Кластеризація та аналіз продуктивності програмного коду

Abstract

Кластеризація даних є важливою технікою для аналізу продуктивності програмного коду. Використовуючи методи кластеризації, можна виділити закономірності у продуктивності різних частин коду та виявити області, що потребують оптимізації. У цій роботі розглянуто застосування кластеризації для аналізу результатів тестування продуктивності, зокрема для оцінки ресурсомісткості та часу виконання різних функцій програми. Дослідження підходів, що включають застосування методу k-means та ієрархічної кластеризації, дозволяє запропонувати методики для групування функцій за їхніми параметрами продуктивності та оптимізувати код у відповідних групах.

Data clustering is a valuable technique for analyzing software performance. By applying clustering methods, patterns in the efficiency of different code segments can be identified, revealing areas for optimization. This study investigates clustering approaches for analyzing performance test results, particularly in terms of resource usage and execution time of various program functions. Research on k-means and hierarchical clustering provides methodologies to group functions based on performance metrics and optimize code within respective clusters.