CN115373675A - 辅助性能优化的方法、设备、装置、存储介质和程序产品 - Google Patents

Abstract

本公开的实施例提供了用于辅助性能优化的方法、设备、装置、存储介质和程序产品，涉及计算机技术领域。在本申请的辅助性能优化方法中，首先根据目标作业在系统中的运行来获取第一描述信息。这样的第一描述信息可以包括与系统相关联的系统级信息、与目标作业相关联的作业级信息和/或与目标作业的代码相关联的代码级信息。进一步地，通过利用第一描述信息与多个参考作业中参考作业的第二描述信息的差异来确定目标参考作业。所确定的目标参考作业具有对应的优化策略，这样的优化策略能够被获取以用于优化目标作业，例如被呈现给用户。这样，本公开的实施例能够从参考作业库中确定出与目标作业类似的参考作业，以辅助优化目标作业，从而降低开发者执行作业性能优化的学习成本。

Description

辅助性能优化的方法、设备、装置、存储介质和程序产品

技术领域

本公开的实施例主要涉及计算机技术领域。更具体地，本公开的实施例涉及用于辅助性能优化的方法、装置、设备、计算机可读存储介质以及计算机程序产品。

背景技术

性能优化(performance optimization)技术的目的是在不影响系统运行正确的前提下，使之运行地更快，完成特定功能所需时间更短。性能优化技术在当前的IT应用场景中变得越来越重要，并广泛应用于CDN(Content Distribution Network，内容分发网络)，大数据，分布式存储，视频传输等业务场景中。

传统的性能优化手段通常需要开发者根据性能数据进行性能建模并给出解决方案，这需要开发者具备足够的性能优化知识。然而，在一般开发过程中，开发者通常不具备足够的性能优化知识，这导致开发者难以高效地执行作业的性能优化。因此，亟需一种有效辅助开发者执行作业的性能优化的方案。

发明内容

本公开的实施例提供了一种用于辅助性能优化的方案。

在本公开的第一方面，提供了用于辅助性能优化的方法。该方法包括：基于目标作业在系统中的运行，获取第一描述信息，第一描述信息包括以下至少一项：与系统相关联的系统级信息、与目标作业相关联的作业级信息和与目标作业的代码相关联的代码级信息；以及基于第一描述信息与多个参考作业中参考作业的第二描述信息的差异，从多个参考作业中确定目标参考作业，其中目标参考作业具有相关联的优化策略，优化策略能够被获取以用于优化目标作业。

基于这样的方式，本公开的实施例能够将待优化的目标作业与多个参考作业进行比较，从而确定出来与目标作业特性接近的目标参考作业。进一步地，用于优化该目标参考作业的优化策略能够被开发者获取，以作为优化目标作业的参考。这样，本公开的实施例能够为开发者确定一个或多个可以借鉴的参考作业，使得开发者能够基于这些参考作业优化策略来相应地执行针对目标作业的优化。这能够极大地降低开发者执行作业性能优化所需的学习成本。

在第一方面的一些实施例中，系统级信息指示以下中的至少一项：系统的静态配置信息；以及系统的动态性能信息。基于这样的方式，本公开的实施例能够利用不同类型的系统级信息来筛选出与目标作业的运行环境类似的参考作业，这样的参考作业对于从系统层面优化目标作业可以提供帮助。

在第一方面的一些实施例中，作业级信息指示以下中的至少一项：与目标作业相关联的进程信息；与目标作业相关联的资源调度信息；以及目标作业对特定计算单元的利用信息。基于这样的方式，本公开的实施例能够利用不同类型的作业级信息来筛选出与目标作业的作业层级特性类似的参考作业，这样的参考作业对于从作业层面优化目标作业可以提供帮助。

在第一方面的一些实施例中，代码级信息指示以下中的至少一项：与代码中的多个函数相关联的函数调用信息；与代码相关联的锁与等待信息；以及与代码相关联的访存信息。基于这样的方式，本公开的实施例能够利用不同类型的代码级信息来筛选出与目标作业的代码特性类似的参考作业，这样的参考作业对于从代码层面优化目标作业可以提供帮助。

在第一方面的一些实施例中，该方法还包括：获取目标作业的业务信息，业务信息指示目标作业所涉及的业务的类别；以及从参考作业库中确定与业务信息匹配的多个参考作业。这样，本公开的实施例能够有效地过滤业务类型不一致的参考作业，从而降低筛选参考作业所需计算量。

在第一方面的一些实施例中，确定目标参考作业包括：基于系统级信息，从多个参考作业中确定第一组参考作业；以及基于第一组参考作业，确定目标参考作业。基于这样的方式，本公开的实施例可以首先从系统层面推荐系统特性接近的参考作业，从而帮助用户尝试从系统层面优化目标作业。

在第一方面的一些实施例中，确定第一组参考作业包括：获取与目标作业的开发环境相关联的开发信息；以及基于系统级信息和开发信息，从多个参考作业中确定第一组参考作业。这样，本公开的实施例能够考虑到不同开发环境的优化策略之间的差异。

在第一方面的一些实施例中，基于第一组参考作业确定目标参考作业包括：基于作业级信息，从第一组参考作业中确定第二组参考作业；以及基于第二组参考作业，确定目标参考作业。基于这样的方式，本公开的实施例可以在系统层面的建议无法有效优化作业的情况下，进一步获取作业级信息来筛选作业特性匹配的参考作业，以提供作业级优化建议。

在第一方面的一些实施例中，该方法还包括：响应于确定第一组参考作业的数目大于阈值，提供用于引导生成作业级信息的第一指示。基于这样的方式，本公开的实施例可以有效地引导用户执行下一阶段的性能信息获取，以获得进一步的优化建议。

在第一方面的一些实施例中，基于第二组参考作业确定目标参考作业包括：基于代码级信息，从第一组参考作业中确定第三组参考作业；以及基于第三组参考作业，确定目标参考作业。基于这样的方式，本公开的实施例可以在作业层面的建议无法有效优化作业的情况下，进一步获取代码级信息来筛选代码特性匹配的参考作业，以提供代码级优化建议。

在第一方面的一些实施例中，该方法还包括：响应于确定第二组参考作业的数目大于阈值，提供用于引导生成代码级信息的第二指示。基于这样的方式，本公开的实施例可以有效地引导用户执行下一阶段的性能信息获取，以获得进一步的优化建议。

在第一方面的一些实施例中，该方法还包括：提供与目标参考作业相关联的优化策略，以作为针对目标作业的第一优化建议。

在第一方面的一些实施例中，该方法还包括：确定与第一描述信息相对应的第一特征表示和与第二描述信息相对应的第二特征表示；以及基于第一特征表示和第二特征表示，确定第一描述信息与第二描述信息之间的差异。基于这样的方式，本公开的实施例能够将不同类型的数据转换为统一的编码表示，从而实现参考作业的自动筛选。

在第一方面的一些实施例中，第一描述信息包括数值参数，第一特征表示包括与数值参数相对应的第一值，第一值是基于数值参数的值和与数值参数相关联的权重而被确定的。在第一方面的一些实施例中，第一描述信息包括非数值参数，第一特征表示包括与非数值参数相对应的第二值，第二值是基于对非数值参数进行编码而确定的。

在第一方面的一些实施例中，多个参考作业来自经审核的参考作业库，并且方法还包括：基于第一描述信息，从未经审核的参考作业库中确定第一附加参考作业；以及提供与第一附加参考作业相关联的优化策略，以作为针对目标作业的第二优化建议。基于这样的方式，本公开的实施例能够在当前参考作业可能无法有效地帮助优化的情况下，扩大参考作业的筛选范围，从而提高成功优化目标作业的概率。

在第一方面的一些实施例中，该方法还包括：向远程设备发送第一描述信息；从远程设备获取与第二附加参考作业相关联的作业信息，第二附加参考作业是由远程设备基于第一描述信息确定的；以及基于作业信息，提供与第二附加参考作业相关联的优化策略，以作为针对目标作业的第三优化建议。基于这样的方式，本公开的实施例能够在当前参考作业可能无法有效地帮助优化的情况下，进一步从远程设备获取参考作业，从而提高成功优化目标作业的概率。

在第一方面的一些实施例中，向远程设备发送第一描述信息包括：响应于接收到获取附加参考作业的请求，向远程设备发送第一描述信息。基于这样的方式，可以根据用户请求才启动远程参考作业的获取，从而提高交互的友好程度。

在第一方面的一些实施例中，该方法还包括：响应于确定优化策略被应用于目标作业，提供对比信息，对比信息用于指示优化策略对目标作业的运行性能的影响。基于这样的方式，可以让用户更为直观地了解优化策略是否达到了预期效果。

在本公开的第二方面，提供了用于辅助性能优化的装置。该装置包括：获取单元，被配置为基于目标作业在系统中的运行，获取第一描述信息，所述第一描述信息包括以下至少一项：与所述系统相关联的系统级信息、与所述目标作业相关联的作业级信息和与所述目标作业的代码相关联的代码级信息；以及确定单元，被配置为基于所述第一描述信息与多个参考作业中参考作业的第二描述信息的差异，从所述多个参考作业中确定目标参考作业，其中所述目标参考作业具有相关联的优化策略，所述优化策略能够被获取以用于优化所述目标作业。

基于这样的方式，本公开的实施例能够将待优化的目标作业与多个参考作业进行比较，从而确定出来与目标作业特性接近的目标参考作业。进一步地，用于优化该目标参考作业的优化策略能够被开发者获取，以作为优化目标作业的参考。这样，本公开的实施例能够为开发者确定一个或多个可以借鉴的参考作业，使得开发者能够基于这些参考作业优化策略来相应地执行针对目标作业的优化。这能够极大地降低开发者执行作业性能优化所需的学习成本。

在第二方面的一些实施例中，系统级信息指示以下中的至少一项：系统的静态配置信息；以及系统的动态性能信息。基于这样的方式，本公开的实施例能够利用不同类型的系统级信息来筛选出与目标作业的运行环境类似的参考作业，这样的参考作业对于从系统层面优化目标作业可以提供帮助。

在第二方面的一些实施例中，作业级信息指示以下中的至少一项：与目标作业相关联的进程信息；与目标作业相关联的资源调度信息；以及目标作业对特定计算单元的利用信息。基于这样的方式，本公开的实施例能够利用不同类型的作业级信息来筛选出与目标作业的作业层级特性类似的参考作业，这样的参考作业对于从作业层面优化目标作业可以提供帮助。

在第二方面的一些实施例中，代码级信息指示以下中的至少一项：与代码中的多个函数相关联的函数调用信息；与代码相关联的锁与等待信息；以及与代码相关联的访存信息。基于这样的方式，本公开的实施例能够利用不同类型的代码级信息来筛选出与目标作业的代码特性类似的参考作业，这样的参考作业对于从代码层面优化目标作业可以提供帮助。

在第二方面的一些实施例中，该装置还被配置为：获取目标作业的业务信息，业务信息指示目标作业所涉及的业务的类别；以及从参考作业库中确定与业务信息匹配的多个参考作业。这样，本公开的实施例能够有效地过滤业务类型不一致的参考作业，从而降低筛选参考作业所需计算量。

在第二方面的一些实施例中，该装置还被配置为：基于系统级信息，从多个参考作业中确定第一组参考作业；以及基于第一组参考作业，确定目标参考作业。基于这样的方式，本公开的实施例可以首先从系统层面推荐系统特性接近的参考作业，从而帮助用户尝试从系统层面优化目标作业。

在第二方面的一些实施例中，该装置还被配置为：获取与目标作业的开发环境相关联的开发信息；以及基于系统级信息和开发信息，从多个参考作业中确定第一组参考作业。这样，本公开的实施例能够考虑到不同开发环境的优化策略之间的差异。

在第二方面的一些实施例中，该装置还被配置为：基于作业级信息，从第一组参考作业中确定第二组参考作业；以及基于第二组参考作业，确定目标参考作业。基于这样的方式，本公开的实施例可以在系统层面的建议无法有效优化作业的情况下，进一步获取作业级信息来筛选作业特性匹配的参考作业，以提供作业级优化建议。

在第二方面的一些实施例中，该装置还被配置为：响应于确定第一组参考作业的数目大于阈值，提供用于引导生成作业级信息的第一指示。基于这样的方式，本公开的实施例可以有效地引导用户执行下一阶段的性能信息获取，以获得进一步的优化建议。

在第二方面的一些实施例中，该装置还被配置为：基于代码级信息，从第一组参考作业中确定第三组参考作业；以及基于第三组参考作业，确定目标参考作业。基于这样的方式，本公开的实施例可以在作业层面的建议无法有效优化作业的情况下，进一步获取代码级信息来筛选代码特性匹配的参考作业，以提供代码级优化建议。

在第二方面的一些实施例中，该装置还被配置为：响应于确定第二组参考作业的数目大于阈值，提供用于引导生成代码级信息的第二指示。基于这样的方式，本公开的实施例可以有效地引导用户执行下一阶段的性能信息获取，以获得进一步的优化建议。

在第二方面的一些实施例中，该装置还被配置为：提供与目标参考作业相关联的优化策略，以作为针对目标作业的第一优化建议。

在第二方面的一些实施例中，该装置还被配置为：确定与第一描述信息相对应的第一特征表示和与第二描述信息相对应的第二特征表示；以及基于第一特征表示和第二特征表示，确定第一描述信息与第二描述信息之间的差异。基于这样的方式，本公开的实施例能够将不同类型的数据转换为统一的编码表示，从而实现参考作业的自动筛选。

在第二方面的一些实施例中，第一描述信息包括数值参数，第一特征表示包括与数值参数相对应的第一值，第一值是基于数值参数的值和与数值参数相关联的权重而被确定的。在第二方面的一些实施例中，第一描述信息包括非数值参数，第一特征表示包括与非数值参数相对应的第二值，第二值是基于对非数值参数进行编码而确定的。

在第二方面的一些实施例中，多个参考作业来自经审核的参考作业库，并且该装置还被配置为：基于第一描述信息，从未经审核的参考作业库中确定第一附加参考作业；以及提供与第一附加参考作业相关联的优化策略，以作为针对目标作业的第二优化建议。基于这样的方式，本公开的实施例能够在当前参考作业可能无法有效地帮助优化的情况下，扩大参考作业的筛选范围，从而提高成功优化目标作业的概率。

在第二方面的一些实施例中，该装置还被配置为：向远程设备发送第一描述信息；从远程设备获取与第二附加参考作业相关联的作业信息，第二附加参考作业是由远程设备基于第一描述信息确定的；以及基于作业信息，提供与第二附加参考作业相关联的优化策略，以作为针对目标作业的第三优化建议。基于这样的方式，本公开的实施例能够在当前参考作业可能无法有效地帮助优化的情况下，进一步从远程设备获取参考作业，从而提高成功优化目标作业的概率。

在第二方面的一些实施例中，该装置还被配置为：响应于接收到获取附加参考作业的请求，向远程设备发送第一描述信息。基于这样的方式，可以根据用户请求才启动远程参考作业的获取，从而提高交互的友好程度。

在第二方面的一些实施例中，该装置还被配置为：响应于确定优化策略被应用于目标作业，提供对比信息，对比信息用于指示优化策略对目标作业的运行性能的影响。基于这样的方式，可以让用户更为直观地了解优化策略是否达到了预期效果。

在本公开的第三方面，提供了一种电子设备，包括：至少一个计算单元；至少一个存储器，至少一个存储器被耦合到至少一个计算单元并且存储用于由至少一个计算单元执行的指令，指令当由至少一个计算单元执行时，使得设备第一方面或者第一方面中的任意一种实现方式中的方法。

在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有一条或多条计算机指令，其中一条或多条计算机指令被处理器执行实现第一方面或者第一方面中的任意一种实现方式中的方法。

在本公开的第五方面，提供一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行第一方面或者第一方面中的任意一种实现方式中的方法的部分或全部步骤的指令。

可以理解地，上述提供的第三方面的电子设备、第四方面的计算机存储介质或者第五方面的计算机程序产品均用于执行第一方面所提供的方法。因此，关于第一方面的解释或者说明同样适用于第三方面、第四方面和第五方面。此外，第三方面、第四方面和第五方面所能达到的有益效果可参考对应方法中的有益效果，此处不再赘述。

基于这样的方式，本公开的实施例能够为开发者确定一个或多个可以借鉴的参考作业，使得开发者能够基于这些参考作业优化策略来相应地执行针对目标作业的优化。这能够极大地降低开发者执行作业性能优化所需的学习成本。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：

图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图；

图2示出了根据本公开的一些实施例的辅助性能优化的示例过程的流程图；

图3示出了根据本公开的一些实施例的确定目标参考作业的示意图；

图4示出了根据本公开的一些实施例的示例性能调优系统的示意图；

图5示出了根据本公开的一些实施例的辅助性能优化的装置的示意性框图；以及

图6示出了能够实施本公开的多个实施例的计算设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如上文所讨论的，传统的性能优化手段通常需要开发者具备足够的性能优化知识。例如，一些方案通过向开发者提供特定的性能数据，以为开发者执行优化提供参考。然而，开发者需要足够的性能优化知识才能够基于特定的性能数据来制定对应的优化策略，这提高了性能优化的门槛，进而导致一些作业的性能难以被有效地优化。

示例环境

根据本公开的实施例，提供了一种用于辅助性能优化的方案。在该方案中，首先，基于目标作业在系统中的运行来获取第一描述信息，其中第一描述信息包括以下至少一项：与系统相关联的系统级信息、与目标作业相关联的作业级信息和与目标作业的代码相关联的代码级信息。进一步地，基于第一描述信息与多个参考作业中参考作业的第二描述信息的差异，从多个参考作业中确定目标参考作业，其中目标参考作业具有相关联的优化策略，该优化策略能够被获取以用于优化目标作业。

基于这样的方式，本公开的实施例能够将待优化的目标作业与多个参考作业进行比较，从而确定出来与目标作业特性接近的目标参考作业。进一步地，用于优化该目标参考作业的优化策略能够被开发者获取，以作为优化目标作业的参考。这样，本公开的实施例能够为开发者确定一个或多个可以借鉴的参考作业，使得开发者能够基于这些参考作业优化策略来相应地执行针对目标作业的优化。这能够极大地降低开发者执行作业性能优化所需的学习成本。

图1示出了本公开的多个实施例能够在其中实现的示例环境100的示意图。如图1所示，在环境100中，目标作业110可以被部署在系统120中运行。在一些实施例中，目标作业110可以包括用于在系统120中运行的任何适当工程。目标作业110的示例包括但不限于：高性能计算HPC工程、视频处理工程、大数据分析工程或分布式存储工程等。

例如，目标作业110可以是由可以代码开发者或者架构设计师部署到系统120中，以对目标作业110进行调试或者分析。作为另一示例，目标作业110也可以是系统120中正常运行的正式工程，其能够完成相应的功能，

在一些实施例中，系统120可以指示用于运行目标作业110的任何适当硬件环境和/或软件平台。这样的硬件环境可以包括单个节点或多个节点构成的集群。这样的软件环境例如可以包括：节点所搭载的操作系统、代码编译器、BIOS等。

在一些实施例中，系统120中至少一个节点的还可以运行性能调优工具，以获取与目标作业110在系统120中的运行有关的性能信息。以HPC工程作为示例，其可以被部署在单个节点上运行，并且该节点上还可以安装有性能调优工具，以获得性能信息。以分布式存储工程作为示例，其例如可以被部署到多个节点的集群上，并且其中一个节点可以安装有性能调优工具，以获得该集群的性能信息。

应当理解，可以采用本领域已知的或者将来开发的任何适当性能调优工具来获取对应的性能信息，本公开不旨在对于性能调优工具的具体型号或功能进行限定。

在一个示例中，性能调优工具可以向代码开发者或者架构师提供目标作业110的相关性能数据，以辅助开发者或者架构师优化或者调整目标作业110在系统120中的运行。作为另一示例，目标作业110可以是运行中的正式工程，性能调优工具可以向运维人员提供目标作业的运行性能数据，以帮助运维人员优化目标作业110的运行。例如，目标作业110可以向运维人员提供关于运行性能下降的提示，以提醒运维人员应当优化目标作业110在系统120中的运行速度。

如图1所示，环境100还包括辅助优化设备140，其能够获取基于目标作业110在系统120中的运行所产生的信息130(也称为第一描述信息130)。例如，辅助优化设备140可以与系统120中的性能调优工具通信，以接收第一描述信息130。

在一些实施例中，第一描述信息130可以包括与系统120相关联的系统级信息。系统级信息旨在从系统层级来描述系统120的配置信息和/或系统120的运行性能。基于这样的方式，本公开的实施例能够利用不同类型的系统级信息来筛选出与目标作业的运行环境类似的参考作业，这样的参考作业对于从系统层面优化目标作业可以提供帮助。

在一些实施例中，系统级信息可以包括系统120的静态配置信息，这样的静态配置信息能够用于指示目标作业110的运行环境。静态配置信息的示例可以包括但不限于：系统120中的一个或多个节点的处理器信息(例如，型号、内核数目、最大频率、缓存大小等)、内存信息(例如，内存总大小、内存数目、空闲内存插槽数目、内存类型、内存最大速率等)、存储设备信息(例如，存储总量、存储设备数目、存储设备类型、独立冗余磁盘阵列RAID信息等)、网络设备信息(例如，网卡数目、网口数目、网卡最大传输速率)、软件环境信息(例如，BIOS信息、操作系统信息、系统内核信息、虚拟机信息、存储管理系统信息)等。应当理解，以上具体信息仅是示例性的，还可以根据需要采集其他适当的静态配置信息。在一些实施例中，系统级信息还可以包括系统120的动态性能信息，这样的动态性能信息能够用于指示系统120在运行目标作业110时的实时状态。动态性能信息的示例可以包括但不限于：系统120的CPU使用信息、负载信息、内存使用信息、存储使用信息、网络信息或能耗信息等。

在一些实施例中，第一描述信息130可以包括与目标作业110相关联的作业级信息。作业级信息旨在从作业层级来描述目标作业110在系统120中的运行状态。基于这样的方式，本公开的实施例能够利用不同类型的作业级信息来筛选出与目标作业的作业层级特性类似的参考作业，这样的参考作业对于从作业层面优化目标作业可以提供帮助。

在一些实施例中，作业级信息可以包括与目标作业110相关联的进程信息，其能够用于指示进程/线程的具体运行状态。进程信息的示例可以包括但不限于：进程/线程对CPU的使用信息(例如，任务在用户空间占用CPU的百分比、任务在内核空间占用CPU的百分比、任务在IO等待占用CPU的百分比、任务占用CPU的百分比等)、进程/线程对内存的使用信息(例如，任务使用的虚拟内存大小、任务使用的物理内存大小、任务占用内存的百分比等)、进程/线程对存储的使用信息(例如，任务每秒从硬盘读取的数据量或任务每秒向硬盘写入的数据量)、进程/线程的上下文切换信息(例如，每秒主动任务上下文切换次数或每秒被动任务上下文切换次数等)、进程/线程的系统调用信息(例如，每次调用的平均系统CPU时间、整个采集过程中的系统调用次数或整个采集过程中的系统调用失败次数等)等。

在一些实施例中，作业级信息可以包括与目标作业110相关联的资源调度信息，其能够用于指示目标作业的系统资源调度情况。资源调度信息的示例可以包括但不限于：进程/线程切换信息(例如，切换次数、平均调度延迟、最大调度延迟时间、最大延迟时间点等)、或NUMA(Non-uniform Memory Architecture，非一致性内存架构)节点切换信息(例如，NUMA节点切换次数等)

在一些实施例中，作业级信息可以包括所述目标作业对特定计算单元的利用信息，这样的信息也称为微架构信息，其能够指示目标作业在特定计算单元(例如，特定的CPU芯片)的运行信息。微架构信息的示例可以包括但不限于：时钟周期数、指令个数、单时钟周期执行的指令数、当前调用栈占用的时钟周期百分比、或当前调用栈占用的指令数百分比等。

在一些实施例中，第一描述信息130还可以包括与目标作业110的代码相关联的代码级信息。代码级信息旨在从代码层级来描述目标作业110的不同代码部分对于运行性能的影响。

在一些实施例中，代码级信息可以包括与代码中的多个函数相关联的函数调用信息，其能够指示多个函数的执行状态。函数调用信息的示例可以包括但不限于：函数的运行时间、函数的执行时钟周期、函数的时钟周期百分比、函数的指令数、函数的指令数百分比、函数单时钟周期内执行的指令数、调用次数前十的热点函数等。

在一些实施例中，代码级信息可以包括与代码相关联的锁与等待信息，其能够描述与调用锁与等待任务的代码有关的信息。锁与等待信息的示例可以包括但不限于：对应的函数名称、对应函数的调用次数、时间戳、对应的源代码文件名称、调用点对应的源代码行号等。

在一些实施例中，代码级信息可以包括与代码相关联的访存信息，其能够描述代码的不同部分的访存状态。访存信息的示例可以包括但不限于：产生访存MISS事件的函数相关信息(例如，函数名、函数所在文件名称、源代码行号、汇编指令地址、汇编代码行号等)或发生伪共享访问的函数相关信息(例如，函数名、函数所在文件名称、源代码行号等)。

应当理解，可以利用已有的或者将来的性能调优工具来在预定时间段内对目标作业110在系统120中的运行进行扫描，以产生以上所讨论的第一描述信息130。本公开不旨在对于第一描述信息130的具体生成方式进行限定。

如图1所示，辅助优化设备140可以基于所接收的第一描述信息130来从多个参考作业150中确定目标参考作业160。在一些实现中，这样的参考作业150可以是基于曾经执行过调优的真实历史作业而构建的。例如，不同开发者可以上传调优成功的作业的信息以及对应的优化策略，在经过审核后，这样的作业可以被添加作为参考作业150。在一些实施例中，可以为辅助优化设备140维护对应的参考作业库，使得辅助优化设备140能够从参考作业库中获取多个参考作业150。

在一些实现中，辅助优化设备140可以从本地从存储设备中获取与多个参考作业150有关的信息。备选地或附加地，多个参考作业150中的至少一部分作业的信息也可以是由辅助优化设备140经由网络所接收的。

在一些实施例中，与部署在系统120中的目标作业110不同，辅助优化设备140可以不获取参考作业150的源代码，而是可以获取参考作业的150的描述信息(为了方便描述，这样的描述信息也称为第二描述信息)。与上文所讨论的第一描述信息130类似，第二描述信息同样可以包括系统级信息、作业级信息和代码级信息中的一项或多项。

辅助优化设备140可以基于所接收的第一描述信息130和多个参考作业150的第二描述信息，来从多个参考作业150中确定与目标作业110匹配的目标参考作业160。关于确定目标参考作业160的具体过程将在下文详细描述，在此暂不详叙。

如图1所示，目标参考作业160具有对应的优化策略170。在一些实施例中，优化策略170的示例可以包括但不限于：调整硬件配置(例如，提高内存数目、增加节点数目、升级网卡)、调整系统设置(例如，开启系统内存管理单元SMMU)、调整软件环境(例如，更新编译器内核版本、升级网卡驱动)、优化代码等。

应当理解，这样的优化策略170可以是由开发者针对历史作业所手动制定的，由性能调优工具所自动生成的、或者是利用机器学习算法所生成的。这样的优化策略170例如还可以被进一步审核，以确定其适用于对应的参考作业。应当理解，任何适当的生成优化策略的方式都可以适用，本公开不旨在对优化策略的生成过程进行限定。

在一些实施例中，如图1所示，终端设备180还可以获取目标参考作业160的优化策略170，以例如通过图形用户界面的方式来呈现。例如，辅助优化设备140可以将所确定的目标作业160的优化策略170发送至终端设备180，以作为优化目标作业110在系统120的运行的建议。

应当理解，虽然在图1的示例环境100中，系统120中的节点、辅助优化设备140和终端设备180被示出为独立的设备，但是根据实际场景的需要，它们中的两个或者多个可以被集成在同一设备中。

在一个示例中，辅助优化设备140例如可以是云端服务器设备，其能够通过远程通信来从系统120获取第一描述信息，并将优化策略例如通过网络通信的方式发送至终端设备。

在另一个示例中，辅助优化设备140也可以是系统120中的一个节点，以运行对应的辅助优化过程，并将优化策略例如通过网络通信的方式发送至终端设备180。

在又一示例中，辅助优化设备140也可以是面向用户的终端设备，其通过网络通信来获取第一描述信息130，并基于本地计算来确定目标参考作业160，并例如可以通过耦合的显示器来提供优化策略170。

在又一示例中，系统120例如可以是用户的终端设备，并且性能调优工具、辅助优化工具都可以部署在终端设备上。该终端设备可以根据目标作业110的运行来生成第一描述信息130，并相应地确定目标参考作业160。进一步地，优化策略170例如可以通过终端设备的显示器来被呈现给用户，以作为优化目标作业110的建议。

示例过程

以下将结合图2来详细描述辅助优化设备140确定目标参考作业160的过程。图2示出了根据本公开的一些实施例的辅助性能优化的示例过程200的流程图。该过程200例如可以在图1的辅助优化设备130处实施，为了方便描述，以下将参考图1来描述过程200。

如图2所示，在框210，辅助优化设备基于目标作业在系统中的运行来获取第一描述信息，其中第一描述信息包括以下至少一项：与系统相关联的系统级信息、与目标作业相关联的作业级信息和与目标作业的代码相关联的代码级信息。

如上文参考图1所讨论的，辅助优化设备140例如可以通过部署在系统120中的性能调优工具来获取第一描述信息130。

上文已经结合图1讨论了第一描述信息130的可能实现，应当理解，上文中所列出的第一描述信息130的具体示例仅是示意性地，其他适当的系统级信息、作业级信息或代码级信息也是可能的。

在框220，辅助优化设备基于第一描述信息与多个参考作业中参考作业的第二描述信息的差异，从多个参考作业中确定目标参考作业，其中目标参考作业具有相关联的优化策略，该优化策略能够被获取以用于优化目标作业。以此方式，本公开的实施例能够从具有相应优化策略的多个目标参考作业中来获取与当前作业类似的参考作业，以作为用于优化目标作业的参考。这样，可以降低用户进行作业优化所需的专业能力需求，从而能够帮助更多的用户有效执行作业的优化。

在一些实施例中，辅助优化设备140可以将第一描述信息130和第二描述信息转换成对应的特征表示，例如，特征向量。进一步地，辅助优化设备140可以基于所转换的特征表示来确定第一描述信息和第二描述信息之间的差异。基于这样的方式，本公开的实施例能够将不同类型的数据转换为统一的编码表示，从而实现参考作业的自动筛选。

具体地，辅助优化设备140可以将第一描述信息130转换为第一特征表示，例如，第一特征向量。如上文所讨论的，第一描述信息130可以包括与不同类型的参数有关的信息，这样的参数可以包括数值参数或非数值参数。

在一些实施例中，第一描述信息可以包括数值参数，辅助优化设备140可以基于该数值参数的值和与该数值参数对应的权重来确定第一特征表示中与该数值参数所对应的第一值。例如，CPU内核数目是第一描述信息中所包括的数值参数，其取值例如为8。则辅助优化设备140在生成第一特征表示时，可以基于取值(8)和对应的权重(例如，0.5)来确定与CPU内核数目这一参数所对应的第一值为4。通过引入权重，辅助优化设备140可以调整不同参数对于确定目标参考作业160的影响。应当理解，以上具体取值和权重的具体数值仅是示例性的。

在一些实施例中，第一描述信息可以包括非数值参数，辅助优化设备140可以对该非数值参数进行编码来确定第一特征表示中与该非数值参数所对应的第二值。例如，系统120的BIOS版本根据基于以下规则来被编码：

也即，如果系统120的BIOS版本号为“2280V1 CS V1”，则辅助优化设备140例如可以基于该编码规则来确定其在第一特征表示中的第二值为“1”。应当理解，以上编码规则和具体的型号或数值仅是示意性的，不旨在作为对本公开的限定。

基于这样的方式，辅助优化设备140可以将第一描述信息130中所包括的多个参数转换为通过数值来表示的特征表示。在一些实施例中，第二描述信息所对应的第二特征表示例如可以是由辅助优化设备140基于同样的方式来生成。

备选地，第二描述信息也是由其他设备先前所确定，并作为与多个参考作业150相关联的信息而被相关联地存储。辅助优化设备140可以直接获取第二特征表示，而无需再执行额外的转换。

在一些实施例中，辅助优化设备140可以基于第一特征表示和第二特征表示来确定第一描述信息和第二描述信息之间的差异。示例性地，辅助优化设备140例如可以基于向量之间的距离来确定该差异。或者，辅助优化设备140也可以基于第一特征表示和第二特征表示之间的余弦相似度来衡量第一描述信息与第二描述信息之间的差异。

在一些实施例中，辅助优化设备140例如可以从多个参考作业150中确定出差异小于阈值(或者，相似度大于阈值)的一个或多个参考作业，以作为目标参考作业160。备选地，辅助优化设备140也可以从多个参考作业150中确定差异最小的预定数目个参考作业，以作为目标参考作业160。例如，辅助优化设备140可以确定差异最小的3个参考作业，以作为目标参考作业160。

在一些实施例中，在确定目标参考作业160后，其对应的优化策略170例如可以被提供给用户来作为优化目标作业110的建议。

例如，终端设备180可以从辅助优化设备140获取与目标参考作业160的优化策略170，并通过图形用户界面的方式来呈现这样的优化策略170。或者，终端设备180也可以首先仅获得目标参考作业160的描述信息(例如，作业名称，作业概述等)，并响应于用户的查看请求，而进一步获取并呈现目标参考作业160的优化策略170。

在一些实施例中，这样的优化策略170例如也可以被性能调优工具获取，以自动地执行针对目标作业110的优化。基于这样的方式，本公开的实施例能够进一步实现作业的自动优化。

基于以上讨论的过程，本公开的实施例能够从具有对应优化策略的多个参考作业中确定与目标作业类似的目标参考作业，并利用目标参考作业来辅助用户(例如，开发者/架构师/运维人员等)来优化目标作业。

多层级的辅助优化过程

在一些实施例中，辅助优化设备140还可以基于多层级的辅助优化过程来确定目标参考作业160。以下将参考图3来描述多层级的辅助优化过程，图3示出了根据本公开的一些实施例的确定目标参考作业的示意图300。

如图3所示，在一些实施例中，辅助优化设备140可以获取目标作业110的业务信息310，并从参考作业库305中确定与业务信息310匹配的多个参考作业150。在一些实施例中，业务信息310例如可以指示目标作业110所涉及的业务的类别。

在一些实施例中，用户例如可以通过性能调优工具所提供的接口来填写目标作业110的业务信息310。例如，用户可以从性能调优工具所提供的多个业务类别中选择对应的类别，以作为业务信息310。业务类别的示例可以包括但不限于：视频业务，CDN，大数据，数据库，网站服务等。应当理解，还可以根据实际需要而设置其他任何适当的业务类别，本公开不旨在对此进行限定。

在一些实施例中，在获取业务信息310后，辅助优化设备140例如可以从参考作业库305中筛选出业务类别匹配的多个参考作业150。例如，如果用户填写了业务类别为视频业务，则辅助优化设备140可以从参考作业库305中筛选出同样属于视频业务的多个参考作业150。基于这样的方式，本公开的实施例可以有效地排除业务类型不一致的参考作业，从而降低筛选目标参考作业所需的计算量。

备选地，如果用户没有填写业务类别，或者辅助优化设备140因为其他原因未能获取业务信息310，则辅助优化设备140可以将参考作业库305中的全部参考作业作为多个参考作业150。

进一步地，辅助优化设备140可以首先获取如上文所讨论的系统级信息315，并基于系统级信息315从多个参考作业150中确定第一组参考作业320。基于这样的方式，本公开的实施例可以首先从系统层面推荐系统特性接近的参考作业，从而帮助用户尝试从系统层面优化目标作业。

具体地，辅助优化设备140例如可以将系统级信息315转换为特征表示，并基于该特征表示与多个参考作业150的对应特征表示之间的差异来确定第一组参考作业320。在一些实施例中，辅助优化设备140还可以获取与目标作业110的开发环境相关联的开发信息，并基于系统级信息315和开发信息来从多个参考作业150中确定所述第一组参考作业320。这样，本公开的实施例能够考虑到不同开发环境的优化策略之间的差异。

示例性地，这样的开发信息可以指示目标作业110的开发语言，例如，C语言、Java语言、Python语言等。备选地或附加地，这样的开发信息例如还可以指示目标作业110的开发环境，例如ngnix或docker等。这样的开发信息例如可以基于编码的方式而被添加作为用于比较的特征表示的一部分，以用于确定第一组参考作业320。例如，第一组参考作业320可以包括特征表示之间差异小于预定阈值的多个参考作业。

辅助优化设备140可以进一步基于第一组参考作业320来确定目标参考作业160。在一些实施例中，辅助优化设备140可以直接将第一组参考作业320中的一个或多个(例如，差异最小的3个参考作业)作为目标参考作业160，并将其对应的优化策略例如提供给用户。

在一些实施例中，由于基于系统级信息315的匹配是较为笼统的，获得的第一组参考作业320的数目可能较多。在这种情况下，直接将全部第一组参考作业320的优化策略提供给用户可能会给用户带来额外的负担。

在一些实施例中，如果确定第一组参考作业320的数目大于预定阈值，则辅助优化设备140可以确定继续执行匹配。

在另一实施例中，如果第一组参考作业320中的一个或多个已经被确定作为目标参考作业160，但是用户还是发起获取新的优化策略的请求，则辅助优化设备140可以确定继续执行匹配。例如，用户可以通过用户界面发起获取新的优化策略的请求。

在又一实施例中，如果第一组参考作业320中的一个或多个已经被确定作为目标参考作业160且其对应的优化策略已经被应用于目标作业，但辅助优化设备140确定目标作业110的性能未提升时，辅助优化设备140可以自动地确定继续执行匹配。例如，辅助优化设备140可以确定应用了优化策略前后的性能对比，并在性能未提升或者提升的程度小于预定程度的情况下，自动地确定继续执行匹配。

如图3所示，在进一步的匹配过程中，辅助优化设备140可以获取作业级信息325，并基于作业级信息325来确定第二组参考作业330。基于这样的方式，本公开的实施例可以在系统层面的建议无法有效优化作业情况下，进一步获取作业级信息来筛选作业特性匹配的参考作业，以提供作业级优化建议。

在一些实施例中，性能调优工具可以在最初阶段同时生成系统级信息315和作业级信息325。在一些实施例中，考虑到仅利用系统级信息315可能获得有效的优化策略，作业级信息325可以是性能调优工具在确定要继续执行匹配后所生成的。

示例性地，在例如因为第一组参考作业320的数目大于阈值而确定要继续执行匹配时，辅助优化设备140可以提供用于引导生成作业级信息325的第一指示。例如，辅助优化设备140可以通过终端设备180生成用于提醒用户使用性能调优工具生成作业级信息325的指示。例如，终端设备180可以呈现引导用户执行进程性能分析、资源调度分析或微架构分析的提醒，以促使性能调优工具生成作业级信息325。基于这样的方式，本公开的实施例可以有效地引导用户执行下一阶段的性能信息获取，以获得进一步的优化建议。

在一些实施例中，辅助优化设备140可以基于获取的作业级信息325来构建对应的特征表示，以确定第二组参考作业330。在一个示例中，辅助优化设备140例如可以仅将作业级信息325转换为对应的特征向量，并从第一组参考作业320中筛选出与该特征向量匹配的第二组参考作业330。在另一示例中，辅助优化设备140例如可以基于系统级信息315和作业级信息325的组合来生成对应的特征向量，并从第一组参考作业320或者从多个参考作业150中确定出第二组参考作业330。第二组参考作业330例如可以包括特征表示的差异小于阈值的一个或多个参考作业。

辅助优化设备140可以进一步基于第二组参考作业330来确定目标参考作业160。在一些实施例中，辅助优化设备140可以直接将第二组参考作业330中的一个或多个(例如，差异最小的3个参考作业)作为目标参考作业160，并将其对应的优化策略例如提供给用户。

在一些实施例中，如果第二组参考作业330中的一个或多个已经被确定作为目标参考作业160，但是用户还是发起获取新的优化策略的请求，则辅助优化设备140可以确定继续执行匹配。

在另一些实施例中，如果第二组参考作业330中的一个或多个已经被确定作为目标参考作业160且其对应的优化策略已经被应用与目标作业，但辅助优化设备140确定目标作业110的性能未提升时，辅助优化设备140可以自动地确定继续执行匹配。

如图3所示，在进一步的匹配过程中，辅助优化设备140可以获取代码级信息335，并基于代码级信息335来确定第三组参考作业340。

在一些实施例中，性能调优工具可以在最初阶段同时生成系统级信息315、作业级信息325和代码级信息335。在一些实施例中，考虑到仅利用系统级信息315和/或作业级信息325可能获得有效的优化策略，代码级信息335可以是性能调优工具在确定要执行进一步匹配后所生成的。

示例性地，在例如因为性能为提升而确定要执行进一步优化时，辅助优化设备140可以提供用于引导生成代码级信息335的第二指示。例如，辅助优化设备140可以通过终端设备180生成用于提醒用户使用性能调优工具生成代码级信息335的指示。例如，终端设备180可以呈现引导用户执行函数调用性能分析、锁与等待性能分析或访存分析的提醒，以促使性能调优工具生成代码级信息335。基于这样的方式，本公开的实施例可以有效地引导用户执行下一阶段的性能信息获取，以获得进一步的优化建议。

在一些实施例中，辅助优化设备140可以基于获取的代码级信息335来构建对应的特征表示，以确定第三组参考作业340。在一个示例中，辅助优化设备140例如可以仅将作业级信息335转换为对应的特征向量，并从第二组参考作业330中筛选出与该特征向量匹配的第三组参考作业340。在另一示例中，辅助优化设备140例如可以基于系统级信息315、作业级信息325和代码级信息335的组合来生成对应的特征向量，并从第二组参考作业330或者从多个参考作业150中确定出第三组参考作业340。第三组参考作业340例如可以包括特征表示的差异小于阈值的一个或多个参考作业。基于这样的方式，本公开的实施例可以在作业层面的建议无法有效优化作业的情况下，进一步获取代码级信息来筛选代码特性匹配的参考作业，以提供代码级优化建议。

辅助优化设备140可以进一步基于第三组参考作业340来确定目标参考作业160。在一些实施例中，辅助优化设备140可以直接将第三组参考作业340中的一个或多个(例如，差异最小的3个参考作业)作为目标参考作业160，并将其对应的优化策略例如提供给用户。

通过上文所讨论的分层级辅助优化过程，本公开的实施例能够按照不同层级的描述信息来依次获取参考作业，以用于辅助优化目标作业。这样，本公开的实施例能够引导用户在不同阶段完成不同性能数据的采集，从而降低用户的学习成本。此外，这样的过程还能够有助于用户积累性能优化知识。

在一些实施例中，辅助优化设备140还可以获取其他附加的参考作业，以用于提供优化目标作业110的建议。

在一些实施例中，多个参考作业150可以来自经审核的参考作业库305。在基于以上过程所确定的优化策略未能有效地优化目标作业或者用户期待获取更多的优化建议时，则辅助优化设备140还可以基于第一描述信息，从未经审核的参考作业库中确定第一附加参考作业。基于这样的方式，本公开的实施例能够在当前参考作业可能无法有效地帮助优化的情况下，扩大参考作业的筛选范围，从而提高成功优化目标作业的概率

示例性地，这样的未审核的参考作业库例如可以包括开发者自主上传且未经审核的作业，例如，开发者在论坛所自由上传的案例，其优化策略或优化结果可能是未经审核，有效性可能无法保证。

进一步地，辅助优化设备140可以基于上文确定目标参考作业160类似的过程，来从未经审核的参考作业库中确定出第一附加参考作业，并提供与第一附加参考作业相关联的优化策略，以作为针对目标作业110的优化建议。

在一些实施例中，辅助优化设备140还可以提供关于这样的优化建议是未经审核的提示，以使得用户了解采取该优化建议可能存在风险。

在一些实施例中，辅助优化设备140例如还可以从远程设备接收优化建议。具体地，辅助优化设备140还可以向远程设备发送第一描述信息130，并从远程设备获取与第二附加作业相关联的作业信息，其中第二附加作业是由远程设备基于第一描述信息130确定的。基于这样的方式，本公开的实施例能够在当前参考作业可能无法有效地帮助优化的情况下，进一步从远程设备获取参考作业，从而提高成功优化目标作业的概率。

例如，辅助优化设备140本地的参考作业库的数目可能是有限的，辅助优化设备140在确定本地参考作业库无法提供有效优化策略的情况下，还可以将第一描述信息发送至远程设备(例如，远端服务器)。远程设备例如可以基于上文讨论的过程来从更为丰富的参考作业中筛选出第二附加参考作业，并将对应的作业信息发送至辅助优化设备140。进一步地，辅助优化设备140可以基于作业信息提供与第二附加作业相关联的优化策略，以作为针对目标作业110的第三优化建议。

在一些实施例中，辅助优化设备140可以在接收到获取附加参考作业的请求才向远程设备发送第一描述信息。例如，用户可以通过性能调优工具来发送获取附加参考作业的请求。基于这样的方式，可以根据用户请求才启动远程参考作业的获取，从而提高交互的友好程度。

通过这样的方式，本公开的实施例可以利用不同来源的参考作业来辅助目标作业的优化。

在一些实施例中，在确定优化策略被应用于目标作业后，辅助优化设备140还可以提供对比信息，以指示优化策略对目标作业的运行性能的影响。例如，这样的对比文件信息可以指示应用优化策略前的性能与应用优化后的性能的对比。基于这样的方式，可以让用户更为直观地了解优化策略是否达到了预期效果。

示例系统

图4示出了根据本公开的一些实施例的示例性能调优系统400的示意图。如图4所示，性能调优系统400可以包括性能调优工具410和性能调优辅助模块420。

在一些实施例中，性能调优工具140可以用于采集如上文所讨论的第一描述信息，并将第一描述信息发送至性能调优辅助模块420。

如图4所示，性能调优辅助模块420可以包括作业匹配模块430、特征提取模块440、引导模块450和推理机460。特征提取模块440例如可以从性能调优工具410接收第一描述信息。

推理机460可以接收第一描述信息，并将其转换为对应的特征表示。此外，推理机460还可以接确定收参考作业库470中的参考作业所对应的特征表示。应当理解，虽然参考作业库470被示出为包括在性能调优辅助模块420中，但是参考作业库470例如也可以是经由网络与性能调优辅助模块420耦合的远程库。

推理机460可以用于执行上文参考图2所讨论的确定目标参考作业的详细过程，在此不再赘述。示例性地，如果基于系统级信息所确定的参考作业过多，则推理机可以通过引导模块450来向性能调优工具410发送指示，以引导用户执行下一步操作，从而获取进一步的作业级信息。或者，推理机也可以利用作业匹配模块430来从参考作业中确定出目标参考作业，并将与目标参考作业有关的信息发送至性能调优工具410，例如，以向用户呈现目标参考作业的名称、概述、详细优化策略等。示例性地，如果性能调优工具410与性能调优辅助模块420位于不同的设备时，作业匹配模块430利用可以经由通信单元来将与目标参考作业有关的信息发送至性能调优工具410。

示例装置和设备

图5进一步示出了根据本公开实施例的用于辅助性能优化的装置500的框图，装置500可以包括多个模块，以用于执行如图2中所讨论的过程200中的对应步骤。如图5所示，装置500包括信息获取单元510，其被配置为基于目标作业在系统中的运行，获取第一描述信息，第一描述信息包括以下至少一项：与系统相关联的系统级信息、与目标作业相关联的作业级信息和与目标作业的代码相关联的代码级信息。装置500还包括作业确定单元520，其被配置为基于第一描述信息与多个参考作业中参考作业的第二描述信息的差异，从多个参考作业中确定目标参考作业，其中目标参考作业具有相关联的优化策略，优化策略能够被获取以用于优化目标作业。

图6示出了可以用来实施本公开的实施例的示例设备600的示意性框图。设备600可以用于实现辅助优化设备140。如图所示，设备600包括计算单元601，其可以根据存储在随机存取存储器(RAM)603和/或只读存储器(ROM)602的计算机程序指令或者从存储单元608加载到RAM 603和/或ROM 602中的计算机程序指令，来执行各种适当的动作和处理。在RAM 603和/或ROM 602中，还可存储设备600操作所需的各种程序和数据。计算单元601和RAM 603和/或ROM 602通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元608允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如过程200。例如，在一些实施例中，过程200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由RAM和/或ROM和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM和/或ROM并由计算单元601执行时，可以执行上文描述的过程200的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行过程200。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (18)

1.一种用于辅助性能优化的方法，包括：

基于目标作业在系统中的运行，获取第一描述信息，所述第一描述信息包括以下至少一项：与所述系统相关联的系统级信息、与所述目标作业相关联的作业级信息和与所述目标作业的代码相关联的代码级信息；以及

基于所述第一描述信息与多个参考作业中参考作业的第二描述信息的差异，从所述多个参考作业中确定目标参考作业，其中所述目标参考作业具有相关联的优化策略，所述优化策略能够被获取以用于优化所述目标作业。

2.根据权利要求1所述的方法，还包括：

获取所述目标作业的业务信息，所述业务信息指示所述目标作业所涉及的业务的类别；以及

从参考作业库中确定与所述业务信息匹配的所述多个参考作业。

3.根据权利要求1所述的方法，其中确定所述目标参考作业包括：

基于所述系统级信息，从所述多个参考作业中确定第一组参考作业；以及

基于所述第一组参考作业，确定所述目标参考作业。

4.根据权利要求3所述的方法，其中确定所述第一组参考作业包括：

获取与所述目标作业的开发环境相关联的开发信息；以及

基于所述系统级信息和所述开发信息，从所述多个参考作业中确定所述第一组参考作业。

5.根据权利要求3所述的方法，其中基于所述第一组参考作业确定所述目标参考作业包括：

基于所述作业级信息，从所述第一组参考作业中确定第二组参考作业；以及

基于所述第二组参考作业，确定所述目标参考作业。

6.根据权利要求5所述的方法，还包括：

响应于确定所述第一组参考作业的数目大于阈值，提供用于引导生成所述作业级信息的第一指示。

7.根据权利要求5所述的方法，其中基于所述第二组参考作业确定所述目标参考作业包括：

基于所述代码级信息，从所述第一组参考作业中确定第三组参考作业；以及

基于所述第三组参考作业，确定所述目标参考作业。

8.根据权利要求7所述的方法，还包括：

响应于确定所述第二组参考作业的数目大于阈值，提供用于引导生成所述代码级信息的第二指示。

9.根据权利要求1所述的方法，还包括：

提供与所述目标参考作业相关联的所述优化策略，以作为针对所述目标作业的第一优化建议。

10.根据权利要求1所述的方法，还包括：

确定与第一描述信息相对应的第一特征表示和与所述第二描述信息相对应的第二特征表示；以及

基于所述第一特征表示和所述第二特征表示，确定所述第一描述信息与所述第二描述信息之间的所述差异。

11.根据权利要求1所述的方法，其中所述多个参考作业来自经审核的参考作业库，并且所述方法还包括：

基于所述第一描述信息，从未经审核的参考作业库中确定第一附加参考作业；以及

提供与所述第一附加参考作业相关联的优化策略，以作为针对所述目标作业的第二优化建议。

12.根据权利要求1所述的方法，还包括：

向远程设备发送所述第一描述信息；

从所述远程设备获取与第二附加参考作业相关联的作业信息，所述第二附加参考作业是由所述远程设备基于所述第一描述信息确定的；以及

基于所述作业信息，提供与所述第二附加参考作业相关联的优化策略，以作为针对所述目标作业的第三优化建议。

13.根据权利要求12所述的方法，其中向远程设备发送所述第一描述信息包括：

响应于接收到用于附加参考作业的请求，向所述远程设备发送所述第一描述信息。

14.根据权利要求1所述的方法，还包括：

响应于确定所述优化策略被应用于所述目标作业，提供对比信息，所述对比信息用于指示所述优化策略对所述目标作业的运行性能的影响。

15.一种用于辅助性能优化的装置，包括：

信息获取单元，被配置为基于目标作业在系统中的运行，获取第一描述信息，所述第一描述信息包括以下至少一项：与所述系统相关联的系统级信息、与所述目标作业相关联的作业级信息和与所述目标作业的代码相关联的代码级信息；以及

作业确定单元，被配置为基于所述第一描述信息与多个参考作业中参考作业的第二描述信息的差异，从所述多个参考作业中确定目标参考作业，其中所述目标参考作业具有相关联的优化策略，所述优化策略能够被获取以用于优化所述目标作业。

16.一种电子设备，包括：

至少一个计算单元；

至少一个存储器，所述至少一个存储器被耦合到所述至少一个计算单元并且存储用于由所述至少一个计算单元执行的指令，所述指令当由所述至少一个计算单元执行时，使得所述设备执行根据权利要求1至14中任一项所述的方法。

17.一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1至14中任一项所述的方法。

18.一种计算机程序产品，包括计算机可执行指令，其中所述计算机可执行指令在被处理器执行时实现根据权利要求1至14中任一项所述的方法。

Images