Cache作为计算机系统的重要组成部分,用于减轻处理器与主存储器之间的访问速度的巨大差异。然而,随着处理器技术的发展和半导体制造技术的进步,原来以SRAM作为Cache的技术受到多方面制约,例如静态功耗以及存储单元面积的增加等。STT-RAM作为一种新的非易失性存储器,不但具有集成度高、功耗低的优点,而且与其它非易失性存储器相比具有更快的读写速度、更大的存储密度和更长的写入寿命。这种新型的非易失性的存储器被认为最有可能取代SRAM作为Cache。但是STT-RAM写速度较慢,写能耗较高的缺点限制了它的实际应用。为了结合STT-RAM存储密度大、静态功耗低和SRAM读写速度快的优点,并最大程度地减少STT-RAM缓存区的写操作,本文针对非包含策略和互斥策略下的混合Cache作为LLC(Last Level Cache)时的性能优化问题,研究了混合Cache的数据分配和迁移策略。本文的主要研究内容和贡献如下:(1)针对非包含策略下的混合Cache(简称非包含混合Cache),提出了一种基于感知学习的写密集预测技术WIPPL(Write-Intensive Predictor based on Perceptual Learning)。WIPPL实现了 一种写密集预测算法,能够预测一个缓存块是否为写密集缓存块,根据预测的结果来指导非包含混合Cache的数据分配,从而减少STT-RAM缓存区的写操作次数。与现有的非包含混合Cache管理策略相比,本文提出的基于感知学习的非包含混合Cache管理策略具有较高的预测准确率,能有效地减少STT-RAM缓存区的写操作,节省Cache系统的能耗。(2)针对互斥策略下的混合Cache(简称互斥混合Cache),提出了一种重用距离预测技术RDP(Reuse Distance Prediction)。RDP将缓存块按照重用距离分为远、中、近三种重用类别,将短时间内可能会被重用的近重用距离缓存块放入互斥混合Cache的SRAM缓存区,将在逐出缓存前不会再被访问的远重用距离缓存块绕过互斥混合Cache,从而减少STT-RAM缓存区的写操作次数。与基于SRAM的Cache相比,本文提出的基于重用距离预测的互斥混合Cache管理策略能够节省更多的Cache能耗。本文提出的混合Cache管理策略能够有效地缓解混合Cache中SRAM的静态能耗高以及STT-RAM的写能耗高与写延时大的矛盾,从而在满足Cache系统时延要求的前提下,有效降低Cache的总体能耗。