| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 研究内容与目标 | 第14-15页 |
| 1.4 论文结构及章节安排 | 第15-17页 |
| 第2章 性能计数单元技术简介 | 第17-24页 |
| 2.1 性能计数单元概述 | 第17-20页 |
| 2.1.1 性能计数器实现机制 | 第18页 |
| 2.1.2 工具 | 第18-20页 |
| 2.2 性能计数器的关键技术问题 | 第20-23页 |
| 2.2.1 可移植性 | 第20页 |
| 2.2.2 多路复用带来的精确度低问题 | 第20-22页 |
| 2.2.3 性能事件空间冗余 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 CounterMiner系统设计与数据准备 | 第24-30页 |
| 3.1 系统架构 | 第24-25页 |
| 3.2 实验准备 | 第25-26页 |
| 3.2.1 实验环境 | 第25页 |
| 3.2.2 基准测试程序 | 第25-26页 |
| 3.2.3 建模工具 | 第26页 |
| 3.3 数据整合与预处理 | 第26-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 硬件事件空间化简 | 第30-43页 |
| 4.1 序言 | 第30-31页 |
| 4.2 基于迭代梯度提升树模型的事件约简方法 | 第31-36页 |
| 4.2.1 GBRT算法简介 | 第31-33页 |
| 4.2.2 迭代GBRT模型及其特征选择方法 | 第33-35页 |
| 4.2.3 模型精度评估 | 第35-36页 |
| 4.3 硬件事件重要性计算 | 第36-37页 |
| 4.4 案例分析 | 第37-41页 |
| 4.4.1 Spark配参问题背景 | 第37-39页 |
| 4.4.2 传统的Spark配参方法 | 第39-40页 |
| 4.4.3 基于ImR知识的Spark配参方法 | 第40页 |
| 4.4.4 实验结果对比 | 第40-41页 |
| 4.5 本章小结 | 第41-43页 |
| 第5章 硬件事件相关性分析 | 第43-51页 |
| 5.0 引言 | 第43-44页 |
| 5.1 基于距离的时间序列相关性度量方法 | 第44-47页 |
| 5.1.1 欧氏距离 | 第44页 |
| 5.1.2 相关系数 | 第44页 |
| 5.1.3 DTW距离 | 第44-47页 |
| 5.2 基于线性回归模型的时间序列相关性度量方法 | 第47-49页 |
| 5.2.1 算法实现 | 第47-48页 |
| 5.2.2 硬件事件相关性计算 | 第48-49页 |
| 5.3 本章小结 | 第49-51页 |
| 第6章 总结与展望 | 第51-55页 |
| 6.1 工作总结 | 第51-52页 |
| 6.2 研究展望 | 第52-55页 |
| 参考文献 | 第55-61页 |
| 附录A 硬件事件缩写对照表 | 第61-66页 |
| 附录B 硬件事件重要性排序图 | 第66-68页 |
| 附录C 硬件事件对相关性排序图 | 第68-71页 |
| 致谢 | 第71-73页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第73页 |