MIT-ի ինժեներների թիմը մշակել է օբյեկտի վրա հիմնված հիշողության հիերարխիա՝ տվյալների հետ ավելի արդյունավետ աշխատելու համար: Հոդվածում մենք կհասկանանք, թե ինչպես է այն աշխատում:
/ /PD
Ինչպես հայտնի է, ժամանակակից պրոցեսորների կատարողականի բարձրացումը չի ուղեկցվում հիշողություն մուտք գործելու ժամանակ հետաձգման համապատասխան նվազմամբ։ Տարեցտարի ցուցանիշների փոփոխությունների տարբերությունը կարող է լինել մինչև 10 անգամ (). Արդյունքում առաջանում է խցան, որը կանխում է առկա ռեսուրսների լիարժեք օգտագործումը և դանդաղեցնում տվյալների մշակումը:
Կատարման վնասը պայմանավորված է այսպես կոչված դեկոպրեսիայի հետաձգմամբ: Որոշ դեպքերում տվյալների նախապատրաստական դեկոպրեսիան կարող է տևել մինչև 64 պրոցեսորային ցիկլ:
Համեմատության համար՝ լողացող կետային թվերի գումարում և բազմապատկում ոչ ավելի, քան տասը ցիկլ: Խնդիրն այն է, որ հիշողությունն աշխատում է ֆիքսված չափի տվյալների բլոկների հետ, իսկ հավելվածները գործում են օբյեկտների հետ, որոնք կարող են տարբեր տեսակի տվյալներ պարունակել և չափերով տարբերվել միմյանցից: Խնդիրը լուծելու համար MIT-ի ինժեներները մշակեցին օբյեկտի վրա հիմնված հիշողության հիերարխիա, որը օպտիմալացնում է տվյալների մշակումը:
Ինչպես է աշխատում տեխնոլոգիան
Լուծումը հիմնված է երեք տեխնոլոգիաների վրա՝ Hotpads, Zippads և COCO սեղմման ալգորիթմ:
Hotpad-ները բարձր արագությամբ գրանցված հիշողության ծրագրաշարով կառավարվող հիերարխիա են (). Այս գրանցամատյանները կոչվում են բարձիկներ և դրանք երեքն են՝ L1-ից մինչև L3: Նրանք պահում են տարբեր չափերի օբյեկտներ, մետատվյալներ և ցուցիչների զանգվածներ։
Ըստ էության, ճարտարապետությունը քեշային համակարգ է, բայց հարմարեցված է օբյեկտների հետ աշխատելու համար: Օբյեկտի վրա գտնվող բարձիկի մակարդակը կախված է նրանից, թե որքան հաճախ է այն օգտագործվում: Եթե մակարդակներից մեկը «հորդում է», համակարգը գործարկում է Java կամ Go լեզուներով «աղբահանողներին» նման մեխանիզմ: Այն վերլուծում է, թե որ առարկաներն են ավելի քիչ օգտագործվում, քան մյուսները և ավտոմատ կերպով տեղափոխում դրանք մակարդակների միջև:
Zippads-ն աշխատում է Hotpads-ի վերևում՝ արխիվացնում և հանում է այն տվյալները, որոնք մտնում կամ դուրս են գալիս հիերարխիայի վերջին երկու մակարդակներից՝ L3 հարթակից և հիմնական հիշողությունից: Առաջին և երկրորդ բարձիկներն անփոփոխ են պահում տվյալները:
Zippads-ը սեղմում է այն օբյեկտները, որոնց չափը չի գերազանցում 128 բայթը: Ավելի մեծ առարկաները բաժանվում են մասերի, որոնք հետո տեղադրվում են հիշողության տարբեր հատվածներում։ Ինչպես գրում են մշակողները, այս մոտեցումը մեծացնում է արդյունավետ օգտագործվող հիշողության գործակիցը։
Օբյեկտները սեղմելու համար օգտագործվում է COCO (Cross-Object Compression) ալգորիթմը, որը մենք կքննարկենք ավելի ուշ, թեև համակարգը կարող է աշխատել նաև կամ . COCO ալգորիթմը դիֆերենցիալ սեղմման տեսակ է (). Այն համեմատում է օբյեկտները «բազայի» հետ և հեռացնում կրկնօրինակ բիթերը. տե՛ս ստորև ներկայացված դիագրամը.
Ըստ MIT-ի ինժեներների՝ նրանց օբյեկտի վրա հիմնված հիշողության հիերարխիան 17%-ով ավելի արդյունավետ է, քան դասական մոտեցումները: Դիզայնով այն շատ ավելի մոտ է ժամանակակից հավելվածների ճարտարապետությանը, ուստի նոր մեթոդը ներուժ ունի:
Ակնկալվում է, որ այն ընկերությունները, որոնք աշխատում են մեծ տվյալների և մեքենայական ուսուցման ալգորիթմների հետ, նախ կսկսեն օգտագործել տեխնոլոգիան: Մեկ այլ պոտենցիալ ուղղություն ամպային հարթակներն են: IaaS պրովայդերները կկարողանան ավելի արդյունավետ աշխատել վիրտուալացման, տվյալների պահպանման համակարգերի և հաշվողական ռեսուրսների հետ:
Մեր լրացուցիչ ռեսուրսները և աղբյուրները.
Source: www.habr.com