李森 王子鑫 吳承昆

摘要：目前，計(jì)算機(jī)性能評(píng)價(jià)主要基于基準(zhǔn)程序開(kāi)展測(cè)試，且只能對(duì)某一方面進(jìn)行檢測(cè)，缺乏完整的綜合性能評(píng)價(jià)方法。文章針對(duì)上述問(wèn)題深入開(kāi)展評(píng)價(jià)方法及模型的研究，通過(guò)開(kāi)展大量信創(chuàng)計(jì)算機(jī)的性能測(cè)試并基于測(cè)試結(jié)果建立了計(jì)算機(jī)綜合性能評(píng)價(jià)的理論模型，在行業(yè)內(nèi)首次應(yīng)用多元統(tǒng)計(jì)的因子分析方法，計(jì)算出理論模型中各項(xiàng)指標(biāo)所占比重，并提出一種科學(xué)、完整、準(zhǔn)確的計(jì)算機(jī)綜合性能評(píng)價(jià)方法。

關(guān)鍵詞：計(jì)算機(jī)；性能測(cè)試；綜合評(píng)價(jià)；多元統(tǒng)計(jì)；因子分析

中圖法分類號(hào)：TP368 文獻(xiàn)標(biāo)識(shí)碼：A

１ 引言

當(dāng)前，市面上大部分的計(jì)算機(jī)評(píng)價(jià)軟件均通過(guò)基準(zhǔn)程序進(jìn)行測(cè)試，存在評(píng)價(jià)軟件功能單一且評(píng)價(jià)范圍不全等問(wèn)題。趙波［１］ 指出，“基準(zhǔn)程序不能對(duì)整個(gè)系列的產(chǎn)品性能做出縱向評(píng)價(jià)?！?常見(jiàn)的ＵｎｉｘＢｅｎｃｈ，ＬｍＢｅｎｃｈ，ＧｅｅｋＢｅｎｃｈ，Ｓｔｒｅａｍ 和ＩＯＺｏｎｅ 等軟件難以對(duì)計(jì)算機(jī)綜合評(píng)價(jià)得出明確及完整的結(jié)論；劉力力［２］ 指出，ＬｍＢｅｎｃｈ 測(cè)試存在計(jì)時(shí)方法誤差較大、統(tǒng)計(jì)方法不夠科學(xué)等局限性。因此，研究一種科學(xué)的計(jì)算機(jī)綜合性能評(píng)價(jià)方法，可有效填補(bǔ)計(jì)算機(jī)在綜合性能評(píng)價(jià)方面的空白市場(chǎng)。

本文擬采用多元統(tǒng)計(jì)的因子分析方法構(gòu)建計(jì)算機(jī)的綜合性能評(píng)價(jià)體系，通過(guò)構(gòu)造模型，剔除指標(biāo)之間的相互制約的成分，使復(fù)雜數(shù)據(jù)簡(jiǎn)單化［３］ 。利用因子分析法，將較少的變量代替較多的變量，建立計(jì)算機(jī)綜合性能評(píng)價(jià)的理論模型，并通過(guò)開(kāi)展大量信創(chuàng)計(jì)算機(jī)的性能測(cè)試，準(zhǔn)確計(jì)算出ＣＰＵ、內(nèi)存、Ｉ／ Ｏ 等指標(biāo)的所占權(quán)重，從而對(duì)計(jì)算機(jī)綜合性能進(jìn)行深入分析、合理解釋和正確評(píng)價(jià)。

２ 多元統(tǒng)計(jì)分析評(píng)價(jià)系統(tǒng)

２．１ 多元統(tǒng)計(jì)分析

多元統(tǒng)計(jì)分析是指同時(shí)檢查多個(gè)變量之間關(guān)系的分析方法，能夠在多個(gè)對(duì)象和多個(gè)指標(biāo)互相關(guān)聯(lián)的情況下分析它們的統(tǒng)計(jì)規(guī)律，如計(jì)算機(jī)設(shè)備之間ＣＰＵ、內(nèi)存、Ｉ／ Ｏ 等指標(biāo)的相互關(guān)系，是一個(gè)重要的研究客觀事物中多個(gè)變量（評(píng)價(jià)系統(tǒng)中所采用的各種指標(biāo)）之間相互依關(guān)系的研究方法，也是一種綜合的分析方法［４］ 。

多元統(tǒng)計(jì)分析中常用的分析方法有聚類分析、因子分析、主成分分析、多元方差分析等。

２．２ 因子分析

因子分析法已經(jīng)在眾多領(lǐng)域的應(yīng)用中取得了成果，如余波［５］ 將其應(yīng)用在學(xué)術(shù)話語(yǔ)權(quán)評(píng)價(jià)指標(biāo)的體系構(gòu)建中。本文通過(guò)因子分析法對(duì)ＣＰＵ、內(nèi)存、Ｉ／ Ｏ 等觀測(cè)變量進(jìn)行了分類，將相關(guān)性高、聯(lián)系較緊密的觀測(cè)變量分在同一類中，形成公共因子［６］ 。建立因子分析模型的目的不僅僅在于找出主因子，更重要的是知道每個(gè)主因子的意義。例如，建立計(jì)算機(jī)綜合性能評(píng)價(jià)模型后，我們希望知道每款計(jì)算機(jī)的性能分布情況———哪些計(jì)算機(jī)性能較強(qiáng)、哪些計(jì)算機(jī)性能較弱，這就需要用變量的線性組合來(lái)標(biāo)記公因子，即由計(jì)算機(jī)產(chǎn)品的各項(xiàng)性能指標(biāo)來(lái)估計(jì)它的因子得分［７］ 。

因子分析法有２ 個(gè)核心問(wèn)題，即如何構(gòu)造因子變量及如何對(duì)因子變量進(jìn)行命名解釋。

因子分析法的模型如下。

綜上所述，根據(jù)因子分析抽取出的９ 個(gè)公因子獲利因子以及成長(zhǎng)因子可以了解，對(duì)于計(jì)算機(jī)綜合評(píng)分影響最大的能力就是處理器性能。Ｘ１ 的貢獻(xiàn)率為３２．７１４％，所以對(duì)于提升計(jì)算機(jī)性能評(píng)分可以優(yōu)先考慮提高ＣＰＵ 能力，也符合大眾對(duì)計(jì)算機(jī)的認(rèn)識(shí)。

存在的問(wèn)題：由于ＬｍＢｅｎｃｈ 的限制，結(jié)果只能精確到０．０１ ｎｓ，因此ＬｍＢｅｎｃｈ 結(jié)果中長(zhǎng)整型的加和乘數(shù)據(jù)無(wú)法測(cè)量，在因子分析中，先決條件是變量可以通過(guò)觀測(cè)獲得，模型中并未考慮處理器的長(zhǎng)整型加和乘的影響。

４．２ 計(jì)算機(jī)評(píng)價(jià)結(jié)果分析及提升建議方法

通過(guò)對(duì)采集的６８ 條技術(shù)路線的測(cè)試數(shù)據(jù)進(jìn)行分析，得到結(jié)果：綜合得分第一名的技術(shù)路線得分為１．１分，此技術(shù)路線（芯片＋操作系統(tǒng)組合）的計(jì)算機(jī)在處理器能力、系統(tǒng)處理時(shí)間、上下文切換性能、乘法性能與顯示性能５ 個(gè)因子方面得分都比較靠前，但在內(nèi)存、Ｉ／ Ｏ性能方面表現(xiàn)一般；處理器處理能力因子Ｆ１ 方面，技術(shù)路線２９ 得分最高，分值接近２．３ 分，而技術(shù)路線６５得分最低，接近?３．３ 分，說(shuō)明此技術(shù)路線下ＣＰＵ 性能表現(xiàn)較差。該因子下的排名與綜合得分下的排名相近，說(shuō)明處理器處理能力是影響信創(chuàng)計(jì)算機(jī)綜合評(píng)價(jià)的最重要的因子；內(nèi)存性能因子Ｆ２ 方面，最高得分為正數(shù)，分?jǐn)?shù)超過(guò)４．５ 分，得分最低依然是負(fù)數(shù)。與因子Ｆ１ 相較，內(nèi)存性能因子的分值超過(guò)１ 的技術(shù)路線有９ 條，說(shuō)明較強(qiáng)的內(nèi)存性能對(duì)提升信創(chuàng)計(jì)算機(jī)的綜合性能有正向幫助。系統(tǒng)處理時(shí)間因子Ｆ３ 方面，得分最高的超過(guò)３ 分，最低的接近－２ 分，該因子下，排在前１０ 的技術(shù)路線大多都是ＭＩＰＳ 架構(gòu)的設(shè)備，說(shuō)明ＭＩＰＳ 架構(gòu)在系統(tǒng)處理時(shí)間方面優(yōu)于其他架構(gòu)。

４．３ 計(jì)算機(jī)綜合性能提升建議方法

通過(guò)因子分析的計(jì)算機(jī)綜合性能評(píng)價(jià)模型，充分顯示了各性能因子在綜合評(píng)價(jià)中的占比， 分析出計(jì)算機(jī)的性能短板所在，從而有針對(duì)性地進(jìn)行優(yōu)化，可以以較小的代價(jià)，使計(jì)算機(jī)的綜合性能獲得較大的提升。其中，處理器處理能力占整個(gè)計(jì)算機(jī)綜合系統(tǒng)評(píng)分體系比重較大?？紤]到目前信創(chuàng)處理器與主流的ｘ８６ 或ａｒｍ 處理器在性能上還存在較大的差距，因此，可以通過(guò)提高處理器處理能力使計(jì)算機(jī)的綜合評(píng)分獲得較大的提升。在本評(píng)價(jià)體系中，占比第２ 的是內(nèi)存性能，提升內(nèi)存性能（包括提升內(nèi)存帶寬與降低內(nèi)存延遲），同樣可以以較小的代價(jià)獲得計(jì)算機(jī)綜合評(píng)分較大的提升。

各維度的性能占比如表７ 所列。

５ 結(jié)束語(yǔ)

本文對(duì)各類Ｌｉｎｕｘ 評(píng)價(jià)軟件在計(jì)算機(jī)不同方面的性能指標(biāo)進(jìn)行了數(shù)據(jù)采集，通過(guò)多元統(tǒng)計(jì)中的因子分析法建立了計(jì)算機(jī)綜合性能的評(píng)價(jià)模型，為計(jì)算機(jī)的綜合性能評(píng)價(jià)提供了科學(xué)、客觀的評(píng)價(jià)方法。后續(xù)會(huì)根據(jù)此評(píng)價(jià)方法及模型，建立一套計(jì)算機(jī)的性能綜合評(píng)價(jià)系統(tǒng)，廣泛應(yīng)用于各類計(jì)算機(jī)，實(shí)現(xiàn)數(shù)據(jù)自動(dòng)采集與綜合評(píng)價(jià)功能，為個(gè)人或機(jī)構(gòu)測(cè)評(píng)計(jì)算機(jī)提供重要的參考依據(jù)。

參考文獻(xiàn)：

［１］ 趙波．基于ＰａｇｅＲａｎｋ 的計(jì)算機(jī)性能評(píng)價(jià)方法［Ｊ］．計(jì)算機(jī)工程，２０１０，３６（１７）：２８６?２８７＋２９０．

［２］ 劉力力．計(jì)算機(jī)系統(tǒng)性能評(píng)測(cè)與分析［Ｄ］．北京：中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所），２０００．

［３］ 李立明．基于多元統(tǒng)計(jì)分析方法的機(jī)器人綜合性能評(píng)價(jià)［Ｄ］．北京：北京工業(yè)大學(xué)，２０１４．

［４］ 朱建平，殷瑞飛．ＳＰＳＳ 在統(tǒng)計(jì)分析中的應(yīng)用［Ｍ］．北京：清華大學(xué)出版社，２００７．

［５］ 余波，趙蓉英，邱均平．中國(guó)學(xué)者學(xué)術(shù)話語(yǔ)權(quán)評(píng)價(jià)指標(biāo)體系的構(gòu)建與應(yīng)用研究———以國(guó)際生物學(xué)為例［Ｊ］．情報(bào)科學(xué)，２０２１，３９（１２）：１０５?１１２＋１２５．

［６］ 何曉群．現(xiàn)代統(tǒng)計(jì)分析方法與應(yīng)用［Ｍ］．北京：商務(wù)印書(shū)館，２００４．

［７］ 何曉群．多元統(tǒng)計(jì)分析［Ｍ］．北京：中國(guó)人民大學(xué)出版社，２００７．

［８］ 王小龍．馮諾依曼結(jié)構(gòu)也適合量子電路［Ｎ］．科技日?qǐng)?bào)，２０１１?０９?０３（２）．

［９］ 董宇暉．計(jì)算機(jī)性能定量分析方法研究［Ｊ］．計(jì)算機(jī)光盤(pán)軟件與應(yīng)用，２０１２，１５（２２）：９７＋１１８．

［１０］ 楊軍偉．面向ＩａａＳ 云平臺(tái)測(cè)試的負(fù)載生成系統(tǒng)研究與實(shí)現(xiàn)［Ｄ］．杭州：杭州電子科技大學(xué)，２０１６．

［１１］ 吳平凡，劉顯德，吳少剛．基于龍芯平臺(tái)的Ｄｏｃｋｅｒ 評(píng)測(cè)與分析［Ｊ］．計(jì)算機(jī)系統(tǒng)應(yīng)用，２０２０，２９（４）：５８?６４．

［１２］ 張廣飛，侯銳，張科，等．內(nèi)存系統(tǒng)模型與性能分析［Ｃ］ ／ ／第十七屆計(jì)算機(jī)工程與工藝年會(huì)暨第三屆微處理器技術(shù)論壇論文集（下冊(cè)），２０１３：４３?５４．

［１３］ 陳金忠，姚念民，蔡紹濱，等．基于頁(yè)面寫(xiě)相關(guān)的閃存轉(zhuǎn)換層策略［Ｊ］．通信學(xué)報(bào)，２０１３，３４（６）：７６?８４．

［１４］ 張立志，趙士彭，趙皓宇，等．高性能ＧＰＵ 模擬器的實(shí)現(xiàn)［Ｊ］．高技術(shù)通訊，２０２０，３０（６）：５５３?５６０．

［１５］ 舒予．基于因子分析和方差最大化模型的科研評(píng)價(jià)指標(biāo)體系構(gòu)建［Ｊ］．情報(bào)雜志，２０１５，３４（１２）：３３?３７．