Стратегія кешування, заснована на алгоритмі витіснення давно не використаних елементів у пам’яті системи
- Деталі
- Категорія: IT-технології
- Останнє оновлення: Вівторок, 09 лютого 2016, 22:54
- Опубліковано: Вівторок, 09 лютого 2016, 22:54
- Перегляди: 3812
Автори:
Хен Ян, Наньянский педагогічний університет, м. Наньян, провінція Хенань, КНР
Реферат:
Мета. Останнім часом ми все частіше чуємо про супермасиви даних (даних великого об'єму). Як у ділових, так і в особистих цілях користувачам необхідно зберігати багато важливої інформації. При використанні системи зберігання даних ми хочемо, аби система відповідала на запит досить швидко, без затримок. Для системи збері-гання даних – це дуже складне завдання. До теперішнього часу вчені провели дуже багато досліджень у цьому напрямі та з'ясували, що використання кеш (швидкодіючої буферної пам'яті) у системі зберігання даних дозво-ляє значно поліпшити її продуктивність.
Методика. У сфері оперативного зберігання інформації велика увага приділяється дослідженню алгоритмів кешування. Найбільш популярним є алгоритм витіснення на основі найбільш давнього використання (LRU — Least Recently Used).
Результати. Оскільки нове значення хеш-функції, що переміщуеться на вершину стека, вимагає внести зміни до стека, навіть якщо відвідувана сторінка вже знаходиться в пам'яті, це займає багато часу. Для поліпшення продуктивності необхідний покращений алгоритм кешування.
Наукова новизна. Розроблена нова стратегія заміщення на основі алгоритму LRU, названа покращеним ал-горитмом ILRU. Покращений алгоритм може підвищити частоту успішних звернень, коли користувачі різко підвищують кількість звернень до незнайомої сторінки. Алгоритм визначає, чи привласнене значення хеш-функції сторінці шляхом пошуку у LRU черги.
Практична значимість. Результати тестування показали, що покращений алгоритм ILRU підвищує продукти-вність у порівнянні з традиційним алгоритмом LRU. До того ж, покращений алгоритм ILRU має вищу частоту успішних звернень, ніж алгоритм типу “першим прийшов − першим вийшов”.
Список літератури / References:
1. Gantz, J. and Reinsel, D. (2011), “The digital universe in 2020: Big data, bigger digital shadows, and biggest growth in the far east”, IDC iView: IDC Analyze the Future, pp. 1−16.
2. Xu, Z., Ning, W., Vassilios, G.V. and Michael, P.H. (2015), “A distributed in-network caching scheme for P2P-like content chunk delivery”, Computer Networks, vol. 91, no.14, pp. 577−592.
3. Hamilton, T., Brian, D., Jules, W., Russell, K., Jonathan, P. and Douglas, C.S. (2014), “Aniruddha Gokhale. DRE system performance optimization with the SMACK cache efficiency metric”, Journal of Systems and Software, vol. 98, pp. 25−43.
4. P. Julian B. and F. Sagayaraj F. (2015), “Improving the performance of a proxy cache using very fast decision tree classifier”, Procedia Computer Science, vol. 48, pp. 304−312.
5. Nicaise C.F., Philippe, N., Giovanni, N. and Don, T. (2014), “Performance evaluation of hierarchical TTL-based cache networks”, Computer Networks, vol. 48, pp. 304−312.
6. O'neil, E.J., O'neil, P.E. and Weikum, G. (2012), “The LRU-K page replacement algorithm for database disk buffering”, Proc. of the Conf. on ACM SIGMOD Record, NY, USA, pp. 297−306.
7. Shasha, D. and Johnson, T. (2010), “2Q: A low overhead high performance buffer management replacement algoritm”, Proc. of the 20th International Conference on Very Large Databases. Copenhagen, Danmark, pp. 439−450.
8. Wenjia, N., Gang, L., Endong, T., Xinghua, Y., Liang, C., Zhong, Z.S. and Song, C. (2014), “Interaction relationships of caches in agent-based HD video surveillance: Discovery and utilization”, Journal of Network and Computer Applications, vol. 37, pp. 155−169.
9. Jiang, S., Ding, X. and Chen, F. (2006), “DULO: an effective buffer cache management scheme to exploit both temporal and spatial locality”, Proc. of the 4th USENIX Conference on File and Storage Technologies. California, USA, pp. 8−17.
![]() ![]() |
|
![]() ![]() ![]() |
![]() |