Laner, StefanHauder, MatheusSaake, GunterHenrich, AndreasLehner, WolfgangNeumann, ThomasKöppen, Veit2018-10-242018-10-242013978-3-88579-610-7https://dl.gi.de/handle/20.500.12116/17439Eine Optimierung der Performance von Anwendungen verbessert deren Laufzeiten und senkt deren Betriebskosten. Um Performance-Optimierungen vornehmen zu können, müssen zunächst Optimierungspotentiale identifiziert werden. Dazu werden Performancedaten erfasst und analysiert. Unternehmensanwendungen, die auf IBM Mainframes betrieben werden, lassen sich mit aktuellen Verfahren allerdings nur umständlich analysieren. Die derzeit gängigen Werkzeuge liefern eine Vielzahl an In- formationen, die manuell ausgewertet werden müssen. Eigentlich zusammengehörige Informationen sind dort zum Teil über verschiedene Reports verteilt und auffällige Programmteile oftmals nur über geeignete Aggregation identifizierbar. Der in diesem Artikel vorgestellte Ansatz überführt die Daten aus einem konkreten Profiling- Werkzeug in ein Meta-Modell, welches für eine automatische Analyse herangezogen werden kann. Zudem beschreibt er Beispiele für Anti-Pattern, also Muster von bekannten Performance-Problemen, die in realen Systemen beobachtet wurden und wie sich diese aus dem Meta-Modell ermitteln lassen.deText/Conference Paper1617-5468