CCoW: Íráskor másolás optimalizálása a munkaterhelések térbeli lokalitása figyelembevételével 5. rész

4. Értékelés

Ez a rész a javasolt CCW-séma értékelési eredményeiről számol be. A CCoW-t a Linux Kernel v5.7.7-ben implementáltuk, és hozzávetőleg 400 sornyi kódot vett igénybe. Az értékelést egy Intel Xeon Gold 5215 CPU-val és 128 GB memóriával rendelkező szerveren végezték el.

Az értékelési eredmények és a memória közötti kapcsolat mindig is nagy figyelmet keltett. A kutatások azt mutatják, hogy a jó értékelési eredmények szorosan összefüggenek a kiváló memóriával.

Egyrészt a jó értékelési eredmények megkövetelik a tudáspontok ismételt tanulását és elsajátítását, valamint nagyfokú megértést és elmélyült elsajátítást. Ezekhez jó memóriatámogatás szükséges. A vizsgázóknak különösen a vizsgákon kell gyorsan válaszolniuk, és rövid időn belül helyesen és gyorsan kell válaszolniuk a kérdésekre, amihez alapvető támogatásként kiváló memóriára van szükség. Csak kiváló memóriával tudja a legjobbat nyújtani nyomás alatt.

Másrészt a jó értékelési eredmények a memória javulását is elősegíthetik. Ha kiváló értékelési eredményeket kapunk, sikerélményt és elégedettséget fogunk érezni. Ezek a pozitív érzelmek pozitív hatással vannak emlékezetünkre és tanulásunkra. A jó érzelmi állapot elősegítheti az idegsejtek összekapcsolódását és információátvitelét az agyban, ezáltal javítva a memóriát.

Összefoglalva, kölcsönösen erősítő kapcsolat van az értékelési eredmények és a memória között. A jobb értékelési eredmények eléréséhez folyamatosan fejlesztenünk kell memóriánkat, a jó értékelési eredmények pedig tovább javíthatják memóriánkat. Tegyük félre a negatív érzelmeket, pozitív hozzáállással kezeljük az értékelési eredményeket és a tanulási folyamatot, dolgozzunk kitartóan, és higgyünk abban, hogy sikerülni fog! Látható, hogy javítanunk kell a memórián, a Cistanche deserticola pedig jelentősen javíthatja a memóriát, mivel a Cistanche deserticola antioxidáns, gyulladáscsökkentő és öregedésgátló hatással bír, ami segíthet csökkenteni az oxidációt és a gyulladásos reakciókat az agyban, ezáltal védi a az idegrendszer egészsége. Ezenkívül a Cistanche deserticola az idegsejtek növekedését és helyreállítását is elősegítheti, ezáltal javítva a neurális hálózatok összekapcsolhatóságát és működését. Ezek a hatások javíthatják a memóriát, a tanulást és a gondolkodási sebességet, valamint megakadályozhatják a kognitív diszfunkciók és a neurodegeneratív betegségek kialakulását.

Kattintson a Tudás gombra a rövid távú memória javításához

A különféle teljesítményjellemzők elemzéséhez házon belüli mikrobenchmarkot használtunk. A reális munkaterhelések értékeléséhez a Yahoo felhőszolgáltatási referenciaértékét (YCSB) [30,31] használtuk a Redishez [4]. Ezek a programok az alapértelmezett paraméterekkel vannak konfigurálva, hacsak nincs másként megadva. Mivel a CCoW a kernel szintjén van megvalósítva, a felhasználói alkalmazásokhoz nem volt szükség módosításra.

4.1. A CCoW teljesítményének jellemzése

Mivel a CCoW-t két paraméter vezérli, nevezetesen a régió mérete és a lefedettségi küszöb, ezek a paraméterek határozzák meg a CCoW teljesítményét és végrehajtási viselkedését.

Ebben az értelemben először értékeltük a régió méretének a CCoW teljesítményére és rezsiköltségére gyakorolt ​​hatását. Mikrobenchmark programot építettünk a másolás-írás hatékonyságának értékelésére. A program a Redis végrehajtási viselkedése alapján készült. Először a 16 GB-os memóriaterületet tölti fel 1 KB-os blokkokra osztva, majd kiválaszt egy blokkot, és ismételten frissíti az előre meghatározott adatokkal.

A benchmark addig iterálja a műveleteket, amíg ki nem ír 160 GB adatot. A célblokkok a Zipfiand-eloszlás szerint vannak kiválasztva a=1.0 paraméterrel, hogy ésszerű mennyiségű lokalitást biztosítsanak a hozzáférésekben.

Ezek a műveletek a Redis frissítési műveleteit szimulálják YCSB-munkaterhelésekkel. A Redis pillanatfelvételi funkciójának utánzása érdekében a forkchild'shildprocess benchmark időszakonként. A gyermekfolyamat létrehozása után a fő benchmark folyamat teljesítménye meredeken csökken a megnövekedett oldalhibakezelési többletterhelés miatt.
A teljesítmény visszaáll és stabilizálódik az idő múlásával, mivel kevesebb oldal marad az írásra való másoláshoz. A teljesítménycsökkenéstől a helyreállításig eltelt idő a normál teljesítmény 99%-a az eredeti CoW konfigurációt használva, és ezt az időt a villák intervallumaként használva.

A gyermekfolyamatot két villás intervallumon keresztül tétlenül tartottuk, mielőtt kilépett volna. Mérjük a benchmark átlagos átviteli sebességét és a folyamat memória lábnyomát, miközben a régió méretét 32 KB-ról 2 MB-ra változtatjuk. Az áteresztőképesség a CCoW teljesítménynövekedését jelzi, tehát minél nagyobb, annál jobb.

A memória lábnyomát a folyamatok lakossági halmazméretének (RSS) összegzésével mérjük, és ez jelzi a CCoW séma memória többletét. Az eredményeket a 3. ábra foglalja össze. Az eredeti konfigurációt az előmásolat nélkül 'CoW'-ként jelöljük, és a teljesítményértékeket a CoW konfiguráció értékére normalizáljuk.

Összességében a rendszer teljesítménye nem javult jelentősen egy kis régióban, és 32 KB-os régiókkal romlott. Míg a nagyobb régiók konfigurációiban jelentős javulás volt megfigyelhető. A teljesítményváltozás azonban elhanyagolható volt 512 KB-os régióméretig. Ennek oka a kisrégiók korlátozott hasznosítási lehetőségei. A monitorozási költségek a régió méretétől függetlenül egységesek voltak.

Amikor a régió 2 MB volt, az előny meghaladta a többletköltséget, és körülbelül 0%-os teljesítményjavulást figyelhetünk meg. A teljesítmény azonban tovább javult a nagyobb régióméretekkel.

A memória lábnyoma más tendenciát mutatott, mint a teljesítményé. Még kis régióméret mellett is jelentős memóriafeltöltéssel járt, ami a régió méretének növekedésével növekszik. Azonban még 2 MB-os régiókkal sem nőtt sokat. Ebből az értékelésből arra a következtetésre juthatunk, hogy a 2 MB-os régiók maximális teljesítményelőnyt biztosítanak ésszerű többletmemória mellett.

Így ezt a régióméretet használtuk a vizsgálat hátralévő részében. Ezt követően, hogy megtaláljuk a legjobb lefedettségi küszöböt a másolat előtt, mérjük az átviteli sebességet és a memória lábnyomát, miközben a CCoW küszöbértékét 70%-ról 95%-ra változtatjuk. A 4. ábra összefoglalja. a mérési eredményeket.

Minden metrika az eredeti „CoW” konfigurációra normalizálva van. A 'CCoW-' melletti szám a konfiguráció küszöbértéke. A 'CCoW-All' konfiguráció egy extrém konfiguráció, ahol a küszöbérték nullára van állítva, így minden oldalhiba egy 2 MB-os régiót másol. Ez a konfiguráció gyakorlatilag hasonló lesz a rendszerhez, hatalmas oldallal.

Ha a küszöbérték magas, a rendszer csak akkor készít előmásolást, ha nagyon magabiztos. Így csökken a kiaknázási lehetőség, ami enyhe teljesítményjavulást mutat. Ezzel szemben, ha a küszöbérték túl kicsi, nagy az esélye annak, hogy a rendszer tévesen jósolja az alacsony lokalitású régiókat magas lokalitású régióknak. A precoplow települési régiók rezsiköltségeket jelentenek, minden előny nélkül, ami ellensúlyozza a teljesítményelőnyöket.

Így a teljesítmény 80%-os küszöbértéknél csúcsosodik ki, alacsonyabb küszöbértékeknél pedig csökken. A térfelhasználás fordítottan arányos a küszöbértékkel. Minél alacsonyabb a rendszerkonfiguráció küszöbértéke, annál több oldalt másol a rendszer, ami növeli a memóriaterületet. A „CCoW-All” konfigurációnál nagyon nagy memóriafelfúvódást figyeltünk meg.

Ebben a konfigurációban minden oldalhiba egy 2 MB-os régió másolatát vonja maga után, ami végül arra készteti a szülőfolyamatot, hogy megközelítőleg teljes egészében lemásolja az eredeti adatokat.

Mivel az utódfolyamat két elágazási perióduson keresztül futhat, egyszerre több gyermekpéldány létezik, így a felhalmozott memóriaterület nagyon nagy. Ezen értékelés alapján 80%-os lefedettségi küszöbértéket alkalmaztunk a vizsgálat további részében.

For more information:1950477648nn@gmail.com