MIT හි ඉංජිනේරුවන් කණ්ඩායමක් දත්ත සමඟ වඩාත් කාර්යක්ෂමව වැඩ කිරීම සඳහා වස්තු-නැඹුරු මතක ධුරාවලියක් සංවර්ධනය කර ඇත. එය ක්‍රියාත්මක වන ආකාරය ලිපියෙන් අපි තේරුම් ගනිමු.
/ /PD
දන්නා පරිදි, නවීන CPU වල කාර්ය සාධනය වැඩි වීම මතකයට ප්‍රවේශ වීමේදී ප්‍රමාදයේ අනුරූප අඩු වීමක් සමඟ සිදු නොවේ. වසරින් වසර දර්ශකවල වෙනස්කම් වල වෙනස 10 ගුණයක් දක්වා විය හැකිය () එහි ප්‍රතිඵලයක් වශයෙන්, පවතින සම්පත් සම්පූර්ණයෙන් භාවිතා කිරීම වළක්වන සහ දත්ත සැකසීම මන්දගාමී වන බාධකයක් පැන නගී.
කාර්ය සාධනය හානි සිදු වන්නේ ඊනියා අවපීඩනය ප්රමාද වීමෙනි. සමහර අවස්ථාවලදී, සූදානම් කිරීමේ දත්ත විසංයෝජනය සඳහා ප්‍රොසෙසර චක්ර 64ක් දක්වා ගත හැක.
සංසන්දනය කිරීම සඳහා: පාවෙන ලක්ෂ්ය සංඛ්යා එකතු කිරීම සහ ගුණ කිරීම චක්ර දහයකට වඩා වැඩි නොවේ. ගැටළුව වන්නේ මතකය ස්ථාවර ප්‍රමාණයේ දත්ත කොටස් සමඟ ක්රියා කරන අතර යෙදුම් විවිධ වර්ගයේ දත්ත අඩංගු විය හැකි සහ එකිනෙකින් ප්‍රමාණයෙන් වෙනස් වන වස්තූන් සමඟ ක්රියා කරයි. ගැටළුව විසඳීම සඳහා, MIT හි ඉංජිනේරුවන් දත්ත සැකසීම ප්‍රශස්ත කරන වස්තු-නැඹුරු මතක ධුරාවලියක් සංවර්ධනය කළහ.
තාක්ෂණය ක්රියා කරන ආකාරය
විසඳුම තාක්ෂණයන් තුනක් මත පදනම් වේ: Hotpads, Zippads සහ COCO සම්පීඩන ඇල්ගොරිතම.
Hotpads යනු අධිවේගී ලියාපදිංචි මතකයේ මෘදුකාංග පාලිත ධුරාවලියකි () මෙම රෙජිස්ටර් පෑඩ් ලෙස හඳුන්වන අතර ඒවායින් තුනක් ඇත - L1 සිට L3 දක්වා. ඔවුන් විවිධ ප්‍රමාණයේ වස්තූන්, පාරදත්ත සහ පොයින්ටර් අරා ගබඩා කරයි.
මූලික වශයෙන්, ගෘහ නිර්මාණ ශිල්පය යනු හැඹිලි පද්ධතියකි, නමුත් වස්තූන් සමඟ වැඩ කිරීමට සකස් කර ඇත. වස්තුවේ ඇති පෑඩ් මට්ටම රඳා පවතින්නේ එය කොපමණ වාරයක් භාවිතා කරන්නේද යන්න මතය. මට්ටම් වලින් එකක් "පිටාර ගැලීම" නම්, පද්ධතිය ජාවා හෝ ගෝ භාෂාවල "කසළ එකතු කරන්නන්" වැනි යාන්ත්‍රණයක් ආරම්භ කරයි. එය අනෙක් ඒවාට වඩා අඩුවෙන් භාවිතා කරන වස්තූන් විශ්ලේෂණය කරන අතර ඒවා ස්වයංක්‍රීයව මට්ටම් අතර ගෙන යයි.
Zippads Hotpads මත ක්රියා කරයි - ලේඛනාගාර සහ ධුරාවලියේ අවසාන මට්ටම් දෙකට ඇතුළු වන හෝ පිටවන දත්ත - L3 පෑඩ් සහ ප්‍රධාන මතකය. පළමු සහ දෙවන පෑඩ් දත්ත නොවෙනස්ව ගබඩා කරයි.
Zippads මගින් බයිට් 128 නොඉක්මවන වස්තු සම්පීඩනය කරයි. විශාල වස්තු කොටස් වලට බෙදා ඇති අතර ඒවා මතකයේ විවිධ ප්‍රදේශවල තැන්පත් කෙරේ. සංවර්ධකයින් ලියන පරිදි, මෙම ප්රවේශය ඵලදායී ලෙස භාවිතා කරන මතකයේ සංගුණකය වැඩි කරයි.
වස්තු සංකෝචනය කිරීම සඳහා, COCO (හරස් වස්තු සම්පීඩනය) ඇල්ගොරිතම භාවිතා කරනු ලැබේ, එය අපි පසුව සාකච්ඡා කරමු, නමුත් පද්ධතියට වැඩ කළ හැකි වුවද හෝ . COCO ඇල්ගොරිතම යනු අවකල සම්පීඩන වර්ගයකි () එය වස්තූන් "පදනම" සමඟ සංසන්දනය කර අනුපිටපත් බිටු ඉවත් කරයි - පහත රූප සටහන බලන්න:
MIT හි ඉංජිනේරුවන්ට අනුව, ඔවුන්ගේ වස්තු-නැඹුරු මතක ධූරාවලිය සම්භාව්‍ය ප්‍රවේශයන්ට වඩා 17% වඩා ඵලදායී වේ. එය නවීන යෙදුම්වල ගෘහනිර්මාණ ශිල්පයට සැලසුම් කිරීමේදී වඩාත් සමීප වේ, එබැවින් නව ක්රමයට විභවයක් ඇත.
විශාල දත්ත සහ යන්ත්‍ර ඉගෙනුම් ඇල්ගොරිතම සමඟ ක්රියා කරන සමාගම් මුලින්ම තාක්ෂණය භාවිතා කිරීමට පටන් ගනී යැයි අපේක්ෂා කෙරේ. තවත් විභව දිශාව වන්නේ වලාකුළු වේදිකා වේ. IaaS සපයන්නන්ට අථත්‍යකරණය, දත්ත ගබඩා පද්ධති සහ පරිගණක සම්පත් සමඟ වඩාත් කාර්යක්ෂමව වැඩ කිරීමට හැකි වනු ඇත.
අපගේ අතිරේක සම්පත් සහ මූලාශ්‍ර:
මූලාශ්රය: www.habr.com