随着应用复杂度的日益增加,传统的软件性能测评、运行状态监控等手段越来越难以发现应用的潜在缺陷,同时对性能特征的数据分析具有更高的专业性和复杂度,难以依靠简单的人工判断完成。近年来,随着应用性能管理概念的兴起,如何将数据挖掘和机器学习的相关技术应用于应用性能管理领域中,成为未来应用性能评价的发展趋势。本文基于数据挖掘相关算法,设计了一种应用性能分类评估系统,能够深入挖掘应用各项性能指标的内在联系,并对应用性能做出有效分类和评估,解决了如何描述应用性能轮廓、如何深入评估应用运行表现的问题,为用户进一步定位异常、进行优化分析提供了依据。本文首先介绍了背景知识及开发实现所涉及的相关技术,并调研和说明了现有分析工具的功能和特点。通过分析系统在整个应用性能管理系统中的位置,得出本系统的工作场景和总体需求。然后,提出了本系统的总体结构,并对关键流程进行了阐述,给出了系统的内外接口。在此基础上,对本系统进行了详细设计,定义了系统的静态类结构和动态交互,给出了关键问题的详细流程和算法设计。随后设计了功能测试用例,对本系统进行了功能测试与验证,测试结果表明本系统基本符合需求。最后,对本系统的开发设计工作进行了总结,并指出了下一步的几个主要研究方向。