华东理工大学郭健美——可配置系统的数据高效性能学习_会议文档

2017 QCon全球软件开发大会-上海站所有文档 AWS 费良宏——AWS上的MXNet深度学习框架_部分1 AWS 费良宏——AWS上的MXNet深度学习框架_部分2 Intel Tony Wu——驱动数据中心软件的极限并发性 PayPal 王辉——AI 驱动全球支付业务革新Using AI to Revolutionize Global Payments Synopsys 杨国梁——软件安全构建成熟度模型（BSIMM）阿里巴巴郁磊——免费的性能午餐—Alibaba JDK 协程百度洪至远——提高软件测试效率方法探讨——从 0 开始构建 Android 通用脚本测试解决方案德比软件夏卫——精益创新：从0到1构建服务全球的大数据平台和架构听云廖雄杰——微服务架构的应用性能监控_部分1 听云廖雄杰——微服务架构的应用性能监控_部分2

文档介绍



如今许多软件系统是可配置的，能够通过特征选择提供定制功能。了解不同的特征选择能够让性能产生的变化是选择满足一系列要求的合适配置的关键。由于配置空间巨大以及性能测量可能会有的高成本，通常来说不可能详尽地探索一个可配置系统的配置空间。因此，用测量的系统变量小样本来进行准确预测的难度很大。为了应对这一难题，我们提出了一种名为 DECART 的数据高效学习方法，它结合了几种机器学习和统计学技术，用于可配置系统的性能预测。 DECART 凭借一个可用的测量的系统变量样本来构建、验证和确定预测模型。对 10 个现实世界中的可配置系统的实证结果也证明了 DECART 的有效性和实用性。值得一提的是，DECART 仅凭一个有限特征数量的小样本就实现了 90％或更高的预测精度。此外，我们提出了一个样本质量的指标，并为大家介绍了一个能用于性能预测的样本质量定量分析。

华东理工大学郭健美——可配置系统的数据高效性能学习

AWS 费良宏——AWS上的MXNet深度学习框架_部分1

AWS 费良宏——AWS上的MXNet深度学习框架_部分2

Intel Tony Wu——驱动数据中心软件的极限并发性

PayPal 王辉——AI 驱动全球支付业务革新Using AI to Revolutionize Global Payments

Synopsys 杨国梁——软件安全构建成熟度模型（BSIMM）

阿里巴巴郁磊——免费的性能午餐—Alibaba JDK 协程

百度洪至远——提高软件测试效率方法探讨——从 0 开始构建 Android 通用脚本测试解决方案

德比软件夏卫——精益创新：从0到1构建服务全球的大数据平台和架构

听云廖雄杰——微服务架构的应用性能监控_部分1

听云廖雄杰——微服务架构的应用性能监控_部分2

华东理工大学郭健美——可配置系统的数据高效性能学习

文档介绍

相关会议文档推荐

张浩

相关会议

华东理工大学 郭健美——可配置系统的数据高效性能学习

华东理工大学 郭健美——可配置系统的数据高效性能学习

文档介绍

相关会议文档推荐

张浩

相关会议

华东理工大学郭健美——可配置系统的数据高效性能学习

华东理工大学郭健美——可配置系统的数据高效性能学习