Dans cet article, nous proposons DHDA, un framework d'apprentissage en ligne des performances de configuration pour les systèmes logiciels composables modernes fonctionnant dans des environnements dynamiques. DHDA utilise une approche d'adaptation à double couche pour s'adapter à la fois à la dérive globale (changements de performances sur l'ensemble de l'espace de configuration) et à la dérive locale (changements affectant uniquement des sous-régions spécifiques de l'espace de configuration). À haut niveau, les données sont repartitionnées et les modèles locaux sont réentraînés au sein de chaque partition pour gérer la dérive globale uniquement lorsque cela est nécessaire. À bas niveau, les modèles locaux de chaque partition détectent la dérive locale et s'adaptent de manière asynchrone. Pour équilibrer réactivité et efficacité, DHDA combine des mises à jour incrémentielles avec un réentraînement global périodique afin de minimiser les calculs inutiles lorsque la dérive n'est pas détectée. Des évaluations sur huit systèmes logiciels montrent que DHDA atteint une précision nettement supérieure aux techniques de pointe, s'adapte efficacement à la dérive avec des gains de performance pouvant atteindre un facteur 2 et entraîne une surcharge raisonnable.
