Långsam prestanda för applikationer kan påverka användarupplevelsen negativt och öka kundsupportens arbetslast för företag. Systemeflaskhalsar är en vanlig orsak till långsam prestanda, vilket uppstår när systemresurser blir tungt belastade och begränsar den övergripande systemprestandan. Denna studie undersöker utvecklingen av ett automatiskt självrapporteringssystem som använder USE metoden för att identifiera och rapportera potentiella flaskhalsar på ett användarvänligt sätt. Målet är att ge användarna möjlighet att förbättra applikationsprestandan självständigt och minska företagens kundsupportansvar. Dessutom undersöker studien precisionen hos de rapporterade flaskhalsarna för att säkerställa deras användbarhet. Den resulterande produkten analyserar systemets hälsa under användardefinierade tidsintervall och ger mänskligt liknande beskrivningar av de potentiella orsaker till långsam prestanda. Självrapporteringssystemets precisionen visade sig vara cirka 95%. Resultaten visade att det är möjligt att automatisera självrapportering av hårdvaruflaskhalsar för användare och det visade sig att precisionen var hög. Det noterades dock också att denna lösning bara testades för en kategori av flaskhalsar och att ytterligare forskning bör göras innan detta används i produktion / Slow application performance can adversely affect user experience and increase the customer support burden for companies. System bottlenecks are a common cause of slow performance, arising when system resources are heavily loaded and limit overall system performance. This study investigates the development of an automated self-reporting system that relies on the USE method to identify and report potential bottlenecks to consumers in a user-friendly manner. The aim is to empower users to improve application performance and alleviate companies of customer support responsibilities. Additionally, the study examines the accuracy of the reported bottlenecks to ensure their usefulness. The resulting product analyzes system health over user-defined time intervals and provides human-like descriptions of the potential causes of slow performance. The accuracy of the self-reporting system was found to be approximately 95%. The results showed that it is indeed possible to automate the self-reporting of hardware bottlenecks for consumers, which proved to be accurate. However, it was also noted that this solution was only tested for one category of bottlenecks, and further research should be done before using this in production.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:miun-48574 |
Date | January 2023 |
Creators | Greenberg, Samuel |
Publisher | Mittuniversitetet, Institutionen för data- och elektroteknik (2023-) |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0961 seconds