디지털 라이브러리[ 검색결과 ]
L2LRU: LRU 페이지 교체 기법을 위한 러닝 기반 페이지 이동 정책
http://doi.org/10.5626/JOK.2021.48.9.981
페이지 캐시 교체 정책 중 하나인 LRU는 재접근이 발생하는 페이지를 리스트의 앞(Head) 위치로 이동시킴으로써 캐시 적중률을 높인다. 그러나, LRU의 페이지 이동은 락-언락 명령어를 호출함으로써 시스템의 대기 상태를 유발한다. 이에, 본 논문에서는 딥 러닝을 이용하여 페이지의 재접근 거리를 학습하고 재접근이 발생하는 경우, LRU 리스트 페이지에 대한 이동 유무를 판단하는 L2LRU(Learning-based Lock-free LRU) 기법을 새롭게 제안한다. 특히, L2LRU는 기존 LRU 교체 기법과 다르게 페이지를 재접근 될 가능성이 높은 위치로 페이지를 이동시킨다. 제안 기법을 평가하기 위해, 우리는 트레이스 기반 시뮬레이션 방식으로 L2LRU을 구현하였으며, Microsoft Research Cambridge Trace을 실험의 입력으로 사용하였다. 실험 결과 제안한 L2LRU가 LRU 대비 최대 91% 락-언락 명령어 호출을 감소시킬 수 있었다.
하이브리드 메인 메모리와 스토리지의 특성을 고려한 버퍼 캐시 교체 정책
PRAM은 바이트 단위의 쓰기와 비휘발성의 특징을 모두 가지고 있으며, DRAM보다 높은 밀집도가 기대되기 때문에 DRAM을 대체할 수 있을 것으로 예상된다. 이에, PRAM 기반의 버퍼 캐시 교체 정책에 대한 연구가 활발하게 진행되고 있다. 그러나 대부분의 기존 연구는 PRAM의 수명 및 느린 쓰기 성능에만 집중함으로써 PRAM의 바이트 단위의 쓰기 성능을 제한적으로 이용한다. 이에, 본 논문에서는 PRAM의 바이트 단위의 쓰기 성능과 스토리지의 성능을 모두 고려한 새로운 버퍼 캐시 교체 정책을 제안한다. 제안 기법은 바이트 단위의 쓰기 성능을 이용하기 위해 작은 크기의 쓰기 요청이 빈번한 페이지를 PRAM에 유지시키며 DRAM과 PRAM사이의 선택적 페이지 이동을 통해 PRAM의 쓰기 횟수를 감소시킨다. 실험 결과, 제안 기법은 CLOCK 알고리즘에 비해 최고 92%까지 PRAM의 쓰기 횟수를 감소시키고 PRAM 테스트 보드에서 최대 62%까지 수행시간을 향상시키는 것을 확인하였다.
