基于替换概率的闪存数据库缓冲区替换算法

闪存具有和传统磁盘不同的特性,包括写前擦除、异地更新、读写延迟非对称等.传统的面向磁盘的缓冲区替换算法无法在闪存数据库系统中获得较好的性能.文中提出了一种新的面向闪存数据库的缓冲区替换算法——APB-LRU,其特点:(1)该算法将缓冲区分为冷区和热区,用来捕获数据访问频度,前者用于存放只访问过一次的数据页,后者用于存放至少访问过两次的数据页;(2)采用了其它研究所没有的概率替换机制,即以较大的概率替换冷区中的干净页,以较小的概率替换冷区中的脏页,从而避免了冷脏页长期驻留缓冲区的情况,提高了命中率,获得了较好的整体性能;(3)设计了冷、热区比例动态变化机制,可以根据工作负载的变化动态调整冷、热区所占缓冲区的比例,从而使得替换算法在不同的负载模式下都可以取得较好的性能.基于不同测试数据集的大量实验结果表明,APB-LRU算法具有比其它已有的算法更好的性能.

一种代价感知的细粒度闪存缓冲区替换算法

闪存具有异地更新、读写代价非对称、写前擦除、读代价小、功耗低等特征,与传统的磁盘存在巨大的差异.所以针对不同的存储介质需要采用不同的管理策略.为了提高闪存效率,缓冲区的管理尤为重要.传统的磁盘缓冲区管理算法不能适应闪存特征,无法满足闪存缓冲区的高效管理.为了优化现有缓冲区替换算法以适应闪存存储介质,本文提出了一种代价敏感的缓冲区替换算法,FSO-LRU,用于提高闪存效率.该算法的优势在于考虑了不同缓存页的不同替换代价和不同重用概率,每次替换对系统性能影响最小的缓存页进行替换,从而保证了系统的性能.因此FSO-LRU算法将传统的缓冲区物理页的LRU列表分为四个LRU列表,热干净LRU列表、热脏LRU列表、冷干净LRU列表、冷脏LRU列表,根据每个LRU列表的特征,考虑四个列表的重用概率,尽量保证优先替换重用概率低的物理页,因为替换重用概率低的物理页所需的代价更低;同时考虑读和写闪存所需的代价差异很大,写闪存的代价远远高于读闪存的代价,优先替换不需要写闪存的物理页,减少系统代价.通过大量的实验结果表明本文提出的FSO-LRU具有很大的优势,对比现有算法,能提升较大的性能.

大规模混合数据库缓冲区替换方法优化仿真

为提高数据库数据使用率,对大规模混合数据库的缓冲区进行替换优化。由于数据库存储数据量较大,使得需要多个缓冲区进行数据间的替换。传统的替换方法,主要在数据传输过程中对缓冲区直接进行替换,忽略了数据滞留等原因造成的缓冲区替换不全面的问题。提出生命值敏感的大规模混合数据库缓冲区替换优化方法。对数据库缓冲区进行划分,定义数据库缓冲区内各个数据页的访问频度、新颖度和读写代价权重的生命值,将频率因素引入传统替换算法中,依据用户实时访问请求和历史访问记录预测其将来可能要访问的数据,并形成用户访问数据页预测对象集,利用改进的传统替换算法将权值较弱且不属于预测对象集的数据页进行替换。实验结果表明,采用改进方法相比传统替换方法,可有效提高数据库使用率。

基于闪存的数据库缓冲区替换算法优化研究

闪存具有和传统磁盘不同的特性,包括写前擦除、异地更新、读写延迟非对称等。传统的面向磁盘的缓冲区替换算法无法在闪存数据库系统中获得较好的性能。文中提出了一种新的面向闪存数据库的缓冲区替换算法,从而使得替换算法在不同的负载模式下都可以取得较好的性能。

基于生命值敏感的闪存数据库缓冲区替换算法

针对现有面向闪存的缓冲区替换算法的不足,提出了一种基于生命值敏感的闪存数据库缓冲区替换算法LAB-LRU。该算法把缓冲区分为3个LRU链表来管理,为缓冲区中每个活跃页定义生命值,使高生命值的数据页在缓存中停留更久。生命值的定义充分结合了数据页的访问频度、新颖度(recency)和闪存的读写代价,并采用多线程技术和双阈值控制实现并行高效替换。采用符合Zipf分布的不同用例进行测试,实验结果表明:在缓存命中率、闪存读写次数和系统运行时间方面,本文提出的LAB-LRU算法与现有缓存算法相比性能得到了明显提高。

基于分区替换概率的闪存数据库缓冲区自适应替换算法

本文介绍了闪存数据库的特征与其对计算机数据结构的需求,从这需求入手分析了目前常用的计算机问题,以此为背景和依据,提出了以分区替换概率为基础的闪存数据库缓冲区替换算法与进一步的自适应替换算法,论述了这两种算法对闪存数据库的优化作用,希望对闪存应用技术的进一步发展普及有所帮助。

文档查询语言ODQ查询优化技术

ODQ(Office Document Query)是一种面向流式办公文档的查询语言,为流式办公文档提供增、删、改、查操作。针对文档查询语言ODQ系统I/O操作时会导致执行效率下降的问题,通过采用查询重用技术对ODQ系统进行优化,提出了适合于ODQ的缓冲区管理策略,设计了缓冲区中节点的数据结构、缓冲区节点的替换策略。测试结果表明采用优化策略的ODQ执行效率比优化前有显著提高。