Los benchmarks utilizados para comparar el rendimiento de
diferentes sistemas presentan una alta variabilidad que puede ser representada
en modelos de variabilidad como los Feature Models. En este
artículo presentamos los problemas de escalabilidad y complejidad de
selección por objetivos de los Feature Models, y una posible solución,
mostrando las ventajas de la caracterización de benchmarks (dada por
sus cargas de trabajo). Para esta mejora formalizamos un modelo de
caracterización de paquetes de cargas de trabajo para Feature Models,
basándonos en ocho atributos abstractos (operaciones matemáticas, memoria,
...). Este modelo y sus ventajas son evaluados en el eco-asistente
HADAS, junto a un benchmark PHP, y al benchmark de sistemas empotrados
BEEBS, obteniendo una capacidad de selección más intuitiva,
y un decremento en el tiempo de obtención de configuraciones válidas y
sus métricas en HADAS, con respecto a la representación estándar.