ऑब्जेक्ट ओरिएंटेड मेमरी आर्किटेक्चरमध्ये कॉम्प्रेशन कसे कार्य करते

MIT मधील अभियंत्यांच्या टीमने डेटासह अधिक कार्यक्षमतेने कार्य करण्यासाठी ऑब्जेक्ट-ओरिएंटेड मेमरी पदानुक्रम विकसित केला आहे. लेखात आपण ते कसे कार्य करते ते समजू.

/ पीएक्सहेरे /पीडी

जसे ज्ञात आहे, आधुनिक CPUs च्या कार्यक्षमतेत वाढ मेमरी ऍक्सेस करताना लेटन्सी मध्ये संबंधित घट सह नाही. वर्षानुवर्षे निर्देशकांमधील बदलांमधील फरक 10 पट असू शकतो (पीडीएफ, पृष्ठ 3). परिणामी, एक अडचण निर्माण होते जी उपलब्ध संसाधनांचा पूर्ण वापर प्रतिबंधित करते आणि डेटा प्रक्रिया मंद करते.

तथाकथित डीकंप्रेशन विलंबामुळे कामगिरीचे नुकसान होते. काही प्रकरणांमध्ये, प्रारंभिक डेटा डीकंप्रेशनमध्ये 64 प्रोसेसर सायकल लागू शकतात.

तुलनेसाठी: फ्लोटिंग पॉइंट संख्यांची बेरीज आणि गुणाकार व्यापू दहा चक्रांपेक्षा जास्त नाही. समस्या अशी आहे की मेमरी एका निश्चित आकाराच्या डेटा ब्लॉक्ससह कार्य करते आणि अनुप्रयोग अशा वस्तूंसह कार्य करतात ज्यात विविध प्रकारचे डेटा असू शकतात आणि एकमेकांपासून आकारात भिन्न असू शकतात. समस्येचे निराकरण करण्यासाठी, MIT मधील अभियंत्यांनी एक ऑब्जेक्ट-ओरिएंटेड मेमरी पदानुक्रम विकसित केला जो डेटा प्रोसेसिंगला अनुकूल करतो.

तंत्रज्ञान कसे कार्य करते

समाधान तीन तंत्रज्ञानावर आधारित आहे: हॉटपॅड, झिपॅड्स आणि COCO कॉम्प्रेशन अल्गोरिदम.

हॉटपॅड हे हाय-स्पीड नोंदणीकृत मेमरीचे सॉफ्टवेअर-नियंत्रित पदानुक्रम आहेत (स्क्रॅचपॅड). या नोंदणींना पॅड म्हणतात आणि त्यापैकी तीन आहेत - L1 ते L3 पर्यंत. ते वेगवेगळ्या आकाराच्या वस्तू, मेटाडेटा आणि पॉइंटर अॅरे साठवतात.

मूलत:, आर्किटेक्चर ही कॅशे प्रणाली आहे, परंतु ऑब्जेक्ट्ससह कार्य करण्यासाठी तयार केलेली आहे. ऑब्जेक्ट ज्या पॅडवर आहे त्याची पातळी किती वेळा वापरली जाते यावर अवलंबून असते. पातळींपैकी एक "ओव्हरफ्लो" झाल्यास, प्रणाली Java किंवा Go भाषांमध्ये "कचरा गोळा करणाऱ्या" सारखी यंत्रणा सुरू करते. हे विश्लेषण करते की कोणत्या वस्तू इतरांपेक्षा कमी वेळा वापरल्या जातात आणि त्यांना आपोआप स्तरांदरम्यान हलवते.

Zippads हॉटपॅडच्या वर कार्य करते - संग्रहण आणि डेटा अनअर्काइव्ह करते जो पदानुक्रमाच्या शेवटच्या दोन स्तरांमध्ये प्रवेश करतो किंवा सोडतो - L3 पॅड आणि मुख्य मेमरी. पहिले आणि दुसरे पॅड अपरिवर्तित डेटा संचयित करतात.

Zippads ज्या वस्तूंचा आकार 128 बाइट्स पेक्षा जास्त नाही अशा वस्तू संकुचित करतात. मोठ्या वस्तू भागांमध्ये विभागल्या जातात, ज्या नंतर मेमरीच्या वेगवेगळ्या भागात ठेवल्या जातात. विकसक लिहितात, हा दृष्टिकोन प्रभावीपणे वापरलेल्या मेमरीचे गुणांक वाढवतो.

ऑब्जेक्ट्स कॉम्प्रेस करण्यासाठी, COCO (क्रॉस-ऑब्जेक्ट कॉम्प्रेशन) अल्गोरिदम वापरला जातो, ज्याची आपण नंतर चर्चा करू, जरी सिस्टम देखील कार्य करू शकते बेस-डेल्टा-तत्काळ किंवा FPC. COCO अल्गोरिदम हा एक प्रकारचा विभेदक कॉम्प्रेशन आहे (विभेदक कम्प्रेशन). हे ऑब्जेक्ट्सची तुलना "बेस" शी करते आणि डुप्लिकेट बिट्स काढून टाकते - खालील आकृती पहा:

MIT च्या अभियंत्यांच्या मते, त्यांची ऑब्जेक्ट-ओरिएंटेड मेमरी पदानुक्रम शास्त्रीय पद्धतींपेक्षा 17% अधिक उत्पादक आहे. हे आधुनिक ऍप्लिकेशन्सच्या आर्किटेक्चरच्या डिझाइनमध्ये खूप जवळ आहे, म्हणून नवीन पद्धतीमध्ये क्षमता आहे.

बिग डेटा आणि मशीन लर्निंग अल्गोरिदमसह काम करणार्‍या कंपन्या प्रथम तंत्रज्ञानाचा वापर करण्यास सुरवात करतील अशी अपेक्षा आहे. दुसरी संभाव्य दिशा म्हणजे क्लाउड प्लॅटफॉर्म. IaaS प्रदाते वर्च्युअलायझेशन, डेटा स्टोरेज सिस्टम आणि संगणकीय संसाधनांसह अधिक कार्यक्षमतेने कार्य करण्यास सक्षम असतील.

आमची अतिरिक्त संसाधने आणि स्रोत:

"आम्ही IaaS कसे तयार करतो": 1क्लाउडच्या कार्याबद्दल साहित्य

1क्लाउड क्लाउड आर्किटेक्चरची उत्क्रांती
1Cloud मध्ये ऑब्जेक्ट स्टोरेज सेवा

HTTPS वरील संभाव्य हल्ले आणि त्यांच्यापासून संरक्षण कसे करावे
सतत डिलिव्हरी आणि सतत एकात्मता कसे समान आणि भिन्न आहेत?
इंटरनेटवर सर्व्हरचे संरक्षण कसे करावे: 1क्लाउड अनुभव

स्त्रोत: www.habr.com