# PerfScout PerfScout は、性能テストにおけるワークロード生成を全自動化する強化学習(RL)ベースのフレームワークである([[@2026__ICSE-SEIP__PerfScout - An Adaptive Workload Generator in Software Performance Testing]], ICSE-SEIP '26)。[[Nankai University]]([[Yongqian Sun]]・[[Shenglin Zhang]]・Qingliang Zhang・Xiao Xiong・Mengyao Li・Yimin Zuo)・[[BizSeer]]([[Xidao Wen]])・[[Wenwei Gu]]・[[Huawei Cloud]](成都、Huandong Zhuang・Bowen Deng・Ruiyuan Wan)・[[Tsinghua University]]([[Dan Pei]])の共同開発。(Source: [[@2026__ICSE-SEIP__PerfScout - An Adaptive Workload Generator in Software Performance Testing]]) ## 設計 3 つのコンポーネントを統合する: - **ブレークポイント特定**: [[Alban Siffer]] が設計した SPOT アルゴリズム(極値理論(EVT)ベースの動的閾値検知)を応答時間の一階差分に適用し、一般化パレート分布(GPD)フィッティングで異常閾値を逐次更新する。 - **局所定常性判定**: ADF テスト・KPSS テストを同時実施し、両者が非定常を示す間はテストを継続、定常と判定されれば次の同時実行数フェーズへワークロードを調整する。 - **適応的ワークロード決定**: ワークロード調整を Proximal Policy Optimization(PPO)による強化学習問題として定式化し、SPOT 由来の動的閾値を報酬関数に組み込むことで SUT(System Under Test)間の応答時間スケール差を標準化する。 ## 実証結果 Huawei Cloud のクラウドベース性能テストプラットフォーム CodeArts PerfTest に 9 か月間本番デプロイされ、実運用データセット D1・D2 でブレークポイント特定精度 82% 超・テスト効率改善 90% 近く・調和平均(HM)86% 超を達成。固定戦略・RD・LD・DYNAMO・RELOAD の全ベースラインを上回り、代表ケースで固定戦略比 87% のテスト時間短縮を実証した。(Source: [[@2026__ICSE-SEIP__PerfScout - An Adaptive Workload Generator in Software Performance Testing]]) 同著者グループの先行研究 Auto-PIP(「Real-time Identification of Critical Performance Inflection Points in Software Stress Testing」, ISSREW 2024)の後継にあたる。 ## 関連 - ソース: [[@2026__ICSE-SEIP__PerfScout - An Adaptive Workload Generator in Software Performance Testing]] - 著者: [[Yongqian Sun]] / [[Shenglin Zhang]] / [[Dan Pei]] / [[Xidao Wen]] / [[Wenwei Gu]] - 所属: [[Nankai University]] / [[BizSeer]] / [[Huawei Cloud]] / [[Tsinghua University]] - 概念: [[定常性モデル]]