近日，中國科學院深圳先進技術研究院數字所異構智能計算中心在系統配置參數自動快速調優研究方面取得重要進展，相關成果以“Swift: Fast Performance Tuning with GAN-Generated Configurations”為題被計算機系統領域頂級會議的CCF A類會議USENIX ATC'25 （The 2025 USENIX Annual Technical Conference）接收。該會議致力于展示和討論計算機系統領域中的新思想和最新研究成果。深圳先進院異構智能計算中心陳超助理研究員為論文第一作者，深圳先進院異構智能計算中心喻之斌研究員為通訊作者。

本文提出Swift方法，這是一種新穎的、基于貝葉斯優化（BO）的大數據系統參數配置快速自動調優方法。其核心思想是利用一種生成式人工智能方法，即生成對抗網絡（GAN），根據已評估的性能最佳的配置來生成高質量的配置。將這些配置與隨機生成的配置相混合，具有使搜索空間向最優配置傾斜的效果，從而實現更快的收斂速度，并減少優化時間。實驗結果表明，與由CherryPick調優的?Flink?程序相比，Swift?將其吞吐量提升了最高達1.59倍，并將延遲最多降低了1.68倍。最重要的是，Swift僅用5.8小時就完成了優化，而CherryPick至少需要12.5小時。對于Spark程序，Swift將由CherryPick調優后的程序執行時間最多縮短了2.2倍。我們還在一家互聯網巨頭的生產集群中，使用Flink程序對Swift進行了評估。此前該程序是通過手動調整配置參數進行優化的，一位專業的性能工程師花了四天時間才完成優化。結果顯示，Swift?在僅6.8小時內就將這個經過手動優化的程序的吞吐量提升了2.3倍，并將其延遲降低了2.8倍。

USENIX Annual Technical Conference（USENIX ATC）創辦于1992年，是計算機系統結構和并行/分布式計算領域的頂級國際會議，為中國計算機學會推薦A類國際會議。2025年USENIX年度技術會議（ATC'25,The 2025 USENIX Annual Technical Conference）將于將于2025年7月7日至7月9日在美國波士頓與OSDI共同召開。本次會議共有634篇論文投稿，100篇被接收，中稿率為15.8%。

Swift快速自動調優方法流程圖