基于RISC-V架构的Spike缓存模型的设计和实现

使用基于精简指令集原则的指令架构(RISC-V)的指令集,针对现有Spike验证模型中的缓存写回功能的缺失问题,设计一种基于RISC-V指令集的现代超标量处理器缓存模型。基于现代高速缓存的基本原理,结合Spike验证模型,实现现代高速缓存的基本读写操作,并进行系统级芯片(SoC)环境下的仿真和验证,可作为微型电子芯片(IC)前端逻辑设计中的验证模型使用。该方案能够以较快的时间完成基于RISC-V指令集的大型SoC的设计与验证。

WWW中缓存模型的优化设计

ＷＷＷ提供了方便的手段来访问远程信息资源，对于Ｗｅｂ用户而言，衡量Ｗｅｂ服务质量的一个重要指标就是检索信息所花费的时间。缩短检索时间的途径很多，此文主要介绍通过设置缓存机制，降低用户对资源访问请求次数，达到缩短用户直观感觉上的检索时间的方法。并讨论一种基于Ｃ／Ｓ结构的缓存模型，提出了新的缓存替换算法，综合考虑了文档长度，网络负载等参数，实现了缓存模型的优化。经过实验验证，该算法优于目前的缓存替换算法。

基于多预测树组合算法的电力信息系统数据库缓存模型

为解决电力大数据时代背景下信息系统数据库体积大、并发量高导致的运行效率瓶颈,分析了当前几种缓存模型的基本架构和原理,综合电力内网中各业务系统的主要特点,构建了一个电力信息系统数据库缓存模型,在模型中设计了一种多预测树组合算法(预测树森林)。通过在应用层使用boosting方式对队列进行抽样得到具有时序性和业务逻辑特点的SQL语句构建预测树森林,智能预测可能发生的数据库操作并将结果集提前缓存到内存中,模型还可以根据系统的运行情况动态调整预测树森林的投票阈值,从而达到提高缓存效率和命中率的目的。并基于Oracle数据库对模型的可行性进行了讨论,在云平台下运行结果表明模型不仅算法收敛速度快而且能够实现同等内存容量下缓存效率的提高。

蓝鲸分布式文件系统的客户端元数据缓存模型

在蓝鲸分布式文件系统中,客户端的所有无数据操作都是通过远程过程调用由元数据服务器完成,所有数据读写都是直接与存储服务器交换完成的。由于通信延迟,在客户端进行频繁数据读写时,元数据信息交换影响了整个系统的性能。我们设计了一种在客户端尽量缓存文件元数据信息的模型,有效地减少了元数据通信,缩短了整个读写过程的延迟,极大地提高了蓝鲸分布式文件系统的性能。

一种基于关联规则的代理缓存模型

将数据挖掘中关联规则技术应用到代理缓存管理和调度上 ,提出了一个新颖的基于关联规则的代理缓存模型 ,同时对该模型系统实现的一些关键技术做了详细的说明 ,并初步分析了其性能代价。试验表明该模型具有相当的可行性和有效性。

基于Java应用程序的可移植缓存模型

为了研究Java应用程序与缓存系统的相互独立性,结合Java应用程序的缓存特征,提出了一种基于Java的可移植缓存模型PCM-JA.借助Java技术的平台无关性,PCM-JA型可以移植到不同的平台.并且为Java应用程序提供了一个通用的方法来创建、访问、更新和删除Cache中的条目,介绍了该模型的五个核心模块及其功能实现,研究了具体的缓存策略,结合现有缓存算法给出了相应的算法设计.实验结果表明,提出的缓存模型具有较好的性能.

基于优化缓存模型的IPQAM频点管理方法研究

针对已有基于缓存策略的IPQAM（边缘调制器）频点管理方法中响应速率有待进一步提高、响应时延较大等问题, 提出了一种基于优化缓存模型的IPQAM频点管理方法。该优化缓存模型的设计充分考虑了IPQAM频点资源、频点端口资源, 以及资源所在服务组之间的关联关系, 模型中只加载资源的部分属性, 以降低对系统内存的消耗。基于该优化缓存模型, 设计并实现了一种IPQAM频点分配、回收方法, 该方法充分利用该优化缓存模型的结构优势, 能够快速完成目标资源的定位, 具备较优的平均时间复杂度。仿真实验表明, 与同类方法相比, 该方法能够以更低的响应时延（0. 02~0. 04 ms）提供更高的响应速率（最高16 000次/s）, 在管理资源数量方面, 具备很好的系统可伸缩性。

基于边缘计算的通讯数据缓存模型时延特性优化

提出了基于边缘计算的通讯数据缓存模型时延特性优化。引用了新型数学方法边缘计算,通过建立时延特性目标函数、优化目标函数来完成通讯数据时延特性的优化问题,为通讯设备的发展提供了理论基础。

基于三维模型的爆破设计优化及工程应用

基于GIS技术研发了e-blast智能化三维爆破设计软件,实现了基于三维模型的智能化炮孔设计、装药设计、联网设计、效果评估与评价。结果表明:通过软件与智能化钻机数据交互,钻孔精度提高17%,设计和钻孔施工综合效率提高30%,并提高了爆破质量,促进了矿山开采少人化,降低了安全风险。

Web缓存优化模型研究

缓存模型研究的核心是替换策略的优化。分析并比较传统缓存模型IRM和MRM的思想,基于相对流行度以及字节代价的概念,提出满足命中率、字节命中率和延迟时间等不同性能指标要求的Web缓存优化模型,并给出相应算法。实验及分析表明,Web缓存优化模型替换算法的性能表现较传统算法有所提高。

混合架构下多请求模式的缓存替换模型研究

针对多类型多访问模式应用的需求,在GDSF算法的基础上,引入平均访问间隔和最近访问间隔两个特性以增强算法的适应性;建立缓存结构模型,通过双关键字索引机制,快速索引缓存对象,降低系统开销;对超过一定大小的文件采取后缀预取策略以增加缓存中数据对象的个数。在课题应用背景下,与传统算法的对比实验表明,该方法能够减少缓存的平均请求等待时间,提高对象命中率和字节命中率,增强了缓存替换算法对多类型多请求模式应用的适应性。

面向大数据的数字图书馆数据库缓存模型设计

设计面向大数据的数字图书馆信息系统数据库缓存模型,从模型的功能架构、运行流程方面进行介绍,规定应用程序接口,在尽可能不改动数字图书馆信息系统原程序的基础上,实现用户操作序列或进程行为序列的捕捉,并使用Hammer Ora数据库测试工具对本模型进行测试,结果证明缓存模型适合处理数字图书馆海量信息系统产生的数据,具有良好的经济性和有效性。

理想高速缓存模型及其高效算法研究

分析了在高速缓存有效的算法设计中提出的一个新的存储模型———理想高速缓存模型,并通过理论分析和性能测试,证明了基于该模型设计的高速缓存参数无关算法不仅具有最优的工作复杂性和高速缓存复杂性,而且具有很好的实验性能.

异构数据集成系统中的语义缓存模型

主要研究语义缓存,区别于传统的元组缓存、页缓存等方式.语义缓存具有由客户的查询生成,并且被客户的查询所访问的特点.客户端缓存查询的谓词和结果,当客户发出新的查询时,通过对缓存数据的语义检查,可以快速地从缓存数据中获得部分或者全部的查询结果,而不一定将查询全部提交到服务器进行处理.签客户端的缓存数据对于提高C/S模式的系统效率起着非常重要的作用,调查了目前的语义缓存研究现状,并且结合所研究的系统特点,提出了一种语义缓存的模型.

CCN中基于节点状态模型的缓存污染攻击检测算法

针对内容中心网络中的缓存污染攻击问题,以污染内容数量、分布状态和攻击强度3个参数对缓存污染攻击进行定量描述和分析,建立了攻击下的节点缓存状态模型。通过分析节点关键参数的变化,提出了基于节点状态模型的攻击检测原则,并分别以单位时间缓存替换率和请求达到率为观测参数进行算法实例化设计。仿真结果与性能分析表明,所提检测算法在应对分散式攻击与集中式攻击时,可以取得良好的检测性能。

Web缓存层次模型与代价分析

Web缓存分层结构在避免单点失效、提高缓存性能方面具有重要作用.论文研究了Web缓存层次模型,提出请求分发的三种模式,并利用代价函数分析探讨了缓存模型性能.根据Web访问共同特征,实验采用数学建模方法生成模拟日志,模拟不同层采用不同替换算法(LRU、LFU、GDS)时的缓存性能.结果表明,模拟日志的高频区、低频区流行度访问特征分别服从齐普夫第一定律、第二定律,具有真实日志的特性,能够模拟用户请求评价Web缓存层次模型性能;当低层代理缓存采用LFU或LRU替换算法,高层代理缓存采用GDS替换算法时,两层缓存模型在命中率、字节命中率方面有较好的性能表现.

基于稳定集模型的大容量缓存管理

指出了阶段间数据换入换出效率是大容量缓存管理最重要的问题，并对这一问题进行了研究。定义了一种用于预测新阶段的数据访问的新的数据访问宏观模型——稳定集模型（SSM），并基于该模型设计了一套缓存管理方法，包括缓存容量配置、缓存粒度选择、数据预取和缓存替换算法。该套算法能提高缓存在阶段间的数据换入换出效率，更有效地优化集中存储负载，并提高应用访问的性能。实验表明，基于SSM的缓存管理方法能够将集中存储负载降低到传统缓存管理方法的2．0％-15．8％，平均响应时间降低到0．8％～15．2％。

客户机/服务器下的数据缓存技术

为了在客户机/服务器网络环境下的数据库检索系统中,引用数据缓存技术改善数据检索效率,通过对现有的数据缓存系统进行分析、归纳和总结,并参照借鉴存储器缓存技术的一些理论,阐述了数据缓存技术在客户机/服务器网络环境下应用模式,系统的进行了理论归纳,给出缓存一致性问题的解决方法,实现了数据缓存技术的高效使用。

机械手存储库缓存替换算法研究及应用

文章首先给出了机械手存储库的缓存模型,针对缓存模型和多媒体应用的特点,提出了两种基于热点能量的新缓存替换算法———近期热点能量缓存算法(RPE)和双缓冲区缓存算法(TSC),通过仿真实验,讨论了几种算法参数的最优取值范围,并且利用对比实验,验证了两种算法的缓存性能在重负载、小缓存条件下要优于传统LRU算法。该文内容为设计和实现大规模数字媒体管理系统提供了重要的依据。

合取语义缓存的并行查询裁剪

语义缓存可以利用查询之间的语义相关性,是提高数据库查询性能的有效技术之一.传统语义缓存是按谓词来组织的,查询裁剪是串行进行的,算法的时间复杂性是指数级的.基于合取语义缓存模型,提出了并行查询裁剪算法.与现有的语义缓存查询裁剪算法相比,并行查询裁剪算法不但可以将算法的复杂性由指数级降为多项式,而且可以提高缓存的利用率,缩短查询的平均响应时间.