초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

LRFU 블륵 교체 정책은 LRU 정책과 LFU 정책 사이에 존재하는 교체 정책들의 스펙트럼이며, LRFU 기법의 제어 변수 $\lambda$는 스펙트럼 상에서 위치를 결정한다. 그리고 작업 부하(workload)마다 최적 $\lambda$값이 존재하며, 해당 작업 부하를 실행할 때 이 값을 LRFU 기법에 적용하면 LRFU 스펙트럼 상에서 최적의 성능을 보이는 블록 교체 정책이 선택된다. 하지만 LRFU 기법은 최적의 $\lambda$값 설정을 위한 정보를 제공하지 않기 때문에 작업 부하에 따른 최적의 $\lambda$값을 찾기 위한 별도의 연구가 필요하다. 본 논문에서는 LRFU 정책을 기반으로 작업 부하에 따라서 효과적으로 $\lambda$값을 변화 시키는 적응형 LRFU 블록 교체 정책을 설명하고 있다. 적응형 LRFU 정책의 성능을 평가하기 위해서 트레이스 기반 모의 실험을 수행하였으며 실험 결과를 통해 적응형 LRFU 정책의 성능이 정적으로 선택된 최적의 $\lambda$값을 적용한 LRFU 정책의 성능에 근접함을 알 수 있었다.

LRFU 블륵 교체 정책은 LRU 정책과 LFU 정책 사이에 존재하는 교체 정책들의 스펙트럼이며, LRFU 기법의 제어 변수 $\lambda$는 스펙트럼 상에서 위치를 결정한다. 그리고 작업 부하(workload)마다 최적 $\lambda$값이 존재하며, 해당 작업 부하를 실행할 때 이 값을 LRFU 기법에 적용하면 LRFU 스펙트럼 상에서 최적의 성능을 보이는 블록 교체 정책이 선택된다. 하지만 LRFU 기법은 최적의 $\lambda$값 설정을 위한 정보를 제공하지 않기 때문에 작업 부하에 따른 최적의 $\lambda$값을 찾기 위한 별도의 연구가 필요하다. 본 논문에서는 LRFU 정책을 기반으로 작업 부하에 따라서 효과적으로 $\lambda$값을 변화 시키는 적응형 LRFU 블록 교체 정책을 설명하고 있다. 적응형 LRFU 정책의 성능을 평가하기 위해서 트레이스 기반 모의 실험을 수행하였으며 실험 결과를 통해 적응형 LRFU 정책의 성능이 정적으로 선택된 최적의 $\lambda$값을 적용한 LRFU 정책의 성능에 근접함을 알 수 있었다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 LRFU 블록 교체 정책을 기반으로 작업 부하에 따라서 효과적으로 入값을 조정하는 적응형 LRFU 블록 교체 정책을 제안하였다. LRFU 교체 정책은 제어 변수 入를 정적으로 정의해야 하기 때문에 실제 시스템에 이를 적용하기가 힘들었다.
• 효과적인 블록 교체 정책은 재참조 가능성이 가장 작은 블록을 교체하여 캐쉬 접근 실패의 횟수를 최소화해야 한다. 본 연구의 목표는 이처럼 시스템의 전체 성능을 높일 수 있도록 효율적인 블록 교체 정책을 설계하는 것이다.
• 그런데 LRFU 정책은 제어 변수 入를정적으로 선택해야 하며, 제어 변수를 결정하기 위한 정보를 제공하지 않는다. 이러한 문제를 해결하기 위하여 본 논문에서는 LRFU 블록 교체 정책을 기반으로 작업 무하에 따라서 효과적으로 入를 변화시키는 적응형 LRFU 블록 교체 정책을 제안한다.

가설 설정

• 첫째는 入가 바뀌면 이제까지 누적 갱신해온 블록의 CRF 값들이 모두 무효한 값이 되는 것이다. 둘째는 入가 바뀜에 따라 블록을 CRF 값 순으로 정렬하는 우선순위 큐인 힙의성질을 만족 시키지 못하게 된다는 것이다. 이 두 가지 문제점 다음과 같은 방법으로 해결 하였다.
• 두 가지 문제점이 발생한다. 첫째는 入가 바뀌면 이제까지 누적 갱신해온 블록의 CRF 값들이 모두 무효한 값이 되는 것이다. 둘째는 入가 바뀜에 따라 블록을 CRF 값 순으로 정렬하는 우선순위 큐인 힙의성질을 만족 시키지 못하게 된다는 것이다.

제안 방법

• 과거 정보를 유지하기 위한 방법으로 실제 캐쉬크기에 해당하는 고스트 버퍼를 사용하였으며, 따라서 실제 캐슁된 디스크 블록 이외에 고스트 버퍼에 존재하는 정보까지 포함하여 실제 캐쉬 크기의 두 배에 해당하는 정보를 유지하는 더블 캐쉬 기법을 사용하였다 [5].
• 그리고 각 블록의 CRF 값을 마지막 참조 시의 CRF 값인 1과 마지막 참조 전에 발생한 참조의 CRF 값을 더해서 새로운 CRF로 설정 하였다. 두 번의 참조로 바꾼 이유는 LRU-K 정책 [6] 에서 LRU-2의 성능이 가장 좋은 것에서 모티브를 얻어 마지막 두 번의 참조가 가장 가치 있다고 판단했기 때문이다.
• 적응형 LRFU 블록 교체 정책의 성능을 평가하기 위해서 트레이스 기반 모의 실험을 수행하였다. 모의실험에서 사용한 트레이스는 DB2와 OLTP이다, DB2 트레이스는 [4] 에서 사용되었고, 75, 514블록에 대하여 500, 000번의 참조를 기록한 것이다.
• 결정해야 한다. 효율적인 入의 변화를 위해 서기 본값, 변동값, 증감값, 그리고 변화율을 정의하였다.

대상 데이터

• 모의실험에서 사용한 트레이스는 DB2와 OLTP이다, DB2 트레이스는 [4] 에서 사용되었고, 75, 514블록에 대하여 500, 000번의 참조를 기록한 것이다. OLTP 트레이스는 [4] 와 ⑹에서 사용 되었고 100개의 인덱스 블록과 10, 000개의 데이터 블록에 대하여 480, 966번의 참조를 기록한 것이다. 실험에서 적응형 LRFU 정책의 주기와 기본값을 각각 1000으로 설정하였고, 증감값은 (기본값/1000)인 1로 설정했다.
• 모의실험에서 사용한 트레이스는 DB2와 OLTP이다, DB2 트레이스는 [4] 에서 사용되었고, 75, 514블록에 대하여 500, 000번의 참조를 기록한 것이다. OLTP 트레이스는 [4] 와 ⑹에서 사용 되었고 100개의 인덱스 블록과 10, 000개의 데이터 블록에 대하여 480, 966번의 참조를 기록한 것이다.

성능/효과

• 하지만 LRU 정책과 LFU 정책은 모두 블록의 마지막 참조 시간이나 참조 횟수와 같은 제한된 정보만을 고려하기 때문에 한계점을 가지고 있다. 이러한 한계를 극복하기 위해 제안된 LRFU(Least Recently/Frequently Used) 기법은 참조 횟수와 참조 시간 모두를 고려하여 블록을 교체하며, 특히 LRFU 기법이 제안됨으로써 LRU 기법과 LFU 기법 사이에 블록 교체 정책의 스펙트럼이 존재함을 증명하였다 [1][2].
• 변화율은 일정 주기마다 계산되는데, 매 주기가 끝날 때 계산된 변화율을 入에 반영한다. 적응형 LRFU 정책을 구현하여 트레이스 기반 모의 실험을 수행한 결과에 따르면 적응형 LRFU의 성능이 정적으로 선택된 최적의 入 값을 적용한 LRFU 정책의 성능에 근접함을 알 수 있었다.
• (1)을 살펴보면 블록의 CRF 값을 구하기 위해서는 과거의 모든 참조 시간이 필요하고 이는 무한한 기억 장■치가 있어야 함을 의미한다. 하지만 LRFU 정책에서는 이러한 문제점을 아주 효과적으로 해결하였고, 각 블록의 CRF 값을 계산하기 위해서 각 블록의 마지막 참조 시간과 마지막 CRF 값을 유지하는 것만으로 다음 참조가 발생할 때의 CRF 값을 구할 수 있음을 증명 하였다. 이처럼 LRFU 정책은 제한된 메모리에 무한한 참조 정보를 저장하고 이를 바탕으로 교체될 블록을 판단한다.

후속연구

• 현재 적응형 LRFU 블록 교체 정책의 入값 보정 알고리즘은 다소 높은 비용을 수반한다. 그러므로 향후에 이 알고리즘을 최적화 하여 처리기 실행 시간을 최소화 할 수 있는 적응형 LRFU 정책을 연구할 것이다.
• LRFU 교체 정책은 제어 변수 入를 정적으로 정의해야 하기 때문에 실제 시스템에 이를 적용하기가 힘들었다. 따라서 이 논문에서 제안한 정책을 통해 LRFU 정책을 실제 시스템에 적용할 수 있기를 기대해 본다. 현재 적응형 LRFU 블록 교체 정책의 入값 보정 알고리즘은 다소 높은 비용을 수반한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기

연구과제 타임라인

FlashMemory기반임베디드멀티미디어소프트웨어기술개발

LOADING...

전체(0) 논문(0) 특허(0) 보고서(0)

더보기

LOADING...

전체(0) 논문(0) 특허(0) 보고서(0)

더보기

LOADING...

LOADING...

LOADING...