ISSTA15 - GA-Prof - Automating Performance Bottleneck Detection usingSearch-Based Application Profiling

摘要

• 提出一种检测性能问题的方法，针对基于搜索的输入敏感的应用
• GA-Prof: Genetic Algorithm-driven Profiler
• GA-Prof有效地搜索了输入值组合的大空间，同时主动和准确地检测性能瓶颈，从而表明它是有效的自动分析

Intro

• 探索性随机性能测试寻找瓶颈

• 传统分析的缺点：输入过多，流程分支复杂，难以设定好的初始值来获得瓶颈

• 传统工作方法：

  • 1. 插桩
  • 2. 收集数据
  • 3. 理解AUT的代码，理解哪些方法和特定的输入相关
  • 4. 在AUT中构造不同的输入组合，寻找瓶颈
  • 5. 对不同的输入组合，分析执行轨迹，归纳结果

• 工作：使用遗传算法作为搜索启发式，获得输入参数的组合，最大化指导搜索过程的适应度函数

背景

• 输入敏感Profiling

  • 基于所有输入数据都是预先可用的假设。但如果瓶颈和输入的大小成正交，则简单的输入导致智能运维困难

• 瓶颈数据分析

  • 某个方法在多个AUT中被调用。在每个单独的trace中，方法的总执行时间可能不会将其放在瓶颈列表的顶部，然而，当跨不同的跟踪进行分析时，根据它们对总执行时间的总体贡献，这些方法可能被视为瓶颈 [?]
  • 通用瓶颈：比如官方math库
  • 另一方面，特定的输入瓶颈难以找到源头，搜索空间很大

• 问题陈述

  • 输入空间太大，少部分才能出发瓶颈
  • 有些输入参数是无效的

后面有时间再补