قام فريق من المهندسين من معهد ماساتشوستس للتكنولوجيا بتطوير التسلسل الهرمي للذاكرة وجوه المنحى للعمل أكثر كفاءة مع البيانات. تتناول المقالة كيفية ترتيبها.
/ PxHere / PDكما تعلم ، فإن زيادة أداء وحدات المعالجة المركزية الحديثة لا يصاحبها انخفاض مماثل في زمن الوصول عند الوصول إلى الذاكرة. يمكن أن يصل الفرق في التغيير في المؤشرات من سنة إلى أخرى إلى 10 مرات (
PDF ، الصفحة 3 ). نتيجة لذلك ، ينشأ عنق الزجاجة الذي يمنع الاستخدام الكامل للموارد المتاحة ويبطئ معالجة البيانات.
تأخير الضغط ما يسمى يؤدي إلى فقدان الأداء. في بعض الحالات ، يمكن لما يصل إلى 64 دورة من المعالجات معالجة ضغط البيانات التمهيدي.
للمقارنة: لا
تستغرق إضافة أرقام الفاصلة العائمة وضربها أكثر من عشر دورات. المشكلة هي أن الذاكرة تعمل مع كتل البيانات ذات الحجم الثابت ، وأن التطبيقات تعمل مع كائنات يمكن أن تحتوي على أنواع مختلفة من البيانات وتختلف في الحجم عن بعضها البعض. لحل المشكلة ، طور مهندسو معهد ماساتشوستس للتكنولوجيا التسلسل الهرمي للذاكرة وجوه المنحى الذي يحسن معالجة البيانات.
كيف تعمل التكنولوجيا
يعتمد الحل على ثلاث تقنيات: Hotpads و Zippads وخوارزمية ضغط COCO.
Hotpads عبارة عن تسلسل هرمي يتم التحكم فيه بواسطة البرامج لذاكرة السجل فائقة المنطوق (
scratchpad ). وتسمى هذه السجلات منصات وهناك ثلاثة منهم - من L1 إلى L3. يقومون بتخزين الكائنات ذات الأحجام المختلفة وبيانات التعريف وصفائف المؤشرات.
في جوهرها ، فإن الهندسة المعمارية عبارة عن نظام ذاكرة تخزين مؤقت ، ولكنها شحذ للعمل مع الكائنات. يعتمد مستوى اللوحة التي يوجد بها الكائن على عدد مرات استخدامه. إذا كان أحد المستويات "تجاوزات" ، يبدأ النظام في آلية مشابهة "لمجمعات القمامة" في Java أو Go. يقوم بتحليل الأشياء التي يتم استخدامها أقل من غيرها وينقلها تلقائيًا بين المستويات.
تعمل Zippads على أساس Hotpads - تقوم بأرشفة البيانات غير الأرشيفية التي تصل أو تترك المستوىين الأخيرين من التسلسل الهرمي - لوحة L3 والذاكرة الرئيسية. في الوسادات الأولى والثانية ، يتم تخزين البيانات دون تغيير.
يضغط Zippads الكائنات التي لا يتجاوز حجمها 128 بايت. الكائنات الكبيرة تنقسم إلى أجزاء ، ثم يتم وضعها في أجزاء مختلفة من الذاكرة. وفقًا للمطورين ، يزيد هذا النهج من معامل الذاكرة المستخدمة بكفاءة.
لضغط الكائنات ، يتم استخدام خوارزمية COCO (Cross-Object COmpression) ، والتي سنناقشها لاحقًا ، على الرغم من أن النظام يمكن أن يعمل أيضًا مع
Base-Delta-Immediate أو
FPC . خوارزمية COCO هي شكل من أشكال الضغط التفاضلي. يقارن الكائنات بالأشياء "الأساسية" ويزيل البتات المكررة - انظر الرسم البياني أدناه:
وفقًا للمهندسين من معهد ماساتشوستس للتكنولوجيا ، فإن تسلسل هرمي الذاكرة وجوه المنحى الخاص بهم هو 17 ٪ أكثر إنتاجية من النهج الكلاسيكية. هو أقرب بكثير في هيكلها إلى بنية التطبيقات الحديثة ، وبالتالي فإن الطريقة الجديدة لديها إمكانات.
من المتوقع أنه في المقام الأول ، يمكن البدء في استخدام التكنولوجيا من قبل الشركات التي تعمل مع خوارزميات كبيرة لتعلم البيانات والآلات. مجال آخر محتمل هو منصات سحابة. سيتمكن مقدمو خدمات IaaS من العمل بشكل أكثر فاعلية مع المحاكاة الافتراضية وأنظمة التخزين وموارد الحوسبة.
مواردنا ومصادرنا الإضافية:
"كيف نبني IaaS": مواد 1cloud
1cloud تطور العمارة السحابية
خدمة تخزين الكائنات في 1cloud
هجمات محتملة على HTTPS وطرق الحماية ضدها
ما هي أوجه التشابه والاختلاف بين نهج التسليم المستمر والتكامل المستمر؟
كيفية حماية الخادم على الإنترنت: تجربة 1cloud