Performance Health Index for Complex Cyber Infrastructures
Performance Health Index for Complex Cyber Infrastructures
复制标题
复杂网络基础设施的性能健康指数
DOI：
10.1145/3538646
复制
发表时间：
2022
影响因子：
0.6
通讯作者：
Kant, Krishna
中科院分区：
文献类型：
--
作者：
Sondur, Sanjeev;Kant, Krishna
大多数IT系统依赖于一组配置变量（cv），这些配置变量表示为名称/值对，它们共同定义了系统的资源分配。虽然错误配置或不适当的资源分配的不良影响是众所周知的，但是没有有效的优先级度量来量化配置对期望的系统属性（如性能、可用性等）的影响。在本文中，我们提出了专门针对性能属性进行调优的配置健康指数（configuration Health Index， CHI）框架，以捕获CVs对系统性能方面的影响。我们展示了被定义为配置评分系统的chi如何利用领域知识和可用的（但相当有限的）性能数据来产生对配置设置的重要见解。我们将该模型与宣传良好的分段非线性模型和最先进的数据驱动模型进行比较，并表明该模型不仅始终提供更好的结果，而且还避免了纯数据驱动方法的危险，这种方法可能会预测不正确的行为或从考虑中消除一些必要的配置变量。
Most IT systems depend on a set ofconfiguration variables (CVs), expressed as a name/value pair that collectively defines the resource allocation for the system. While the ill effects of misconfiguration or improper resource allocation are well-known, there are no effectivea priorimetrics to quantify the impact of the configuration on the desired system attributes such as performance, availability, etc. In this paper, we propose aConfiguration Health Index (CHI)framework specifically attuned to the performance attribute to capture the influence of CVs on the performance aspects of the system. We show howCHI, which is defined as a configuration scoring system, can take advantage of the domain knowledge and the available (but rather limited) performance data to produce important insights into the configuration settings. We compare theCHIwith both well-advertised segmented non-linear models and state-of-the-art data-driven models, and show that theCHInot only consistently provides better results but also avoids the dangers of a pure data drive approach which may predict incorrect behavior or eliminate some essential configuration variables from consideration.
登录
查看更多内容
影响因子：
6.5
作者：
Hamidreza Moradi;Wen Wang;Dakai Zhu
通讯作者：
Hamidreza Moradi;Wen Wang;Dakai Zhu
DOI：
10.1145/2786805.2786852
发表时间：
2015-08
期刊：
Proceedings of the 2015 10th Joint Meeting on Foundations of Software Engineering
影响因子：
--
作者：
Tianyin Xu;Long Jin;Xuepeng Fan;Yuanyuan Zhou;S. Pasupathy;Rukma Talwadker
通讯作者：
Tianyin Xu;Long Jin;Xuepeng Fan;Yuanyuan Zhou;S. Pasupathy;Rukma Talwadker
优化云中的 N 层应用程序可扩展性
影响因子：
0.6
作者：
Qingyang Wang;Shungeng Zhang;Yasuhiko Kanemasa;C. Pu;Balaji Palanisamy;L. Harada;Motoyuki Kawaba
通讯作者：
Motoyuki Kawaba
DOI：
10.1109/ase.2015.15
发表时间：
2015-11
期刊：
2015 30th IEEE/ACM International Conference on Automated Software Engineering (ASE)
影响因子：
--
作者：
Yi Zhang;Jianmei Guo;Eric Blais;K. Czarnecki
通讯作者：
Yi Zhang;Jianmei Guo;Eric Blais;K. Czarnecki
DOI：
10.1109/icse.2019.00113
发表时间：
2019-05
期刊：
2019 IEEE/ACM 41st International Conference on Software Engineering (ICSE)
影响因子：
--
作者：
Huong Ha;Hongyu Zhang
通讯作者：
Huong Ha;Hongyu Zhang