基于性能分析的自适应插桩框架 |
| |
引用本文: | 王子鹏,张树东,任仲山,胡建亚. 基于性能分析的自适应插桩框架[J]. 计算机测量与控制, 2018, 26(9): 232-241 |
| |
作者姓名: | 王子鹏 张树东 任仲山 胡建亚 |
| |
作者单位: | 首都师范大学 信息工程学院 北京,首都师范大学 信息工程学院 北京,中国科学院软件研究所 北京;首都师范大学 信息工程学院 北京,首都师范大学 信息工程学院 北京 |
| |
基金项目: | 国家重点研发计划项目(2017YFB1400800),北京市创新团队建设计划项目。 |
| |
摘 要: | 插桩技术用于跟踪获取软件系统的运行时信息,是软件性能管理工具中不可或缺的一个部分。目前,存在的各类插桩工具所产生的插桩点在目标程序运行的过程中往往是不可改变的。在实际的程序异常、错误检测中,用户关心的程序代码的位置在不同阶段往往不同,因此目标程序运行的不同阶段所需要获取信息的插桩点位置是不同的,如果插桩点过多会导致插桩工具浪费系统资源,产生系统资源消耗过大的问题;插桩点过少则会导致无法准确定位目标软件发生异常位置。针对以上问题,使用基于线性回归和K-Means的分析模型,分析目标软件的性能数据,在其运行过程中动态地改变插桩点,尽可能的减少资源的消耗;另外,采用朴素贝叶斯分类模型对插桩类进行筛选,减少植入插桩点的类,可降低插桩带来的资源消耗。实验表明:与传统的工具相比,使用此插桩框架进行监控,被测网页的平均响应时间减少6.88%,同时对目标程序的干扰更小。
|
关 键 词: | 插桩 自适应 性能数据 机器学习 |
收稿时间: | 2018-02-27 |
修稿时间: | 2018-03-14 |
AN ADAPTIVE INSTRUMENTATION FRAMEWORK BASED ON PERFORMANCE ANALYSISWang Zipeng1,2, Ren Zhongshan1,3, Zhang Shudong1,2, Hu Jianya1,2 |
| |
Abstract: | |
| |
Keywords: | instrumentation adaptive performance machine learning |
|
| 点击此处可从《计算机测量与控制》浏览原始摘要信息 |
|
点击此处可从《计算机测量与控制》下载免费的PDF全文 |
|