Automatic performance tuning with past knowledge

In the context of performance optimisation, automatic performance tuning is a trending topic, that in the last years have gained in popularity. Still,the main approach used today remains to hire an expert to optimize theperformance of an IT system. But with the continuous increase in the complexity of modern IT stacks, the manual tuning is becoming infeasible. Many researchers have proposed their way to approach automatic performance tuning that are based on different Artificial Intelligence (AI) techniques.This thesis investigates the use of Recommender System in the field of automatic performance tuning. The main idea that we want to demonstrate isthat similar IT systems is optimized similarly. We use Recommender Systems to exploit past knowledge, on the optimization of IT systems, to speedup the optimisation process of our target system. The topic that we propose here is still mostly unexplored in the research world. Thus, we are going to explore it in it’s most basic form, laying the foundation for future expansion.From this work, we can understand, how Recommender systems can be used in the context of automatic performance optimisation with positive results.Moreover compared to the state of the art techniques in automatic performance tuning we obtain notable improvement thanks to the use of past knowledge.

Nel contesto dell’ottimizzazione delle performance, negli ultimi anni, sono stati fatti molti sforzi nel rendere il processo di ottimizzazione automatico. Questo ́e stato spinto da un crescente interesse in quello che sono i metodi sviluppati in questo campo e di conseguenza dei benefici che se ne possono trarre. Nel contesto industriale attuale il processo di ottimizzazione delle performance rimane ancora un processo manuale. Questo prevede l’ingaggio di un esperto che svolge il compito di ottimizzazione delle performance di un sistema IT. Questo processo manuale sta diventando sempre meno praticabile, causa la complessità dei moderni sistemi IT, in continuo aumento. Molti ricercatori hanno proposto differenti approcci nell’ambito dell’ottimizzazione delle performance automatico. La maggior parte di questi approcci si basa sull’utilizzo di tecniche derivanti dal campo dell Intelligenza ArtificialeIn questa tesi andiamo ad investigate l’uso di tecniche derivanti dal campo dei Sistemi di Raccomandazione nel ambito dell’ottimizzazione delle performance automatico. In questo ambito l’idea sarebbe di utilizzare conosenzapregressa sull ottimizazzione delle performance di var sistemi IT per ottimizarne uno nuovo mai visto prima. I Sistemi di Raccomandazione in questo scenario hanno il compito di creare un concetto di similarità tra sistemi IT.L’assunzione alla base di questo metodo sta nel ipotizzare che sistemi IT simili si possano ottimizzare in maniera simile e noi vorremo sfruttare questa informazione per velocizzare il processo di ottimizzazione attraverso l’uso di Sistemi di Raccomandazione. Il lavoro di ricerca effettuato in questo campo è ancora molto limitato. Il lavoro presentato servirà anche come base sul quale si potranno sviluppare nuove e pi ́u complesse ricerche in questo ambito.Da questo lavoro è possibile capire come l’utilizzo di tecniche derivanti dai Sistemi di Raccomandazione nel ambito dell ottimizzazione delle performance automatico sia possibile ottenere risultati interessanti. Comparati con lo stato dell’arte gli approcci che proponiamo sono in grado di mostrare notevoli miglioramenti grazia all’utilizzo di una conoscenza pregressa.