2008-09-02 Cameron Zwarich <cwzwarich@uwaterloo.ca>
[WebKit-https.git] / SunSpider / TODO
1
2 * Add more test cases. Categories we'd like to cover (with reasonably
3   real-world tests, preferably not microbenchmarks) include:
4
5   (X marks the ones that are fairly well covered now).
6
7     X math (general)
8     X bitops
9     X 3-d (the math bits)
10     - crypto / encoding
11     X string processing
12     - regexps
13     - date processing
14     - array processing
15     - control flow
16     - function calls / recursion
17     - object access (unclear if it is possible to make a realistic 
18       benchmark that isolates this)
19
20   I'd specifically like to add all the computer language shootout
21   tests that Mozilla is using.
22
23 * Normalize tests. Most of the test cases available have a repeat
24   count of some sort, so the time they take can be tuned. The tests
25   should be tuned so that each category contributes about the same
26   total, and so each test in each category contributes about the same
27   amount. The question is, what implementation should be the baseline?
28   My current thought is to either pick some specific browser on a
29   specific platform (IE 7 or Firefox 2 perhaps), or try to target the
30   average that some set of same-generation release browsers get on
31   each test. The latter is more work. IE7 is probably a reasonable
32   normalization target since it is the latest version of the most
33   popular browser, so results on this benchmark will tell you how much
34   you have to gain or lose by using a different browser.
35
36 * Instead of using the standard error, the correct way to calculate
37   a 95% confidence interval for a small sample is the t-test. 
38   <http://en.wikipedia.org/wiki/Student%27s_t-test>. Basically this involves
39   using values from a 2-tailed t-distribution table instead of 1.96 to
40   multiply by the error function, a table is available at
41   <http://www.medcalc.be/manual/t-distribution.php>
42
43 * Add support to compare two different engines (or two builds of the
44   same engine) interleaved.
45
46 * Add support to compare two existing sets of saved results.
47
48 * Allow repeat count to be controlled from the browser-hosted version
49   and the WebKitTools wrapper script.
50
51 * Add support to run only a subset of the tests (both command-line and
52   web versions).
53
54 * Add a profile mode for the command-line version that runs the tests
55   repeatedly in the same command-line interpreter instance, for ease
56   of profiling.
57
58 * Make the browser-hosted version prettier, both in general design and
59   maybe using bar graphs for the output.
60
61 * Make it possible to track change over time and generate a graph per
62   result showing result and error bar for each version.
63
64 * Hook up to automated testing / buildbot infrastructure.
65
66 * Possibly... add the ability to download iBench from its original
67   server, pull out the JS test content, preprocess it, and add it as a
68   category to the benchmark.
69
70 * Profit.