本論文は、動的環境で動作する現代の構成可能なソフトウェアシステムのためのオンライン構成性能学習フレームワークであるDHDAを提案する。 ＤＨＤＡは、グローバルドリフト（全体構成空間の性能変化）と局所ドリフト（構成空間の特定のサブ領域にのみ影響を及ぼす変化）の両方に適応するために二重階層適応方式を使用する。上位レベルでは、データを再分割し、各分割内で局所モデルを再訓練し、必要な場合にのみグローバルドリフトを処理します。下位レベルでは、各分割の局所モデルが局所的なドリフトを検出し、非同期的に適応する。反応性と効率をバランスよく調整するために、DHDAは増分更新と定期的な全体的な再訓練を組み合わせて、ドリフトが検出されないときに不要な計算を最小限に抑えます。 8つのソフトウェアシステムを評価した結果、DHDAは最先端技術よりもはるかに優れた精度を達成し、最大2倍の性能向上でドリフトに効果的に適応し、合理的なオーバーヘッドを発生させることを示した。
