项目名称: 基于非易失内存设备的数据读写性能优化方法研究

项目编号: No.61502180

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 李丁丁

作者单位: 华南师范大学

项目金额: 21万元

中文摘要: 传统计算机体系结构下,非易失数据存放在诸如磁盘等访问速度较慢的外存设备之中,不仅引起了应用程序与非易失数据之间的交互性能瓶颈,也限制了其潜在的性能优化空间。通过借助新型内存、也即存储级内存(SCM, Storage Class Memory)的非易失特性和高效写入性,本课题拟在基于动态随机存取内存(DRAM, Dynamic Random Access Memory)和SCM的混合内存架构下,提出一套非易失数据读写性能优化技术,以突破传统方法的性能瓶颈,具体工作是:(1)研究具备可继承性的SCM设备编程环境,实现应用程序访问SCM设备的高效数据通道,同时保留用户以往对非易失数据的编程习惯;(2)研究SCM内存的资源共享策略,缓解由于多进程对SCM资源竞争所带来的读写性能干扰;(3)研究混合存储架构下的非易失数据迁移策略,进一步改进应用程序与非易失数据交互的时空效率。

中文关键词: 存储级内存;动态随机存取内存;存储性能

英文摘要: In a traditional computer architecture, non-volatile data is usually stored in the slow secondary storage, not only causing a performance bottleneck on the data path, but also narrowing the room for improving the whole system. With SCM, a novel non-volatile memory device, we plan to propose a set of techniques to overcome this handicap in the environment of hybrid memory (SCM/DRAM). At first we will devise a heritable programming framework, trying to build the backward-compatible interface as well as the efficient data path between user-application and SCM. Then, we will design a policy for sharing the SCM, relieving the performance disturbance when multiple user-processes access the SCM concurrently. Finally, we will propose a technique for data migration between SCM and DRAM, further enhancing the space and time efficiency of non-volatile data.

英文关键词: Storage Class Memory;Dynamic Random Access Memory;Storage Performance

成为VIP会员查看完整内容
0

相关内容

【AAAI2022】基于双流更新的视觉Transformer动态加速方法
专知会员服务
23+阅读 · 2021年12月11日
【博士论文】集群系统中的网络流调度
专知会员服务
43+阅读 · 2021年12月7日
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
专知会员服务
18+阅读 · 2021年7月20日
专知会员服务
64+阅读 · 2021年5月3日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
专知会员服务
73+阅读 · 2020年5月21日
深度神经网络模型压缩与加速综述
专知会员服务
128+阅读 · 2019年10月12日
对比,还原真实的GPU池化
CSDN
1+阅读 · 2022年4月13日
Android 与 Chrome OS 中针对大屏幕设备的更新
谷歌开发者
0+阅读 · 2022年1月17日
PyTorch | 优化神经网络训练的17种方法
极市平台
3+阅读 · 2021年12月30日
TensorFlow Lite 设备端训练
TensorFlow
4+阅读 · 2021年12月20日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
面向大数据处理框架的JVM优化技术综述
专知
0+阅读 · 2021年11月27日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Convergence of the Discrete Minimum Energy Path
Arxiv
0+阅读 · 2022年4月15日
小贴士
相关VIP内容
【AAAI2022】基于双流更新的视觉Transformer动态加速方法
专知会员服务
23+阅读 · 2021年12月11日
【博士论文】集群系统中的网络流调度
专知会员服务
43+阅读 · 2021年12月7日
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
专知会员服务
18+阅读 · 2021年7月20日
专知会员服务
64+阅读 · 2021年5月3日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
专知会员服务
73+阅读 · 2020年5月21日
深度神经网络模型压缩与加速综述
专知会员服务
128+阅读 · 2019年10月12日
相关资讯
对比,还原真实的GPU池化
CSDN
1+阅读 · 2022年4月13日
Android 与 Chrome OS 中针对大屏幕设备的更新
谷歌开发者
0+阅读 · 2022年1月17日
PyTorch | 优化神经网络训练的17种方法
极市平台
3+阅读 · 2021年12月30日
TensorFlow Lite 设备端训练
TensorFlow
4+阅读 · 2021年12月20日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
面向大数据处理框架的JVM优化技术综述
专知
0+阅读 · 2021年11月27日
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员