SoCC21-VAIF-Automating instrumentation choices for performanceproblems in distributed applications with VAIF

总结

• VAIF: 变化驱动的自动化插桩框架

  • 自动根据性能问题选择需要的插桩点 – 慢代码或不可预期的性能问题(高方差）

• 本文只需要比较时间即可 （方差大的，延时多的），不比较路径变化，每种路径变化就是一种新的trace。

• Pythia的改进版，只看本文即可

• 问题：只考虑了时间点的变化。

  • 方差反映不足：cache/not cache vs 一两次出问题
  • 路径出现微小变化怎么办

1. Intro

• 动态日志需要程序员手动指定，搜索空间大

• 自动化日志注重于错误的记录，非性能问题

• 性能问题：

  • 功能缓慢、资源争用、负载失衡

• VAIF

  • 自动插桩-在正常操作期间，VAIF的操作与今天的分布式跟踪相同，并在默认启用跟踪点级别的情况下生成跟踪。当开发人员必须诊断为什么请求很慢时，他们按下一个按钮，VAIF自动探索必须启用哪些额外的跟踪点来定位问题源。

2. TOWARDS AUTOMATION - 对自动化的一些解释

• 2.1 log

  • 分为：正确性log和性能问题log

• 2.2 关键点

  • 相似路径的请求会有相似的时间

  • 相似的工作流，但执行差异大(时间方差大)，则有unknow行为

  • 独立随机变量的方差可直接相加

    • 通过识别在方差中贡献最多的边 来 识别三方库中导致不确定行为的领域

• 2.3 定位规则

  • 相同的路径但是有高方差，从而锁定贡献最大的边

    • 
    • a - 高方差

  • 低方差但高响应时间

    • c - 高响应时间

  • 逐步定位，逐步插桩

后面有时间再补