学, 強度, 弱点, 最適利用シナリオについて概説した。
また、調査した研究から、優れた実践と潜在的に問題となる現象を同定し、その分野における将来の機会に関する実行可能な提案と洞察を包括的にまとめる。
論文 参考訳（メタデータ） (2024-03-05T21:05:16Z) - 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。
そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。
また,水平深度と比表現に適した教師なし適応手法を提案する。
本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
論文 参考訳（メタデータ） (2023-12-26T12:16:03Z) - S4Sleep: Elucidating the design space of deep-learning-based sleep stage classification models [1.068128849363198]
本研究では,エンコーダ・予測アーキテクチャの幅広いカテゴリにおける設計選択について検討する。
時系列およびスペクトログラム入力表現の両方に適用可能なロバストアーキテクチャを同定する。
これらのアーキテクチャは、構造化状態空間モデルを積分成分として含み、統計的に重要な性能改善を実現する。
論文 参考訳（メタデータ） (2023-10-10T15:42:14Z) - LONViZ: Unboxing the black-box of Configurable Software Systems from a
Complex Networks Perspective [9.770775293243934]
本稿では,ブラックボックス構成ソフトウェアシステムの探索解析を容易にするツールであるLONViZを提案する。
実験では、42の異なる実行環境下でベンチマークプラットフォームを開発するために、広く使われている4つの実世界のソフトウェアシステムを選択した。
LONViZは定性的かつ定量的な分析を可能にし、様々な興味深い隠れパターンやソフトウェアシステムの特性を明らかにする。
論文 参考訳（メタデータ） (2022-01-05T03:14:39Z) - T3-Vis: a visual analytic framework for Training and fine-Tuning
Transformers in NLP [0.0]
本稿では,研究者を支援する視覚分析フレームワークの設計と実装について述べる。
我々のフレームワークは、ユーザーがモデルの異なる面を探索できる直感的な概要を提供する。
これは、モデルコンポーネントと入力シーケンスの異なる部分の重要性を計算する組込みアルゴリズム群を可能にする。
論文 参考訳（メタデータ） (2021-08-31T02:20:46Z) - SIMONe: View-Invariant, Temporally-Abstracted Object Representations via
Unsupervised Video Decomposition [69.90530987240899]
この問題に対して教師なしの変分法を提案する。
我々のモデルは、RGBビデオ入力のみから2組の潜在表現を推論することを学ぶ。
これは、視点に依存しないアロセントリックな方法でオブジェクト属性を表現する。
論文 参考訳（メタデータ） (2021-06-07T17:59:23Z) - Auto-Panoptic: Cooperative Multi-Component Architecture Search for
Panoptic Segmentation [144.50154657257605]
本稿では、バックボーン、セグメンテーションブランチ、フィーチャーフュージョンモジュールを含むすべての主要コンポーネントを同時に検索する効率的なフレームワークを提案する。
検索したアーキテクチャ、すなわちAuto-Panopticは、挑戦的なCOCOとADE20Kベンチマークに関する新しい最先端技術を実現します。
論文 参考訳（メタデータ） (2020-10-30T08:34:35Z) - S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。
我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
論文 参考訳（メタデータ） (2020-07-13T17:44:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。