ارائه یک روش محافظه کارانه به منظور بهبود طول عمر حافظه نهان ورودی/خروجی
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 88
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSCIT-9-2_013
تاریخ نمایه سازی: 25 مهر 1403
چکیده مقاله:
استفاده از معماری های ترکیبی حافظه نهان در سامانه های ذخیره سازی داده از جمله رویکردهایی است که می تواند منجر به بهبود دوام، کارایی و قابلیت اطمینان این سامانه ها شود. ازجمله چالش های معماری های ترکیبی، چگونگی مدیریت فقدان خواندن است. مدیریت مبتنی بر ماشین حالت از جمله روش های مدیریت فقدان خواندن است. با این وجود، استفاده از رویکرد ایستا در طراحی ماشین حالت منجر به کاهش قابل توجه طول عمر حافظه نهان می شود. در این مقاله یک روش درج محافظه کارانه مبتنی بر ماشین حالت (CSMI) برای درج صفحات حاصل از فقدان خواندن در دیسک حالت جامد پیشنهاد می شود. CSMI به منظور افزایش طول عمر حافظه نهان، به صورت پویا تعداد بازه های استفاده از سیاست عدم درج فقدان های خواندن در ادوات با طول عمر محدود را افزایش می دهد. به این منظور، ضریب محافظه کاری (CF) به ساختار ماشین حالت اضافه می شود تا با افزایش تعداد بازه های عدم درج در هنگام مواجهه با نرخ برخورد پایین، تعداد دفعات نوشتن بر روی دیسک حالت جامد کاهش یافته و طول عمر حافظه نهان افزایش یابد. ارزیابی های انجام شده نشان می دهد روش پیشنهادی، با هزینه قابل چشم پوشی در حوزه کارایی (به طور میانگین ۰.۳۸% نرخ برخورد پایین تر و ۰.۰۶% زمان پاسخ بیشتر)، به طور میانگین برای ضرایب محافظه کاری با مقادیر ۲، ۳ و ۴ به ترتیب ۷.۴% (تا ۲۵.۴۸%)، ۸.۶۳% (تا ۳۳.۹۷%) و ۸.۹۴% (تا ۳۳.۹۷%) تعداد دفعات نوشتن بر روی دیسک حالت جامد را نسبت به بهترین کار پیشین کاهش می دهد.
کلیدواژه ها:
نویسندگان
Mostafa Hadizadeh
Department of Computer Engineering Sharif University of Technology
Reza Salkhordeh
Department of Computer Engineering Sharif University of Technology
Hossein Asadi
Associate Professor Department of Computer Engineering Sharif University of Technology
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :