वस्तु-उन्मुख मेमोरी आर्किटेक्चरमा कसरी कम्प्रेसन काम गर्दछ

एमआईटीका इन्जिनियरहरूको टोलीले डाटासँग थप कुशलतापूर्वक काम गर्न वस्तु-उन्मुख मेमोरी पदानुक्रम विकास गरेको छ। लेखमा हामी यो कसरी काम गर्छ भनेर बुझ्न हुनेछ।

/ Px यहाँ /पीडी

ज्ञात रूपमा, आधुनिक CPUs को प्रदर्शन मा वृद्धि मेमोरी पहुँच गर्दा विलम्बता मा समान कमी संग छैन। वर्ष देखि वर्ष सूचक मा परिवर्तन मा अंतर 10 पटक सम्म हुन सक्छ (PDF, पृष्ठ 3)। नतिजाको रूपमा, एक बाधा उत्पन्न हुन्छ जसले उपलब्ध स्रोतहरूको पूर्ण प्रयोगलाई रोक्छ र डाटा प्रशोधनलाई सुस्त बनाउँछ।

प्रदर्शन क्षति तथाकथित decompression ढिलाइ को कारण हो। केही अवस्थामा, तयारी डेटा डिकम्प्रेसनले 64 प्रोसेसर चक्रहरू लिन सक्छ।

तुलनाको लागि: फ्लोटिंग बिन्दु संख्याहरूको थप र गुणन ओगट्नु दस चक्र भन्दा बढी छैन। समस्या यो हो कि मेमोरीले निश्चित साइजको डेटा ब्लकहरूसँग काम गर्दछ, र एप्लिकेसनहरूले विभिन्न प्रकारका डाटा समावेश गर्न सक्ने वस्तुहरूसँग काम गर्दछ र एक अर्काबाट आकारमा भिन्न हुन्छ। समस्या समाधान गर्न, एमआईटीका इन्जिनियरहरूले डाटा प्रोसेसिङलाई अप्टिमाइज गर्ने वस्तु-उन्मुख मेमोरी पदानुक्रम विकास गरे।

प्रविधिले कसरी काम गर्छ

समाधान तीन प्रविधिहरूमा आधारित छ: Hotpads, Zippads र COCO कम्प्रेसन एल्गोरिथ्म।

Hotpads उच्च-गति दर्ता मेमोरीको सफ्टवेयर-नियन्त्रित पदानुक्रम हो (स्क्र्याचप्याड)। यी दर्ताहरूलाई प्याड भनिन्छ र त्यहाँ तीनवटा छन् - L1 देखि L3। तिनीहरूले विभिन्न आकारहरू, मेटाडेटा र सूचक arrays वस्तुहरू भण्डारण गर्छन्।

अनिवार्य रूपमा, वास्तुकला एक क्यास प्रणाली हो, तर वस्तुहरूसँग काम गर्न अनुरूप। वस्तुको प्याडको स्तर कति पटक प्रयोग गरिन्छ भन्नेमा निर्भर गर्दछ। यदि कुनै एक स्तर "ओभरफ्लो" हुन्छ भने, प्रणालीले Java वा Go भाषाहरूमा "फोहोर सङ्कलनकर्ताहरू" जस्तै संयन्त्र सुरु गर्छ। यसले विश्लेषण गर्दछ कि कुन वस्तुहरू अरूहरू भन्दा कम प्रयोग गरिन्छ र स्वचालित रूपमा तिनीहरूलाई स्तरहरू बीचमा सार्दछ।

Zippads Hotpads को शीर्षमा काम गर्दछ - अभिलेख र डेटा अनअर्काइभ गर्दछ जुन पदानुक्रमको अन्तिम दुई स्तरहरूमा प्रवेश गर्दछ वा छोड्छ - L3 प्याड र मुख्य मेमोरी। पहिलो र दोस्रो प्याड अपरिवर्तित डाटा भण्डारण गर्दछ।

Zippads ले वस्तुहरू कम्प्रेस गर्दछ जसको आकार 128 बाइट्स भन्दा बढी छैन। ठूला वस्तुहरू भागहरूमा विभाजित हुन्छन्, जुन त्यसपछि मेमोरीको विभिन्न क्षेत्रमा राखिन्छ। विकासकर्ताहरूले लेख्दा, यो दृष्टिकोणले प्रभावकारी रूपमा प्रयोग गरिएको मेमोरीको गुणांक बढाउँछ।

वस्तुहरू कम्प्रेस गर्न, COCO (क्रस-वस्तु कम्प्रेसन) एल्गोरिथ्म प्रयोग गरिन्छ, जुन हामी पछि छलफल गर्नेछौं, यद्यपि प्रणालीले पनि काम गर्न सक्छ। आधार-डेल्टा-तत्काल वा FPC। COCO एल्गोरिथ्म एक प्रकारको भिन्नता कम्प्रेसन हो (विभेदक सङ्कुचन)। यसले वस्तुहरूलाई "आधार" मा तुलना गर्छ र डुप्लिकेट बिटहरू हटाउँछ - तलको रेखाचित्र हेर्नुहोस्:

एमआईटीका इन्जिनियरहरूका अनुसार, तिनीहरूको वस्तु-उन्मुख मेमोरी पदानुक्रम शास्त्रीय दृष्टिकोण भन्दा 17% बढी उत्पादक छ। यो आधुनिक अनुप्रयोगहरूको वास्तुकलाको डिजाइनमा धेरै नजिक छ, त्यसैले नयाँ विधिको सम्भावना छ।

ठूलो डाटा र मेसिन लर्निङ एल्गोरिदमसँग काम गर्ने कम्पनीहरूले पहिले प्रविधि प्रयोग गर्न थाल्ने अपेक्षा गरिएको छ। अर्को सम्भावित दिशा क्लाउड प्लेटफर्म हो। IaaS प्रदायकहरूले भर्चुअलाइजेशन, डाटा भण्डारण प्रणाली र कम्प्युटिङ स्रोतहरूसँग अझ प्रभावकारी रूपमा काम गर्न सक्षम हुनेछन्।

हाम्रा अतिरिक्त स्रोत र स्रोतहरू:

"हामी IaaS कसरी निर्माण गर्छौं": १ क्लाउडको कामको बारेमा सामग्री

१ क्लाउड क्लाउड आर्किटेक्चरको विकास
१ क्लाउडमा वस्तु भण्डारण सेवा

HTTPS मा सम्भावित आक्रमणहरू र तिनीहरूबाट कसरी सुरक्षा गर्ने
कसरी निरन्तर वितरण र निरन्तर एकीकरण दृष्टिकोण समान र फरक छन्?
इन्टरनेटमा सर्भर कसरी सुरक्षित गर्ने: १ क्लाउड अनुभव

स्रोत: www.habr.com