一种高效、可扩展细粒度缓存管理混合存储研究

混合主存储器由DRAM构成,它可用作cache来扩展非易失性存储器,相比传统的主存储器能够提供更大的存储能力。不过,要使混合存储器具有高性能和可扩展性,一个关键的挑战在于需要对缓存在DRAM中的数据的元数据(如标签)以一个细粒度的方式进行有效管理。基于这样的观察:利用DRAM缓存行的局部性,将元数据与元数据对应的数据存储在片外缓存中相同的行,使用一个小的缓冲区来只缓存最近被访问的片内缓存行,以降低细粒度DRAM缓存的开销。利用这种细粒度的DRAM高速缓存的灵活性和效率,还开发了一种自适应的策略来选择在数据迁移到DRAM时最佳的迁移粒度。在搭配了512MB的DRAM缓存的混合型存储系统中,建议使用8kB的片上缓存,这样,相比一个传统的8MB的SRAM元数据存储,即使没有考虑大的SRAM元数据存储的能源开销,也可以提升6%以内的性能,以及18%的能效节约。

一种基于混合存储的高效、可扩展细粒度缓存管理研究

混合型主存储器也是DRAM构成,并把混合型主存储器作为高速缓存使用,因此可以扩展Non-volatile存储器,相比传统型的主存储器,混合型主存储器可以提供更大的存储能力.然而,对于混合型主存储器,要使其具有高性能和高可扩展性,一个关键的挑战是以一种细粒度的方式有效地管理缓存在DRAM中的数据的元数据(如Tag).基于此观察:根据DRAM高速缓存行的局部性,在芯片外相同的高速缓存行中存储数据和数据的元数据,本文通过使用一个小缓冲区缓存最近被访问的片内缓存行来减少细粒度DRAM高速缓存的开销.基于细粒度DRAM高速缓存使用的灵活性和效率,还开发了一种自适应的策略,可以选择数据迁移到DRAM高速缓时的最佳迁移粒度.在配置了512MB DRAM的混合存储系统中,使用8KB的片上高速缓存,相比传统的8MB SRAM元数据存储,即便没有考虑大SRAM元数据存储的能耗开销,实现了不超过6%的性能提升,节约了18%左右的能效.

光网络中个性化移动学习路径自动生成技术研究

为了提高光网络中个性化移动学习过程中路径信息传输性能,降低路径损耗,提出一种基于移动Agent能量平衡环形路由算法(EBRRMA)的光网络中个性化移动学习路径自动生成技术。构建光网络的个性化移动学习路径的分布结构模型,结合转发路由节点部署方法进行路径传输信道特征分析,采用环形路由探测技术进行个性化移动学习路径的迁移处理,结合负载均衡控制方法进行光网络个性化移动学习路径分配中信道自适应调度设计,采用鲁棒性预测方法分析光网络中个性化移动学习路径的吞吐性能,以网络跳数最小为约束代价,进行移动学习路径的路由探测控制设计,采用能量平衡环形路由算法实现光网络中个性化移动学习路径的能量配置均衡设计,生成最优的移动学习路径。仿真结果表明,采用该方法进行光网络中个性化移动学习路径生成设计,降低了网络开销和跳数,网络传输时延得到有效控制,提高了网络输出的稳定性和均衡性。