基于因子分析的計算機綜合性能評價方法研究

李森 王子鑫 吳承昆

摘要：目前，計算機性能評價主要基于基準程序開展測試，且只能對某一方面進行檢測，缺乏完整的綜合性能評價方法。文章針對上述問題深入開展評價方法及模型的研究，通過開展大量信創(chuàng)計算機的性能測試并基于測試結(jié)果建立了計算機綜合性能評價的理論模型，在行業(yè)內(nèi)首次應用多元統(tǒng)計的因子分析方法，計算出理論模型中各項指標所占比重，并提出一種科學、完整、準確的計算機綜合性能評價方法。

關(guān)鍵詞：計算機；性能測試；綜合評價；多元統(tǒng)計；因子分析

中圖法分類號：TP368 文獻標識碼：A

１ 引言

當前，市面上大部分的計算機評價軟件均通過基準程序進行測試，存在評價軟件功能單一且評價范圍不全等問題。趙波［１］ 指出，“基準程序不能對整個系列的產(chǎn)品性能做出縱向評價?！?常見的ＵｎｉｘＢｅｎｃｈ，ＬｍＢｅｎｃｈ，ＧｅｅｋＢｅｎｃｈ，Ｓｔｒｅａｍ 和ＩＯＺｏｎｅ 等軟件難以對計算機綜合評價得出明確及完整的結(jié)論；劉力力［２］ 指出，ＬｍＢｅｎｃｈ 測試存在計時方法誤差較大、統(tǒng)計方法不夠科學等局限性。因此，研究一種科學的計算機綜合性能評價方法，可有效填補計算機在綜合性能評價方面的空白市場。

本文擬采用多元統(tǒng)計的因子分析方法構(gòu)建計算機的綜合性能評價體系，通過構(gòu)造模型，剔除指標之間的相互制約的成分，使復雜數(shù)據(jù)簡單化［３］ 。利用因子分析法，將較少的變量代替較多的變量，建立計算機綜合性能評價的理論模型，并通過開展大量信創(chuàng)計算機的性能測試，準確計算出ＣＰＵ、內(nèi)存、Ｉ／ Ｏ 等指標的所占權(quán)重，從而對計算機綜合性能進行深入分析、合理解釋和正確評價。

２ 多元統(tǒng)計分析評價系統(tǒng)

２．１ 多元統(tǒng)計分析

多元統(tǒng)計分析是指同時檢查多個變量之間關(guān)系的分析方法，能夠在多個對象和多個指標互相關(guān)聯(lián)的情況下分析它們的統(tǒng)計規(guī)律，如計算機設備之間ＣＰＵ、內(nèi)存、Ｉ／ Ｏ 等指標的相互關(guān)系，是一個重要的研究客觀事物中多個變量（評價系統(tǒng)中所采用的各種指標）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)域的應用中取得了成果，如余波［５］ 將其應用在學術(shù)話語權(quán)評價指標的體系構(gòu)建中。本文通過因子分析法對ＣＰＵ、內(nèi)存、Ｉ／ Ｏ 等觀測變量進行了分類，將相關(guān)性高、聯(lián)系較緊密的觀測變量分在同一類中，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主因子的意義。例如，建立計算機綜合性能評價模型后，我們希望知道每款計算機的性能分布情況———哪些計算機性能較強、哪些計算機性能較弱，這就需要用變量的線性組合來標記公因子，即由計算機產(chǎn)品的各項性能指標來估計它的因子得分［７］ 。

因子分析法有２ 個核心問題，即如何構(gòu)造因子變量及如何對因子變量進行命名解釋。

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 個公因子獲利因子以及成長因子可以了解，對于計算機綜合評分影響最大的能力就是處理器性能。Ｘ１ 的貢獻率為３２．７１４％，所以對于提升計算機性能評分可以優(yōu)先考慮提高ＣＰＵ 能力，也符合大眾對計算機的認識。

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

４．２ 計算機評價結(jié)果分析及提升建議方法

通過對采集的６８ 條技術(shù)路線的測試數(shù)據(jù)進行分析，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）的計算機在處理器能力、系統(tǒng)處理時間、上下文切換性能、乘法性能與顯示性能５ 個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，說明處理器處理能力是影響信創(chuàng)計算機綜合評價的最重要的因子；內(nèi)存性能因子Ｆ２ 方面，最高得分為正數(shù)，分數(shù)超過４．５ 分，得分最低依然是負數(shù)。與因子Ｆ１ 相較，內(nèi)存性能因子的分值超過１ 的技術(shù)路線有９ 條，說明較強的內(nèi)存性能對提升信創(chuàng)計算機的綜合性能有正向幫助。系統(tǒng)處理時間因子Ｆ３ 方面，得分最高的超過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)的設備，說明ＭＩＰＳ 架構(gòu)在系統(tǒng)處理時間方面優(yōu)于其他架構(gòu)。

４．３ 計算機綜合性能提升建議方法

通過因子分析的計算機綜合性能評價模型，充分顯示了各性能因子在綜合評價中的占比， 分析出計算機的性能短板所在，從而有針對性地進行優(yōu)化，可以以較小的代價，使計算機的綜合性能獲得較大的提升。其中，處理器處理能力占整個計算機綜合系統(tǒng)評分體系比重較大?？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，可以通過提高處理器處理能力使計算機的綜合評分獲得較大的提升。在本評價體系中，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獲得計算機綜合評分較大的提升。

各維度的性能占比如表７ 所列。

５ 結(jié)束語

本文對各類Ｌｉｎｕｘ 評價軟件在計算機不同方面的性能指標進行了數(shù)據(jù)采集，通過多元統(tǒng)計中的因子分析法建立了計算機綜合性能的評價模型，為計算機的綜合性能評價提供了科學、客觀的評價方法。后續(xù)會根據(jù)此評價方法及模型，建立一套計算機的性能綜合評價系統(tǒng)，廣泛應用于各類計算機，實現(xiàn)數(shù)據(jù)自動采集與綜合評價功能，為個人或機構(gòu)測評計算機提供重要的參考依據(jù)。

參考文獻：

［１］ 趙波．基于ＰａｇｅＲａｎｋ 的計算機性能評價方法［Ｊ］．計算機工程，２０１０，３６（１７）：２８６?２８７＋２９０．

［２］ 劉力力．計算機系統(tǒng)性能評測與分析［Ｄ］．北京：中國科學院研究生院（計算技術(shù)研究所），２０００．

［３］ 李立明．基于多元統(tǒng)計分析方法的機器人綜合性能評價［Ｄ］．北京：北京工業(yè)大學，２０１４．

［４］ 朱建平，殷瑞飛．ＳＰＳＳ 在統(tǒng)計分析中的應用［Ｍ］．北京：清華大學出版社，２００７．

［５］ 余波，趙蓉英，邱均平．中國學者學術(shù)話語權(quán)評價指標體系的構(gòu)建與應用研究———以國際生物學為例［Ｊ］．情報科學，２０２１，３９（１２）：１０５?１１２＋１２５．

［６］ 何曉群．現(xiàn)代統(tǒng)計分析方法與應用［Ｍ］．北京：商務印書館，２００４．

［７］ 何曉群．多元統(tǒng)計分析［Ｍ］．北京：中國人民大學出版社，２００７．

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

［９］ 董宇暉．計算機性能定量分析方法研究［Ｊ］．計算機光盤軟件與應用，２０１２，１５（２２）：９７＋１１８．

［１０］ 楊軍偉．面向ＩａａＳ 云平臺測試的負載生成系統(tǒng)研究與實現(xiàn)［Ｄ］．杭州：杭州電子科技大學，２０１６．

［１１］ 吳平凡，劉顯德，吳少剛．基于龍芯平臺的Ｄｏｃｋｅｒ 評測與分析［Ｊ］．計算機系統(tǒng)應用，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］ ／ ／第十七屆計算機工程與工藝年會暨第三屆微處理器技術(shù)論壇論文集（下冊），２０１３：４３?５４．

［１３］ 陳金忠，姚念民，蔡紹濱，等．基于頁面寫相關(guān)的閃存轉(zhuǎn)換層策略［Ｊ］．通信學報，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價指標體系構(gòu)建［Ｊ］．情報雜志，２０１５，３４（１２）：３３?３７．