👵🏽 🥇 👨🏼‍🎤 एक प्रयोग के गणितीय डिजाइन का उपयोग करके सॉफ्टवेयर प्रदर्शन विश्लेषण 🍝 📩 😇

"समयपूर्व अनुकूलन सभी बुराई की जड़ है"
एंथनी होयर

मैं Habr के सभी उपयोगकर्ताओं का स्वागत करता हूँ!
यह लेख मेरे वैज्ञानिक अनुसंधान के उपयोगी उपोत्पाद के रूप में उभरा है। मुझे खुशी होगी अगर नीचे प्रस्तुत विचार आपको दिलचस्प और उपयोगी लगते हैं, और इससे भी बेहतर अगर वे अपने आवेदन और वास्तविक जीवन की परियोजनाओं में आगे विकास करते हैं।

सॉफ्टवेयर प्रदर्शन (सॉफ्टवेयर) किसी भी सॉफ्टवेयर उत्पाद के विकास में एक महत्वपूर्ण पहलू है। समस्या की प्रासंगिकता सॉफ्टवेयर की बढ़ती जटिलता और महत्व के कारण है। प्रदर्शन पर विशेष ध्यान दिया जाता है:

इंजीनियरिंग और वैज्ञानिक विकास में, जहां जटिल लंबी गणना अक्सर की जाती है, और क्लस्टर सिस्टम पर प्रोसेसर का समय महंगा और सीमित होता है;
वेब अनुप्रयोगों में, जिसमें उपयोगकर्ता के लिए पृष्ठ पीढ़ी का समय महत्वपूर्ण है और सीधे सर्वर क्षमताओं की मात्रा पर निर्भर करता है;
एम्बेडेड सॉफ्टवेयर उत्पादों में, आदि।

एक सॉफ्टवेयर उत्पाद के प्रदर्शन का गहन विश्लेषण उपकरण की लागत और प्रदर्शन को बनाए रखने की लागत को काफी कम कर सकता है, सॉफ्टवेयर उपयोगकर्ताओं की वफादारी बढ़ा सकता है।
सॉफ्टवेयर के मामले में प्रदर्शन की अवधारणा का मतलब उत्पादकता या प्रतिक्रिया है :

उत्पादकता - समय की प्रति यूनिट सिस्टम द्वारा संसाधित जानकारी की मात्रा;
प्रतिक्रियाशीलता - सिस्टम में इनपुट डेटा की प्रस्तुति और संबंधित आउटपुट जानकारी की उपस्थिति के बीच का समय।

इस पत्र में, प्रतिक्रियाशीलता को सॉफ्टवेयर प्रदर्शन का एक उपाय माना जाएगा। ऐसा विकल्प मौलिक और केवल संभव नहीं है, लेकिन केवल प्रयोगों में माप को सरल बनाने के लिए बनाया गया है। उत्पादकता पर विचार के लिए परीक्षण करने की प्रक्रिया को जटिल बनाने की आवश्यकता होती है, क्योंकि संसाधित जानकारी के संस्करणों का माप हमेशा संभव नहीं होता है। सिस्टम द्वारा डेटा प्रसंस्करण समय का अनुमान लगाना, लागू करना बहुत आसान है, जिसमें शामिल हैं और परीक्षण प्रक्रिया को स्वचालित करने में।
सॉफ्टवेयर का विश्लेषण करते समय, शोधकर्ता के सामने सबसे स्पष्ट और तार्किक कार्य उत्पादकता को बढ़ाना है। औपचारिक रूप से, हमारे पास एक अनुकूलन समस्या है, और इस अध्ययन के संदर्भ में, एक सॉफ्टवेयर सिस्टम द्वारा आने वाली सूचनाओं के प्रसंस्करण समय को कम करने का कार्य है। इस प्रकार, एक अनुकूलन मानदंड कुछ फ़ंक्शन है

कहाँ (1)

- सूचना प्रसंस्करण समय;
- सभी पैरामीटर (कारक या प्रभावित करने वाले कारक) जो सिस्टम प्रदर्शन को प्रत्यक्ष या अप्रत्यक्ष रूप से प्रभावित कर सकते हैं;
$x_i \ _ [a_i, b_i] में$ Ith कारक के निर्धारण का डोमेन है, जो समस्या की एक सीमा है।

कार्यक्रम के प्रदर्शन को प्रभावित करने वाले कारकों की समग्रता का चयन एक तुच्छ समस्या नहीं है। एक नियम के रूप में, आधुनिक सॉफ्टवेयर एक अत्यंत जटिल प्रणाली है जिसमें भारी संख्या में कनेक्शन और निर्भरताएं होती हैं। और यह न केवल सॉफ्टवेयर उत्पाद की जटिलता है। किसी भी कार्यक्रम में एक रनटाइम रनिंग होता है, ऑपरेटिंग सिस्टम में संचालित होता है, अन्य सेवाओं और सॉफ़्टवेयर के साथ सहभागिता करता है - ये सभी तत्व अलग-अलग जटिल प्रणालियों का प्रतिनिधित्व करते हैं, जिनमें आंतरिक कनेक्शन और निर्भरता की संख्या कम नहीं होती है। यदि हम कारकों की पारस्परिक निर्भरता भी जोड़ते हैं (जो न केवल युग्मित और / या रैखिक हो सकते हैं), तो हमें कारकों के सभी संभावित संयोजनों की एक अविश्वसनीय संख्या मिलती है।
उदाहरण के लिए, एक प्रोग्राम पर विचार करें जो एक डेटाबेस (डीबी) के साथ काम करता है और इसमें संग्रहीत जानकारी का सांख्यिकीय प्रसंस्करण करता है। उत्पादकता को प्रभावित करने वाले कारकों के उदाहरणों में शामिल हैं:

कंप्यूटर रैम की मात्रा;
हार्ड डिस्क एक्सेस स्पीड;
अधिकतम आवृत्ति और औसत प्रोसेसर लोड;
DBMS सेटिंग्स, आदि।

इन कारकों के बीच निर्भरता की संभावना स्पष्ट है। उदाहरण के लिए, रैम की मात्रा बढ़ने से हार्ड ड्राइव तक लगातार पहुंच की आवश्यकता कम हो सकती है, और परिणामस्वरूप, संबंधित कारक के प्रभाव को कम कर सकता है।

प्रभावित करने वाले कारकों के इष्टतम मूल्यों की खोज करने के लिए, अर्थात अनुकूलन समस्या को हल करने के लिए (1) , निम्नलिखित विकल्प प्रस्तावित किए जा सकते हैं:

कारकों को प्रभावित करने के मूल्यों के सभी संभव संयोजनों की पूरी गणना;
कई संयोजनों का यादृच्छिक चयन और बाद में सर्वश्रेष्ठ विकल्प का चयन;
प्रणाली का विश्लेषणात्मक अध्ययन;
विशेष सॉफ्टवेयर का उपयोग;
गणितीय मॉडल का उपयोग।

इन सभी विकल्पों के अपने फायदे और नुकसान हैं। संपूर्ण खोज का उपयोग करते हुए, यह तर्क दिया जा सकता है कि वांछित पैरामीटर मिल जाएंगे, हालांकि, उनके मूल्यों के लिए बड़ी संख्या में कारक और विकल्प के साथ, सभी संभव संयोजनों की संख्या बहुत बड़ी हो सकती है, और प्रयोग बहुत लंबा लगेगा। N के सभी संभावित संयोजनों की संख्या को दहनशील नियमों द्वारा पाया जा सकता है:

N = n_1 n_2 ... n_k

कहाँ (2)

- i- वें कारक के मूल्यों के लिए विकल्पों की संख्या।

फिर, 5 कारकों और प्रत्येक कारक के 5 संभावित मूल्यों के साथ, हम प्राप्त करते हैं $5 ^ {^ {5}} = 3125$ संयोजन।
इष्टतम संयोजन के यादृच्छिक विकल्प के साथ, यह संभावना है कि परिणामस्वरूप समाधान वैश्विक इष्टतम से बहुत दूर होगा।
स्रोत कोड के बिना, मौजूदा उत्पादों का विश्लेषण करते समय प्रणाली का एक विश्लेषणात्मक अध्ययन अक्सर या तो मुश्किल या असंभव होता है। इसके अलावा, इस तरह के दृष्टिकोण को सॉफ्टवेयर में उपयोग किए जाने वाले सभी एल्गोरिदम के शोधकर्ता, घटकों के रिश्तों और निर्भरता की पूरी समझ की आवश्यकता होती है।
विशेष सॉफ़्टवेयर उपकरण, जैसे कि प्रोफाइलर [5], आपको प्रोग्राम कोड के निष्पादन के बारे में केवल कुछ सांख्यिकीय जानकारी प्राप्त करने की अनुमति देते हैं: विधि कॉल की संख्या, औसत विधि निष्पादन समय, आदि। इस मामले में अनुकूलन तथाकथित की पहचान करने के लिए नीचे आता है उपयोग किए गए एल्गोरिदम की अड़चन और अनुकूलन। इस तरह का एक दृष्टिकोण काफी लोकप्रिय है, लेकिन समस्या के लिए वांछित समाधान प्राप्त करने की अनुमति नहीं देता है (1) ।
सॉफ्टवेयर प्रदर्शन विश्लेषण के गणितीय मॉडल पर विदेशी और घरेलू लेखकों द्वारा बार-बार विचार किया गया है। इसलिए [१] , [२] सॉफ्टवेयर विकास के विभिन्न चरणों में इस समस्या को हल करने के लिए मूल दृष्टिकोण प्रस्तावित किए गए थे।
सारांश करते हुए, यह ध्यान दिया जाना चाहिए कि प्रस्तावित समाधान विधियों के मुख्य नुकसान हैं:

अत्यधिक लंबे माप समय;
कार्यक्रम के विश्लेषण के आधार पर निष्कर्ष निकालने के लिए शोधकर्ता की क्षमता पर निर्भरता;
आवेदन और उपयोग की जटिलता।

उपरोक्त कठिनाइयों को दूर करने और समस्या को हल करने के लिए, प्रयोगों के गणितीय नियोजन (एमपीई) के सिद्धांत में विकसित एक उपकरण का उपयोग करने का प्रस्ताव है।
सॉफ्टवेयर प्रदर्शन के विश्लेषण के लिए एमपीई की प्रयोज्यता पर अधिक विस्तार से ध्यान दें। प्रयोग योजना के मूल विचारों में से एक साइबरनेटिक अमूर्तन [3 (देखें चित्र 1 ) देखें) के अध्ययन के लिए एक ब्लैक बॉक्स का उपयोग करना है।

अंजीर। 1. ब्लैक बॉक्स का अमूर्तन।

इस तरह के अमूर्त का तात्पर्य महान जटिलता के कारण जांच की गई घटना या वस्तु के आंतरिक तंत्र पर विचार करने से इंकार करना है। घटना का विश्लेषण वस्तु (कारकों) और आउटपुट विशेषताओं (प्रतिक्रियाओं) [3] को प्रभावित करने वाले इनपुट मापदंडों के विश्लेषण के लिए कम है।
MPE की प्रयोज्यता के लिए, कई शर्तों की आवश्यकता होती है [3]:

प्रयोगों का प्रजनन;
कारकों की संगतता;
आउटपुट विशेषताओं की औसतता और इसे एक संख्या में व्यक्त करने की क्षमता;
कारकों की विशिष्टता और अनुकूलता, आदि।

सादृश्य का विश्लेषण करने के बाद, हम यह निष्कर्ष निकाल सकते हैं कि सॉफ्टवेयर सिस्टम को ब्लैक बॉक्स के रूप में मानना संभव है। फिर, यदि उपरोक्त आवश्यकताएं पूरी होती हैं, तो आप प्रदर्शन का अध्ययन करने के लिए पूरे मौजूदा एमपीई तंत्र का उपयोग कर सकते हैं।
एक उदाहरण के रूप में, और एक सॉफ्टवेयर सिस्टम के प्रदर्शन का विश्लेषण करने के लिए एमपीई का उपयोग करने के लिए एक पद्धति विकसित करने के लिए, हम एक वेब एप्लिकेशन पर विचार करते हैं जो पेशेवर क्लब प्रोजेक्ट [4] का हिस्सा है।

चरण 1. एक प्राथमिक जानकारी का विश्लेषण।

किसी सॉफ़्टवेयर उत्पाद के बारे में प्राथमिक जानकारी का विश्लेषण करते समय, यह ज्ञात हो गया:

सॉफ्टवेयर एक वेब अनुप्रयोग है जिसे PHP प्रोग्रामिंग भाषा में लिखा जाता है;
सॉफ्टवेयर अपाचे वेब सर्वर पर चलता है, PHP दुभाषिया एक मॉड्यूल के रूप में जुड़ा हुआ है;
डेटा को संग्रहीत करने के लिए सॉफ्टवेयर MySQL DBMS का उपयोग करता है;
एप्लिकेशन का उपयोग करके डेटा कैशिंग को सक्षम करना संभव है।

प्रयोग के गणितीय मॉडल के रूप में [3] हम सबसे सरल - कारकों के बीच निर्भरता के बिना एक रेखीय मॉडल का उपयोग करेंगे। सबसे अधिक संभावना है, इस तरह की धारणा और कारकों का ऐसा संयोजन वास्तविक स्थिति के अनुरूप नहीं है, लेकिन इसका उपयोग विधि का परीक्षण करने के लिए अच्छी तरह से किया जा सकता है। फिर यह समस्या गुणांक के मूल्यों को खोजने के लिए कम हो जाती है k_i

प्रतिगमन समीकरण

y = k_0 + k_1 x_1 + k_2 x_2 + k_3 x_3 + k_4 x_4 + k_5 x_5

। (3)

उच्चतम मान वाले कारकों का आउटपुट प्रतिक्रिया पर सबसे अधिक प्रभाव पड़ेगा।

चरण 2. कारकों को प्रभावित करने का विकल्प।

तालिका 1 सॉफ्टवेयर के बारे में प्राथमिकताओं की जानकारी के विश्लेषण के परिणामस्वरूप चयनित कारकों को प्रभावित करती है।

तालिका 1।

फ़ैक्टर	विवरण
	MySQL key_buffer_size DBMS ट्यूनिंग पैरामीटर जो भंडारण अनुक्रमित [6] के लिए आवंटित स्मृति की मात्रा निर्धारित करता है।
	MySQL table_cache DBMS ट्यूनिंग पैरामीटर जो लगातार खुले डेटाबेस तालिकाओं की संख्या निर्धारित करता है [6] ।
	MySQL query_cache_limit DBMS ट्यूनिंग पैरामीटर जो कैशिंग क्वेरी परिणामों के लिए अधिकतम मात्रा में मेमोरी को परिभाषित करता है [6] ।
	एप्लिकेशन द्वारा कैशिंग डेटा। यह या तो चालू या बंद हो सकता है।
	वेब सर्वर और PHP दुभाषिया स्टार्टअप विधि। अध्ययन के तहत आवेदन दो तरीकों से शुरू किया जा सकता है: अपाचे वेब सर्वर + पीएचपी मॉड्यूल; Nginx वेब सर्वर + php-fpm।

चरण 3. कारकों के लिए ऊपरी और निचले स्तर की पसंद।

अब आपको प्रत्येक कारक [3] के लिए ऊपरी और निचले स्तरों का चयन करना होगा। इसके बाद, हम MPE में अपनाई गई सूचना का उपयोग करेंगे:

+1 कारक के ऊपरी स्तर से मेल खाती है;
-1 कारक के निचले स्तर से मेल खाती है।

तालिका 2।

फ़ैक्टर	ऊपरी स्तर (+1)	निचला स्तर (-1)
	265 एमबी।	16 एमबी।
	300	64
	64 एमबी।	1 एमबी।
	कैश चालू है।	कैश बंद है।
	नगनेक्स + php-fpm।	अपाचे + mod_php।

स्टेज 4. एक नियोजन मैट्रिक्स तैयार करना और प्रयोगों का संचालन करना।

तालिका 3 प्रयोगों की एक श्रृंखला के परिणाम प्रस्तुत करती है।

तालिका 3।

संख्या						y	संख्या						y
1	-1	-1	-1	-1	-1	६.९०,९४,५६,९०२	17	+1	-1	-1	-1	-1	६.९५,६२,५०,३४३
2	-1	-1	-1	-1	+1	६.२६,५९,२०,८८५	18	+1	-1	-1	-1	+1	6.27117213
3	-1	-1	-1	+1	-1	१.०४,६८,६४,६८१	19	+1	-1	-1	+1	-1	१.०४,९६,०५,३४६
4	-1	-1	-1	+1	+1	.९५,९२,८७,७७७	20	+1	-1	-1	+1	+1	.९६,०१,२८,००५
5	-1	-1	+1	-1	-1	६.९२,२४,९१,२३८	21	+1	-1	+1	-1	-1	6.94905457
6	-1	-1	+1	-1	+1	६.२९,२१,३८,५४१	22	+1	-1	+1	-1	+1	६.२८,८४,८३,६९८
7	-1	-1	+1	+1	-1	१.०४,७३,२७,६९३	23	+1	-1	+1	+1	-1	१.०४,८४,२९,७३२
8	-1	-1	+1	+1	+1	.९५,९१,७८,४६४	24	+1	-1	+1	+1	+1	.९५,९९,८४,६३९
9	-1	+1	-1	-1	-1	६.९४,७८,२८,१५९	25	+1	+1	-1	-1	-1	६.९४,४५,७४,७५२
10	-1	+1	-1	-1	+1	६.२६,९९,६१,४२१	26	+1	+1	-1	-1	+1	६.२८,१५,७४,५३५
11	-1	+1	-1	+1	-1	१.०४,७०,३२,५९५	27	+1	+1	-1	+1	-1	१.०४,७९,३७,८७५
12	-1	+1	-1	+1	+1	.९६,००,७६,२४४	28	+1	+1	-1	+1	+1	.९६,०८,१३,३४८
13	-1	+1	+1	-1	-1	६.९५,४१,६०,९४३	29	+1	+1	+1	-1	-1	६.९५,२६,०२,९२५
14	-1	+1	+1	-1	+1	६.२७,८२,२३,३३६	30	+1	+1	+1	-1	+1	६.२८,४७,९५,२६३
15	-1	+1	+1	+1	-1	१.०४,८०,१९,४८३	31	+1	+1	+1	+1	-1	१.०४,७९,५२,९९१
16	-1	+1	+1	+1	+1	.९६,०५,५९,२०६	32	+1	+1	+1	+1	+1	.९६,०५,९१,९२७

चरण 5. परिणामों का विश्लेषण।

प्रतिगमन समीकरण (3) के गुणांक के रूप में पाया जा सकता है

$k_j = \ frac {\ _ sum_ {i = 1} ^ {N} x_ {ji} y_i} {N}, j = 1 ... k$ । (4)

परिणाम तालिका 4 और अंजीर में प्रस्तुत किए गए हैं । २ ।

तालिका 4।


3.97361211	0.0519711	0.0245041	0.0034686	-२.९१,८२,६९२	-.२४,८३,०७०

अंजीर। 2. प्रतिगमन समीकरण के गुणांक।

चरण 6. निष्कर्ष।

अंजीर से। चित्र 2 दिखाता है कि वेब पेज की पीढ़ी में मुख्य योगदान कारक द्वारा किया जाता है x_4

, अनुप्रयोग में डेटा के कैशिंग को चिह्नित करता है। नकारात्मक प्रतिगमन गुणांक b_4

इसका मतलब है कि यह विकल्प ब्लैक बॉक्स प्रतिक्रिया फ़ंक्शन को कम करता है। हमारे उदाहरण में, इसका अर्थ है पृष्ठ निर्माण समय को कम करना।
कड़ाई से बोलना, इस तरह के परिणाम स्पष्ट हैं, क्योंकि एप्लिकेशन द्वारा डेटा कैशिंग को शामिल किए जाने से DBMS को न्यूनतम संख्या में प्रश्नों की आवश्यकता होती है। इस प्रकार, डीबीएमएस सेटिंग्स का प्रभाव महत्वहीन हो जाता है। प्राप्त परिणाम सॉफ्टवेयर प्रदर्शन के विश्लेषण के लिए लागू एमपीई का उपयोग करने की संभावना की पुष्टि करते हैं।

इस लेख में, मैंने एक प्रयोग की गणितीय योजना की पद्धति का उपयोग करने की संभावना पर विचार करने की कोशिश की, जो सॉफ्टवेयर प्रदर्शन के विश्लेषण के संबंध में लंबे समय से मौजूद है। यह दृष्टिकोण सॉफ़्टवेयर सिस्टम के विश्लेषण में उत्पन्न होने वाली कई कठिनाइयों को दूर करने की अनुमति देता है, उन कारकों की पहचान करता है जो विश्लेषण की विशेषता को सबसे अधिक प्रभावित करते हैं, और कारकों के बीच संबंधों की पहचान करते हैं।
बेशक, प्रस्तुत कार्यप्रणाली प्रदर्शन विश्लेषण के मौजूदा तरीकों को बदलने का दिखावा नहीं करती है, उदाहरण के लिए, प्रोफाइलिंग। हालांकि, ऐसे कई कार्य हैं जिनमें इस तरह की तकनीक का उपयोग शोधकर्ता के कार्यों को महत्वपूर्ण रूप से सुविधाजनक बना सकता है।

आपका ध्यान के लिए धन्यवाद!

संदर्भ

डबकोव एस.ए. सॉफ्टवेयर विकास प्रक्रिया में सूचना प्रौद्योगिकी के प्रदर्शन का विश्लेषण: डिस। cand। tehn। विज्ञान / डबकोव एस.ए. - टॉम्स्क, 2005 ।-- 135 एस।
मोइसीचुक एल.डी. सख्ती से पदानुक्रमित स्टोचस्टिक पेट्री नेट पर आधारित सॉफ्टवेयर प्रदर्शन के विश्लेषण के लिए मॉडल और तरीकों का विकास: डिस। cand। tehn। विज्ञान / Moiseychuk एल.डी. - सेंट पीटर्सबर्ग, 2002 ।-- 152 पी।
एडलर यू.पी., मार्कोवा ई.वी., ग्रानोव्स्की यू.वी. इष्टतम स्थितियों के लिए खोज में एक प्रयोग की योजना बनाना। - एम ।: नाका, 1976 ।-- 279 पी।
एलएलसी व्यावसायिक क्लब। - URL: http://prof-club.ru/ अपील की तारीख: 09/25/2011
कार्यक्रम अनुकूलन के लिए Kaspersky K. Technique। स्मृति का कुशल उपयोग। - एसपीबी।: बीएचवी-पीटर्सबर्ग, 2003 ।-- 464 पी।
MySQL सर्वर सिस्टम चर। - URL: http://dev.mysql.com/doc/refman/5.0/en/server-system-variables.html अपील की तारीख: 09/25/2011

एक प्रयोग के गणितीय डिजाइन का उपयोग करके सॉफ्टवेयर प्रदर्शन विश्लेषण