CCoW: Tối ưu hóa tính năng sao chép khi ghi có tính đến vị trí không gian trong khối lượng công việc Phần 6

Kích thước vùng tốt nhất và ngưỡng thay đổi tùy theo đặc điểm khối lượng công việc. Để đánh giá mức độ ảnh hưởng của khối lượng công việc, chúng tôi đo lường hiệu suất của CCoW đối với khối lượng công việc ở nhiều địa phương khác nhau. Cụ thể, chúng tôi đã thay đổi tham số của phân phối Zipf, xác định mức độ cục bộ.

Có một mối quan hệ chặt chẽ giữa trí nhớ của con người và khối lượng công việc. Khi chúng ta cần xử lý một lượng lớn thông tin hoặc hoàn thành các nhiệm vụ phức tạp, bộ não của chúng ta phải luôn cảnh giác cao độ để đảm bảo rằng tất cả thông tin cần thiết đều được xử lý và lưu trữ chính xác. Các tế bào thần kinh trong não liên tục kết nối và giao tiếp, điều này ảnh hưởng rất lớn đến cách chúng ta suy nghĩ và ghi nhớ.

Mặc dù việc xử lý lượng lớn thông tin và hoàn thành các nhiệm vụ phức tạp có thể thách thức trí nhớ và khả năng nhận thức của chúng ta, nhưng nghiên cứu cho thấy rằng nếu được đào tạo và thực hành phù hợp, chúng ta có thể cải thiện đáng kể trí nhớ và năng suất của mình. Ví dụ, qua các thí nghiệm, các nhà khoa học đã phát hiện ra rằng thông qua rèn luyện và thực hành trí nhớ sâu rộng, con người có thể cải thiện đáng kể trí nhớ và hiệu quả làm việc.

Từ góc độ này, chúng ta có thể kết luận rằng việc luyện tập và luyện tập liên tục là rất quan trọng đối với những người muốn cải thiện trí nhớ và hiệu quả công việc. Ngoài ra, hãy giữ thái độ tích cực, vì căng thẳng có thể cản trở trí nhớ và năng suất của một người.

Tóm lại, có mối tương quan chặt chẽ giữa khối lượng công việc và bộ nhớ. Chỉ cần chúng ta tập trung, rèn luyện và luyện tập thường xuyên cũng như duy trì thái độ tích cực, chúng ta có thể cải thiện đáng kể trí nhớ và hiệu quả công việc. Cistanche Deserticola cũng có thể điều chỉnh sự cân bằng của các chất dẫn truyền thần kinh, chẳng hạn như tăng mức độ acetylcholine và các yếu tố tăng trưởng, rất quan trọng đối với trí nhớ và khả năng học tập. Ngoài ra, Cistanche Deserticola cũng có thể cải thiện lưu lượng máu và thúc đẩy quá trình cung cấp oxy, điều này có thể đảm bảo não nhận đủ chất dinh dưỡng và năng lượng, từ đó cải thiện sức sống và sức bền của não.

Bấm vào biết cách cải thiện trí nhớ của bạn

Các quyền truy cập được phân phối đồng đều khi là {{0}} và giá trị của , càng cao thì mức độ địa phương mà khối lượng công việc thể hiện càng cao. Khi là 1.0, khoảng 80% hoạt động liên quan đến 20% dữ liệu.

Mức độ cục bộ này thường được tìm thấy trong một số khối lượng công việc thực tế, như nguyên tắc Pareto đã nêu. Chúng tôi đo lường bằng ba giá trị khác nhau, 1.0, 0.9 và 1.1, trong đó 1.0 là đường cơ sở và 0.9 và 1.1 đại diện cho khối lượng công việc có tính cục bộ thấp và cao tương ứng.

Hiệu suất CoW ban đầu thay đổi tùy theo khối lượng công việc, do đó, khoảng thời gian phân nhánh cho khối lượng công việc được đặt theo thời gian được đo bằng thiết lập CoW ban đầu. Ví dụ: nếu cấu hình CoW ban đầu cần 10 giây để khôi phục hiệu suất bình thường sau khi phân nhánh, thì các cấu hình CCoW khác cũng phân nhánh các tiến trình con cứ sau 10 giây.

Hình 5 tóm tắt thông lượng và mức sử dụng bộ nhớ trung bình của CCoW với khối lượng công việc cục bộ khác nhau. Đối với khối lượng công việc có tính cục bộ thấp, cấu hình có ngưỡng CCoW nhỏ thể hiện hiệu suất tốt hơn so với cấu hình có ngưỡng lớn. 'CCoW-all'thậm chí còn vượt trội hơn CoW ban đầu tới 15% trong khối lượng công việc có tính cục bộ thấp. Điều này là do tính hiệu quả của việc sao chép trước. Trong khối lượng công việc có tính cục bộ thấp, một phần lớn bộ nhớ sẽ được sao chép khi các quyền truy cập được trải đều trên toàn bộ không gian địa chỉ của quy trình. Trên thực tế, việc sao chép toàn bộ vùng sẽ dẫn đến việc sao chép trước bộ nhớ cần thiết với chi phí thấp.

Do đó, ngưỡng càng nhỏ thì hiệu suất của chương trình càng cao với khối lượng công việc có tính cục bộ thấp. Tuy nhiên, xu hướng này lại có tác dụng ngược với khối lượng công việc mang tính địa phương cao. Với khối lượng công việc có tính cục bộ cao, nhiều quyền truy cập tập trung vào một vài trang.

Điều này ngụ ý rằng chỉ một phần nhỏ bộ nhớ cần được sao chép trong suốt quá trình ghi chép. Sao chép toàn bộ vùng trên một trang bị lỗi có xu hướng sao chép các trang không được truy cập.

Điều này chỉ phát sinh chi phí tạm thời, làm giảm hiệu suất với khối lượng công việc ở địa phương cao hơn. Kết quả là, CCoW-all thể hiện hiệu suất kém nhất với khối lượng công việc có tính cục bộ cao. Các cấu hình khác hiển thị các mẫu khối lượng công việc cơ bản tương tự; hiệu suất đạt đỉnh ở giá trị ngưỡng 80% và giảm xuống ở ngưỡng nhỏ hơn.

Việc sử dụng bộ nhớ của điểm chuẩn cho thấy xu hướng nhất quán bất kể mức độ cục bộ của khối lượng công việc. 'CCoW-all' luôn thể hiện mức sử dụng bộ nhớ cao nhất vì nó luôn sao chép tất cả các trang trong bộ nhớ sau khi phân nhánh. Ngoài ra, dấu chân bộ nhớ tỷ lệ nghịch với giá trị ngưỡng; Giá trị ngưỡng càng nhỏ thì điểm chuẩn càng sử dụng nhiều bộ nhớ.

Khả năng khuếch đại bộ nhớ chỉ tăng tối đa 10% so với cấu hình CoW ban đầu, được coi là nằm trong phạm vi hợp lý. Ngoài việc phân tích hiệu suất của CCoW, chúng tôi so sánh hiệu suất của CCoW với hiệu suất của trang khổng lồ trong suốt (THP) sơ đồ của Linux.

THP hơi giống với CCoW ở chỗ nó nhằm mục đích giảm thiểu chi phí phát sinh từ các trang nhỏ. 'CoW-THP' trong Hình 5 thể hiện hiệu suất của cấu hình hỗ trợ THP. Lưu ý rằng hệ thống hỗ trợ THP xử lý CoW bằng cách chia các trang lớn thành các trang cơ sở trước khi sao chép trang bị lỗi và các sơ đồ khác tối ưu hóa THP [12–15,17] cũng vậy.

Chúng ta có thể quan sát thấy THP thể hiện hiệu suất tốt hơn cấu hình 'chỉ CoW' mặc định. Chúng tôi cho rằng hiệu suất đạt được là do hiệu quả dịch địa chỉ tăng lên với các trang lớn.

Cụ thể, theo sơ đồ THP, phần nóng của không gian địa chỉ quy trình có thể được chia thành các trang cơ sở, do đó cung cấp hiệu suất tương tự như cấu hình 'chỉ CoW'. Tuy nhiên, phần lạnh của không gian địa chỉ quy trình không bị phân chia và được duy trì bằng các trang lớn. Vì vậy, điều này có thể tăng hiệu suất ứng dụng ở một mức độ nào đó.

Tuy nhiên, THP không mang lại nhiều cải thiện hiệu suất như CCoW. Hình 6 cho thấy sự phân bổ tích lũy của thông lượng trong quá trình đánh giá. Trục x biểu thị thông lượng trong các hoạt động mỗi giây và trục y biểu thị tỷ lệ tích lũy của hiệu suất trên giá trị thông lượng. Ngoại trừ CCoW-all, chúng tôi có thể tìm thấy ba phạm vi thông lượng được quan sát thường xuyên bất kể cấu hình.

Nhóm đầu tiên trong tỷ lệ tích lũy của {{0}} đến 0.1 biểu thị khoảng thời gian mà hiệu suất điểm chuẩn giảm ngay sau đợt phân nhánh. Sau đó, hiệu suất sẽ phục hồi theo thời gian, như ở nhóm thứ hai với tỷ lệ tích lũy là 0,1 trên 0,7.

Tỷ lệ tích lũy còn lại trong phạm vi từ {{0}},7 đến 1,0 là từ các truy cập không phát sinh lỗi trang. Nhìn chung, cấu hình CCoW có xu hướng giảm hiệu suất nghiêm trọng hơn CoW ban đầu. Cụ thể, với khối lượng công việc có tính cục bộ cao của sơ đồ CoW ban đầu, thông lượng giảm xuống khoảng 1900 K hoạt động mỗi giây ngay sau khi phân nhánh.

Sau đó, nó sẽ tăng dần lên phạm vi hoạt động 2500 K mỗi giây. Với CCoW, hiệu suất giảm nhiều hơn, xuống phạm vi 1700 K thao tác mỗi giây. Tuy nhiên, hiệu suất phục hồi nhanh hơn, thể hiện hiệu suất tốt hơn CoW ban đầu trong hầu hết thời gian (tức là chủ yếu ở phía bên phải của biểu đồ tích lũy). Chúng ta cũng có thể quan sát xu hướng tương tự từ các khối lượng công việc khác và cấu hình CCoW-all thể hiện hành vi cực đoan; ngay sau khi phân nhánh, hiệu suất giảm đáng kể và duy trì ở mức thấp trong khi hầu hết không gian địa chỉ được sao chép bằng quyền truy cập trải rộng.

Tuy nhiên, sau thời điểm đó, chỉ có một số lỗi trang xảy ra, do đó hầu hết các truy cập đều được xử lý mà không có lỗi trang. Do đó, thông lượng có sự phân bố hai chiều trong CCoW. Từ đánh giá này, chúng tôi xác nhận rằng CCoW cung cấp hiệu suất tối ưu bằng cách tối ưu hóa trường hợp thông thường.

Tuy nhiên, việc giảm hiệu suất cần được giải quyết để có được các đặc tính hiệu suất tốt hơn. Vì mục đích này, chúng tôi hiện đang nỗ lực hạn chế lượng dữ liệu được sao chép ngay sau đợt phân nhánh.

4.2. Hiệu suất CCoW trên khối lượng công việc thực tế

Để đánh giá CCoW được đề xuất dựa trên khối lượng công việc thực tế, chúng tôi đã sử dụng Redis và YCSB. Redis là cơ sở dữ liệu khóa-giá trị trong bộ nhớ được sử dụng rộng rãi để tăng tốc các ứng dụng quy mô Internet.

Chúng tôi đã sử dụng Điểm chuẩn YCSB để điền các cặp khóa-giá trị trong phiên bản Redis và thực hiện các thao tác trên chúng. Cụ thể, phiên bản Redis được khởi tạo với 10 GB cặp khóa-giá trị với cấu hình YCSB mặc định.

Tất cả các khóa và giá trị có kích thước tương ứng là 23 và 100 byte và mỗi khóa chứa 10 trường giá trị. Sau khi điền phiên bản Redis, chúng tôi đã định cấu hình phiên bản này để tạo ảnh chụp nhanh và sau đó cung cấp các hoạt động cập nhật bằng YCSB.

Để kết hợp vị trí tạm thời trong các truy cập khóa-giá trị, chúng tôi thiết lập khối lượng công việc YCSB để chọn khóa mục tiêu theo phân phối Zip bằng cách sử dụng giá trị tham số là 1.0.

Trong khi thực hiện 100 GB bản cập nhật, chúng tôi đã thu thập thông lượng cho mỗi giây của báo cáo điểm chuẩn YCSB. Hình 7 tóm tắt thông lượng và mức sử dụng bộ nhớ trung bình của phiên bản Redis khi hệ thống được cấu hình để sử dụng CoW hoặc CCoW ban đầu. Lưu ý rằng chúng tôi đã sử dụng 2 MB cho kích thước vùng và tất cả các giá trị kết quả đã được chuẩn hóa thành giá trị của CoW.

Nhìn chung, tất cả cấu hình CCoW đều hoạt động tốt hơn CoW ban đầu, bất kể ngưỡng phủ sóng. Tương tự như vậy, như chúng tôi đã phân tích ở trên, hiệu suất được xác định bằng sự cân bằng giữa hiệu suất đạt được từ việc giảm thiểu sao chép khi ghi và chi phí sao chép các trang bổ sung. Khi giá trị ngưỡng cao, chỉ một số vùng được sao chép, khiến cả cơ hội tối ưu hóa lẫn chi phí bộ nhớ đều nhỏ.

Khi giá trị ngưỡng giảm xuống dưới 85%, dung lượng bộ nhớ sẽ tăng lên và phát sinh thêm chi phí. Do đó, thông lượng trung bình của CCoW thay đổi tùy theo ngưỡng phủ sóng nhưng cho thấy mức cải thiện hiệu suất lên tới 5% so với CoW ban đầu.

Với khối lượng công việc Redis và YCSB, chúng tôi chỉ quan sát thấy sự cải thiện hiệu suất nhẹ với THP. Điều này là do trong khối lượng công việc, quyền truy cập ghi nằm rải rác trên không gian địa chỉ quy trình và các trang lớn được chia thành các trang cơ sở một cách hiệu quả trong khi xử lý CoW.

Vì quy trình Redis chỉ có thể có một vài trang lớn nên hiệu suất của nó tương tự như cấu hình cơ bản. Kết quả này chứng minh rằng phương pháp dựa trên THP kém hiệu quả hơn trong khối lượng công việc cần ghi nhiều và CCoW vượt trội hơn THP.

Để đánh giá tính chính xác của cơ chế xác định các vùng có tính cục bộ cao, chúng tôi đã phân loại lý do của cơ chế tạo bản sao cho mỗi trang được sao chép. Cụ thể, chúng tôi đã thu thập tỷ lệ các trang được sao chép trong số tất cả các trang được sao chép. Khi tỷ lệ sao chép trước làx%, tăng tổng dung lượng bộ nhớ lên y%, chúng ta có thể tính tỷ lệ sao chép không cần thiết bằng cách chia y cho x.

Ví dụ: trên cấu hình CCoW-80, 26,9% số trang sao chép được sao chép, làm tăng mức chiếm dụng bộ nhớ lên 6,7%. Điều này ngụ ý rằng 24,9% số trang sao chép trước không được tham chiếu. Bảng 1 tóm tắt tính toán. Tỷ lệ sao chép trước không cần thiết dao động từ 23,4% đến 35,6% và từ kết quả đánh giá có thể kết luận rằng sơ đồ đề xuất nắm bắt chính xác các khu vực có tính địa phương cao.

5. Kết Luận

Trong nghiên cứu này, chúng tôi đã đề xuất CCoW, một sơ đồ sao chép khi ghi được tối ưu hóa cho khối lượng công việc có tính cục bộ không gian cao. CCoW chia không gian địa chỉ tiến trình thành các vùng và ước tính vị trí của chúng trong phạm vi bao phủ.

Việc ghi vào vùng có tính cục bộ cao sẽ khiến trình xử lý lỗi trang sao chép trước các trang gần đó. Để theo dõi chính xác phạm vi đưa tin sau khi sao chép trước, CCoW tận dụng phần bẩn trong bảng trang. Việc đánh giá bằng các điểm chuẩn đã xác nhận rằng sơ đồ đề xuất có thể xác định các khu vực có tính cục bộ cao với chi phí hoạt động thấp, cho phép đạt được hiệu suất từ ​​các ứng dụng mà không cần sửa đổi.

Như chúng tôi đã đề cập, hiệu suất giảm đáng kể ngay sau khi phân nhánh do lượng dữ liệu khổng lồ cần sao chép. Chúng tôi hiện đang nỗ lực quản lý hiệu suất giảm dần bằng cách điều chỉnh tốc độ sao chép trước và thực hiện sao chép trước một cách không đồng bộ. Chúng tôi cũng đang có kế hoạch kết hợp một cơ chế thích ứng để điều chỉnh các thông số cấu hình theo đặc điểm của khối lượng công việc hiện tại.

Đóng góp của tác giả: Khái niệm hóa, MH và S.-HK; phương pháp luận, MH; phần mềm, MH;xác thực, MH và S.-HK; phân tích chính thức, MH và S.-HK; điều tra, MH và S.-HK;các nguồn tài nguyên, S.-HK; quản lý dữ liệu, MH; soạn thảo văn bản gốc, MH; viết-xem xét và biên tập, MH và S.-HK; hình dung, MH; giám sát, S.-HK; quản lý dự án,S.-HK; mua lại tài trợ, S.-HK Tất cả các tác giả đã đọc và đồng ý với phiên bản đã xuất bản của bản thảo.

Tài trợ: Nghiên cứu này được hỗ trợ bởi khoản trợ cấp của Viện Nghiên cứu Điện tử và Viễn thông (ETRI) do chính phủ Hàn Quốc tài trợ (20ZS1310) và chương trình BK21 FOUR của Quỹ Nghiên cứu Quốc gia Hàn Quốc do Bộ Giáo dục tài trợ (NRF5199991014091).

Tuyên bố của Ban Đánh giá Thể chế: Không áp dụng.

Tuyên bố đồng ý sau khi được thông báo: Không áp dụng.

Tuyên bố về tính sẵn có của dữ liệu: Không áp dụng.

Xung đột lợi ích: Các tác giả tuyên bố không có xung đột lợi ích.

Người giới thiệu
1. Gorman, M. Tìm hiểu Trình quản lý bộ nhớ ảo Linux; Prentice Hall: Upper Saddle River, NJ, Mỹ, 2007.

2. Bovet, DP; Cesati, M. Tìm hiểu về hạt nhân Linux; O'Reilly: Newton, MA, Mỹ, 2001.

3. Love, R. Phát triển hạt nhân Linux, tái bản lần thứ 3; Addison Wesley: Boston, MA, Hoa Kỳ, 2010.

4. Phòng thí nghiệm, R. Redis. Có sẵn trực tuyến: https://github.com/redis/redis (truy cập vào ngày 7 tháng 6 năm 2021).

5. Silberschatz, A.; Galvin, PB; Gagne, G. Khái niệm hệ điều hành; Công ty xuất bản Addison-Wesley Longman: Boston, MA,USA, 2018.

6. Harris, SL; Harris, D. Thiết kế Kỹ thuật số và Kiến trúc Máy tính; Morgan Kaufmann: Burlington, MA, Hoa Kỳ, 2022.

7. Abi-Chahla, F. Intel Core i7 (Nehalem): Kiến trúc của AMD? Có sẵn trực tuyến: https://www.tomshardware.com/reviews/Intel-i7-nehalem-cpu,2041.html (truy cập vào ngày 18 tháng 10 năm 2021).

8. Phạm, B.; Bhattacharjee, A.; Eckert, Y.; Loh, GH Tăng phạm vi tiếp cận TLB bằng cách khai thác phân cụm trong bản dịch trang. Trong Kỷ yếu của Hội nghị chuyên đề quốc tế lần thứ 20 của IEEE về Kiến trúc máy tính hiệu năng cao (HPCA'14), Orlando, FL, Hoa Kỳ, ngày 15–19 tháng 2 năm 2014; trang 558–567.

For more information:1950477648nn@gmail.com