【摘 要】
：
非统一内存访问（Non-Uniform Memory Access,NUMA）架构可以突破内存总线的性能瓶颈,但是多CPU节点的NUMA架构在面对动态负载时不可避免地会产生远程访问,频繁进行高延迟的远程访问势必影响系统性能。非易失性内存（NonVolatile Memory,NVM）拥有接近内存（Dynamic Random Access Memory,DRAM）的访问性能且能持久化保存数据,但其
论文部分内容阅读
非统一内存访问（Non-Uniform Memory Access,NUMA）架构可以突破内存总线的性能瓶颈,但是多CPU节点的NUMA架构在面对动态负载时不可避免地会产生远程访问,频繁进行高延迟的远程访问势必影响系统性能。非易失性内存（NonVolatile Memory,NVM）拥有接近内存（Dynamic Random Access Memory,DRAM）的访问性能且能持久化保存数据,但其远高于内存的访问时延会加剧NUMA远程访问的并发性能损失。现有基于NVM的键值索引技术,不能很好地解决频繁的NUMA远程访问带来的性能下降问题。为解决高并发环境下NUMA架构的远程访问性能问题,提出了NUMA友好的分层索引树NFTree（NUMA-Friendly Tree）。NFTree通过对热点数据进行缓存和迁移,可以有效减少NUMA远程访问开销。NFTree分为索引层和数据层,索引层在DRAM中维护一棵索引B+树,利用高速的DRAM加快关键字查找;数据层在NVM中维护若干子树以及日志,对数据进行持久化存储,每棵子树都对应索引树的一个叶子节点。NFTree通过在DRAM中缓存热点子树来减少本地NVM访问,并在后台将大部分远程热点子树迁移到当前CPU的本地NVM上,从而减少远程NVM访问。此外NFTree通过键值分离技术提高索引存储效率,采用日志和写时复制技术减少一致性开销。最终,NFTree将大部分远程NVM访问转化为本地NVM访问和DRAM访问,有效减少了NUMA架构的远程访问开销。在真实的NUMA服务器上实现了NFTree系统原型,对NFTree的读写性能进行了测试,并与基于NVM的B+树索引FAST＆FAIR以及Nap进行对比。测试结果表明,在读操作、写操作、范围查询操作等负载下,NFTree的访问性能相比FAST＆FAIR提升了53%～97%,相比Nap提升了32%～72%,NFTree在应对热点数据时性能表现更好。
其他文献
测井曲线聚类属于石油勘探领域的地层分布区域性宏观研究,聚类后不同的井形成的集合可以使用相同方法分析,打破对测井“一孔之见”的传统认识,帮助测井解释人员形成全面完整的地层分析。测井曲线聚类的实现可以为相关工作人员提供新的测井曲线分析工具,为测井曲线分析带来更多的选择,具有重要的现实意义。测井曲线聚类通常包括预处理、相似度计算和曲线聚类三步。曲线预处理实现曲线的深度对齐和曲线数据量压缩。曲线相似度计算
近年来,随着信息化、数字化进程的加速发展,中国数据中心产业规模增长迅猛,造成了行业能耗以及碳排放急速增长。此外,“碳达峰·碳中和”的背景下相关部门对数据中心行业的用能管理提出了高能效、低排放的要求。因此,将分布式新能源发电接入数据中心能源系统是必然的趋势。显然,接入分布式新能源发电可以降低数据中心对电网的依赖、降低碳排放量。然而,新能源的高不确定性和强随机性,会对数据中心能源系统的供能安全性、稳定
岩性是地质描述的关键指标,能反映地下油气资源的空间分布,因此测井岩性解释对地质勘察及资源开发有着重要意义。目前传统测井数据驱动的岩性识别方法存在一定的局限性:1)测井数据存在异常值、岩性样本不平衡等问题,影响岩性识别模型的训练质量;2)原始测井表征中样本相互独立,无法表示相邻采样点、测井曲线之间的耦合关系;3)不同井或地区采集的测井数据分布具有差异性,导致跨域岩性识别模型的适用性不佳。针对上述问题
近年来,使用电阻式随机存储器（Resistive Random-Access Memory,Re RAM）作为基础的存算一体（Computing-In-Memory,CIM）架构已经成为解决传统冯·诺依曼体系结构中“内存墙”问题的一种高效方式。它能利用基尔霍夫电压/电流定律实现高度并行的模拟计算,能支持部分算术运算与布尔逻辑操作。但是,由于其功能比较单一,它往往需要与通用处理器协同使用。然而,基于
2003年浙江大学、宁波大学等七所非师范院校设置教育硕士专业学位授权点,此后非师范院校逐渐成为培养教育硕士的主要力量。截至2021年底,共有108所非师范院校设置了教育硕士专业学位点,成为教育硕士专业学位教育发展不可或缺的一环。随着教育硕士专业学位教育的发展,非师范院校参与教育硕士培养出现了分化。本文主要的研究重点是非师范院校参与教育硕士培养的发展历程及分化现象。首先通过对以往教育硕士专业学位的相
近年来,随着各类岩土工程项目数量的增加和规模的扩大,在暴雨、地震等自然因素的影响下,边坡失稳破坏事故越来越多,边坡安全的可靠度问题尤为重要。传统一次可靠度求解方法精度有限,且边坡功能函数高度非线性、难以显式表达,故本文提出结合BP神经网络和Laplace渐近方法用于边坡可靠度分析,对边坡工程的稳定性研究具有重要的理论参考和实用价值。首先,以顺层边坡为研究对象,推导其极限状态方程,利用映射变换法,求
网页信息提取旨在自动从网页中提取指定的数据,是很多下游任务的数据源头。如何高质高效地从海量网站中提取信息是一直在研究的问题,早期方法通过对每个网站提供少量提取示例能达到很高的精度,但人工开销会随网站数增长。后来有研究利用网站数据的领域特征完成了跨网站提取,但难以应用到其他领域的网站。现在有方法利用深度学习能在少量网站标注的数据上训练就完成对同领域网站的提取,对不同领域网站只需准备数据重新训练即可,
传统密码学算法是以黑盒模型为基础设计的。黑盒模型假定攻击者最多只能得到密码系统中输入的明文和输出的密文,无法访问算法的执行过程。随着信息技术的飞速发展,密码分析者的攻击能力越来越强,攻击手段越来越多元化,传统的黑盒模型已经不能满足对安全性的需求。2002年Chow等人提出了白盒模型。白盒模型认为密码算法的运行终端不再安全,同时定义了一种极端的攻击环境——白盒攻击环境。在白盒攻击环境中,攻击者完全控
自从特朗普赢得2016年美国总统选举以来,关于他的推特话语研究迅速增加。推特是特朗普发布信息和宣传政治观点最主要的社交网络平台,他也被誉为用“推特治国”的总统。大多数研究是从情感分析、话语策略等方面探讨了特朗普参选期间及获选后的部分推文。而实际上,特朗普自2009年注册推特后,就一直在该平台发布自己的政治观点,为自己后期参与美国总统大选奠定群众基础。少有研究从人际功能角度关注他公民时期的推文或是做
由于工业控制系统信息物理域高度耦合,从信息域入侵的网络攻击极易渗透至物理域,最终破坏物理设备并引发安全事故。风险评估技术能够在安全事故发生前评估事故对系统造成的影响,为策略决策、策略执行等防护过程提供支撑,是工控系统信息安全防护的核心环节。然而,现有的工控系统风险评估研究多是对传统IT领域方法的迁移,未考虑攻击风险跨工业控制系统信息物理域的传播过程。为解决以上问题,论文分析了工控系统风险评估需求,