CN111190737A - 一种针对嵌入式系统的内存分配方法 - Google Patents
一种针对嵌入式系统的内存分配方法 Download PDFInfo
- Publication number
- CN111190737A CN111190737A CN201911413282.7A CN201911413282A CN111190737A CN 111190737 A CN111190737 A CN 111190737A CN 201911413282 A CN201911413282 A CN 201911413282A CN 111190737 A CN111190737 A CN 111190737A
- Authority
- CN
- China
- Prior art keywords
- memory
- block
- subinterval
- allocation
- size
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000015654 memory Effects 0.000 title claims abstract description 293
- 238000000034 method Methods 0.000 title claims abstract description 32
- 101000617124 Mus musculus Stromal cell-derived factor 1 Proteins 0.000 claims abstract 3
- 230000008569 process Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013467 fragmentation Methods 0.000 abstract description 31
- 238000006062 fragmentation reaction Methods 0.000 abstract description 31
- 238000005192 partition Methods 0.000 abstract description 4
- 238000000638 solvent extraction Methods 0.000 abstract description 2
- 101000893493 Homo sapiens Protein flightless-1 homolog Proteins 0.000 description 17
- 102100040923 Protein flightless-1 homolog Human genes 0.000 description 17
- 239000012634 fragment Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 101100290347 Arabidopsis thaliana MBS2 gene Proteins 0.000 description 4
- 101001062996 Homo sapiens Friend leukemia integration 1 transcription factor Proteins 0.000 description 4
- 101100473036 Mus musculus Hnrnpa1 gene Proteins 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 101100290346 Arabidopsis thaliana MBS1 gene Proteins 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F12/00—Accessing, addressing or allocating within memory systems or architectures
- G06F12/02—Addressing or allocation; Relocation
- G06F12/06—Addressing a physical block of locations, e.g. base addressing, module addressing, memory dedication
- G06F12/0646—Configuration or reconfiguration
- G06F12/0653—Configuration or reconfiguration with centralised address assignment
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Memory System (AREA)
Abstract
本发明提供了一种针对嵌入式系统的内存分配方法，在TLSF算法的基础上进行了改进，加入了内存分块和参数自适应调节，能够根据申请大小来自适应调节每个内存块的内存分配结构，碎片率低。本发明在TLSF算法的基础上进行了改进，加入了内存分块和参数自适应调节，提高了内存利用率。其中，将内存区间进行分块，得到两个内存子区间，根据申请大小来自适应调节每个内存子区间的内存分配结构，从而在保证实时性的同时有效地降低碎片率。
Description
技术领域
本发明属于内存分配技术领域，具体涉及一种针对嵌入式系统的内存分配方法。
背景技术
随着物联网技术的发展，嵌入式实时操作系统得到越来越广泛的应用。嵌入式实时操作系统对动态内存分配的实时性、碎片率、可靠性有更高的要求，因此，动态内存分配已成为嵌入式实时操作系统的一个重要研究内容。嵌入式实时系统中，内存分配具有重要的意义，它是操作系统的一个重要模块，包括内存的分配和释放。内存分配的好坏直接关系着嵌入式系统的可靠性和稳定性。
从时间分配上，内存分配的分配策略可分为静态内存分配和动态内存分配。动态内存分配中存储空间是按需分配，并且被释放的内存块可以再次参与分配，因此动态内存分配内存资源利用率比静态内存分配高。静态内存分配是在栈上进行的，在栈上进行大量静态分配是很危险的，若栈溢出时，多出的数据会覆盖掉相邻堆栈的数据，甚至会破坏内核造成系统崩溃。动态分配可避免这一状况，大块内存的分配必须采取动态内存分配。因此，为了实时嵌入式系统开发中更好的使用动态内存分配策略，越来越多的研究人员开始关注内存分配的实时性及内存碎片问题。
频繁的动态内存分配操作会产生大量内存碎片的产生，影响系统性能，所以在不同的系统中，对于内存分配管理，开发了许多不同的内存分配算法，典型的实时系统动态内存分配算法有顺序查找算法、伙伴算法、Half-Fit算法、位示图算法以及TLSF算法。从实时性、内存碎片率这两方面考虑，TLSF(Two-level Segregated Fit)算法是最合适的动态内存分配算法。
TLSF(Two-level Segregated Fit)算法即二级间隔表动态内存分配算法。算法通过二级索引将空闲内存块组织起来。第1级索引按2的幂次将内存分为多个区域；第2级索引在第1级索引划分的内存区域里再进行线性分割。第2级索引的每一位都对应一条空闲内存链表。为了提高实时性，TLSF通过双击位图快速索引到大小合适的空闲内存块。为了减少内存碎片，TLSF算法在内存分配和释放时采用了切割和合并技术，当算法返回的空闲内存大小大于所请求的空闲内存大小时，将空闲内存块切割为两部分，一部分用于分配，另一部分作为新的空闲块插入到空闲链表中；在内存释放时，判断相邻物理空间上的内存块是否空闲块，若都为空闲内存块，则两个空闲块合并成一个更大的空闲块。TLSF算法的切割与合并策略降低了内存碎片率。
TLSF(Two-level Segregated Fit)是一种二级隔离适应算法，使用位图(Bitmaps)与分组空闲链表(Segregated List)相结合的方式对内存进行管理。通过两级隔离链表组织空闲队列，并且对于每一级链表都使用位图法标记其是否含有空闲块。第一级链表按照2的幂次方划分，第二级链表在由第一级链表划分的范围之内进行再次划分，第二级链表的每一级别都对应一条空闲链表。查找时，先根据请求的内存大小计算出最合适的一级，二级链表的索引值，直接查看对应的位图标记，如果标记该级链表上有空闲块，则直接从该级链表上取；如果由计算所得的两级索引值指定的链表上没有空闲块，则需要进行二次查找，通过位操作查找操作，寻找大于当前请求的最小大小空闲链表进行分配。在分配和释放过程中，需要适当的调整位图和链表管理信息。
TLSF算法实现过程中的三个参数(MAX_FLI、MAX_SLI、MBS)：
(1)一级索引MAX_FLI(不超过32)：
该索引标识一级链表长度，内存区共被划分成REAL_FLI(MAX_FLI-FLI_OFFSET)个大的内存块区间，一级索引值为fl的内存区间为[2fl,2fl+1)。参数FLI_OFFSET定义了最小一级索引的内存大小[0,2FLI_OFFSET+1)，低于此内存的所用内存块在此区间分配。
(2)二级索引MAX_SLI(不超过5)：
MAX_SLI等于2的MAX_LOG2_SLI次方(MAX_LOG2_SLI为程序中计算方便定义的)，二级索引将一级索引划分的内存区域按照线性再次划分。MAX_SLI的值可人为设定，若MAX_SLI＝3，则一级索引划分的内存区被平均划分成8段。MAX_SLI的值越大，则将内存区划分得越细，但一般而言，MAX_SLI不超过5。若MAX_SLI的值超过5，则2的MAX_SLI次幂超过32，无法用位图表示。
(3)最小块大小MBS(MBS＝2FLI_OFFSET+1)：
这个参数是定义最小块的大小，最小块的大小一般定义为16Bytes，块大小也可根据用户的实际需求而更改。
当MAX_FLI＝31、MAX_SLI＝3、MBS＝32时，TLSF数据结构如图1所示。其中，fl为一级索引值，s1为二级索引值。FL_Bitmap和SL_Bitmap表示位图。
该结构图中的每一个方框为一条空闲链表，每条链表可链接多个空闲内存块，如104这个链表存储空闲内存大小为104～111之间的所有空闲内存块地址。
TLSF算法的过程理论上为：初始化内存函数init_memory_pool初始整个内存池，并将总的空闲内存块存入二级链表中，即init_memory_pool之前，该内存分配结构全空，没有可用空闲内存，init_memory_pool之后，在该结构中插入一个最大的可用空闲内存，后面的申请过程中，将该大内存块不断切割，插入链表中相应位置。TLSF算法结构图如图1所示。
利用下述公式(1)确定所申请空闲内存处于的链表位置：
TLSF算法虽实时性好、内存碎片率相对较小，但其三个参数(MAX_FLI、MAX_SLI、MBS)一旦设定好，其算法数据结构就固定不变了，无法根据实际的任务申请内存大小情况做出调节，从而造成了一定了内存碎片和实时性的降低。例如当某个任务需要申请一系列小内存时，若TLSF算法MAX_SLI设置较小(即划分不够精细)，就会造成很多的内存碎片，碎片率会很高。
发明内容
有鉴于此，本发明提供了一种针对嵌入式系统的内存分配方法，在TLSF算法的基础上进行了改进，加入了内存分块和参数自适应调节，能够根据申请大小来自适应调节每个内存块的内存分配结构，碎片率低。
为实现上述目的，本发明的一种针对嵌入式系统的内存分配方法，包括如下步骤：
首先进行内存区间初始化：将整个内存区间平均分为两块子区间，对每块内存子区间的MAX_FLI、MAX_SLI以及MBS参数值进行初始化；
然后开始在第一块内存子区间内进行内存分配，并记录每次内存分配大小；
当第一块内存子区间分配完毕后，根据记录的第一块内存子区间每次内存分配大小，计算出即将到来的内存分配大小预测值，根据预测值调节第二块内存子区间的MAX_SLI以及MBS参数值，并开始在第二块内存子区间中进行分配；
当第二块内存子区间分配完毕后，若第一块内存子区间全部释放完毕，则根据记录的第二块内存子区间每次内存分配大小，计算出即将到来的内存分配大小预测值，根据当前预测值调节第一块内存子区间的MAX_SLI以及MBS参数值，开始在第一块内存子区间中进行分配；若第一块内存子区间没有完全释放完毕，则不作调节，直接开始在第一块内存子区间中进行分配。
其中，采用加权移动平均滤波法计算出即将到来的分配内存大小预测值。
其中，所述预测值为前n次的内存分配大小的平均值。
其中，分别用abf_init、abf_malloc以及abf_free函数来实现内存初始化、内存分配以及内存释放。
其中，对内存子区间进行初始化时，每块内存子区间中，先初始化用来初始化内存分配结构的头结构体abf_t，然后调用函数process area()处理内存块；函数processarea()对申请到的内存子区间进行初始化，返回值是实际可用的内存大小，参数是初始化时内存子区间的大小和内存子区间的首地址，初始化后TLSF_STRUCT放在首地址处。
其中，内存释放中，若为第一块内存子区间中分配的内存，则在第一块内存子区间中进行释放，若为第二块内存子区间中分配的内存，则在第二块内存子区间中进行释放。
有益效果：
本发明在TLSF算法的基础上进行了改进，加入了内存分块和参数自适应调节，提高了内存利用率。其中，将内存区间进行分块，得到两个内存子区间，根据申请大小来自适应调节每个内存子区间的内存分配结构，从而在保证实时性的同时有效地降低碎片率。
附图说明
图1为TLSF算法结构图。
图2为本发明ABF算法整体数据结构图。
图3为本发明ABF算法内部详细结构图。
图4为TLSF算法碎片率随二级索引大小的变化情况示意图。
图5为本发明ABF算法流程图。
图6为本发明ABF算法中每块的内存分配流程图。
图7为本发明ABF算法中每块的内存释放流程图
图8为本发明ABF算法与TLSF算法碎片率比较示意图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明提出了Adjustable Block Fit内存分配算法(简称ABF)，即可调节的分块内存分配算法，使内存分配算法可以随着申请内存大小情况实时做出调节，其主要思想为：将所要分配的内存区间分为两块，每块分别用独立的TLSF算法进行管理。本发明ABF算法整体数据结构如图2所示。
开始时合理设置两个内存块的MAX_FLI、MAX_SLI、MBS参数值，如图3所示：(MAX_FLI1＝19、MAX_SLI1＝8、MBS1＝128、MAX_FLI2＝19、MAX_SLI2＝8、MBS2＝128)。当有内存申请到来时，先从第一个TLSF内存块开始分配，并记录每次内存申请大小。第一块内存分配完毕后，根据之前申请内存大小，采用加权移动平均滤波法对即将到来的内存请求大小进行预测，根据预测值自动调节第二块TLSF算法的结构，并开始在第二块内存子区间中分配，第二块内存子区间已满时，若第一块中的内存全部释放完毕，则根据新的预测值调节第一块TLSF算法的结构，转回第一块内存子区间进行分配，这样不断调节两块内存子区间的管理结构。
其中，参数自适应调节具体过程如下：
(1)预测值计算：计算前n次的内存分配大小的平均值得到预测值，其中n为第一块内存子区间分配完毕后的总分配次数，xi为每次分配的内存大小。预测值后面将用于计算二级索引值来调节内存分配结构。预测值计算公式为：
(2)一级索引MAX_FLI：
一级索引值的大小只与要管理的内存子区间的大小有关，一级索引值越大，代表算法结构越大，查表得到合适的空闲内存大小的过程越复杂，故取能管理该区间的一级索引最小值作为ABF算法的一级索引值。因为初始化内存池时将最大的可用空闲内存块插入链表中，所以内存分配结构最小应当放得下内存子区间大小的内存块。根据两块内存子区间的大小m1、m2，计算一级索引值MAX_FLI1、MAX_FLI2，计算公式为：
(3)二级索引MAX_SLI＝2MAX_LOG2_SLI：
二级索引值越大，表明内存分配结构划分的越精细。增大二级索引值可以有效的降低内存碎片率，但也会使内存分配时的查表过程变得更繁琐，即实时性降低，故应当根据实际的内存请求大小合理的设置二级索引值。
测得TLSF算法碎片率情况随二级索引值得变化关系如图4所示，由图可以看出，申请大内存(500B～1000B)时，碎片率较申请小内存时低。因此在ABF算法的设计时，随着申请内存大小的减小而增大二级索引值，从而在保证实时性的情况下有效降低碎片率。
二级索引值调节公式为：
即以5为基础，预测值每增大500，MAX_LOG2_SLI减小1，最小为1。
(4)最小块大小MBS＝2FLI_OFFSET+1：
最小块大小标定了一个小内存界限，低于此内存大小的所用内存块压缩在最下面一行进行分配。经测试，最小块大小与碎片率没有明显关系。在二级索引值不超过4时，将MBS设为常用的16B(即FLI_OFFSET＝3)，二级索引值为5时，需要将一行分为32块，故MBS最小设为32(即FLI_OFFSET＝4)。
最小块大小MBS的调节公式为：
本发明ABF算法实现流程图如图5所示，具体步骤如下：
步骤1，初始化：将整个内存区间平均分为两块子区间，对每块内存子区间的MAX_FLI、MAX_SLI以及MBS参数值进行初始化。如：
MAX_FLI1＝19、MAX_SLI1＝8、MBS1＝128
MAX_FLI2＝19、MAX_SLI2＝8、MBS2＝128。
步骤2，一级索引值MAX_FLI计算与调节：根据两块内存子区间的可用空闲内存大小计算MAX_FLI1、MAX_FLI2并调节，同时开始在第一块内存子区间中进行内存分配，记录每次分配的内存大小。
当第一块内存子区间分配完毕后，根据记录的分配内存大小计算出预测值，根据预测值对第二块内存子区间的MAX_SLI、MBS参数值作出调节，并开始在第二块内存子区间中进行分配。当第二块内存子区间分配完毕后，若第一块内存子区间全部释放完毕，则根据记录的第二块内存子区间每次内存分配大小，计算出即将到来的内存分配大小预测值，根据当前预测值调节第一块内存子区间的MAX_SLI以及MBS参数值，开始在第一块内存子区间中进行分配；若第一块内存子区间没有完全释放完毕，则不作调节，直接开始在第一块内存子区间中进行分配。
本发明ABF算法内存分配释放流程：
内存分配算法一般由内存初始化、内存分配、内存释放操作来实现。ABF算法中分别用abf_init、abf_malloc以及abf_free函数来实现这些功能。
内存初始化流程：动态内存初始化的目的是申请一块大的内存区间，ABF算法中先将内存区间分块，根据每块内存大小计算一级索引MAX_FLI1、MAX_FLI2。然后分别进行初始化，每块中先初始化头结构体abf_t，用来初始化内存分配结构。然后调用函数processarea()处理内存块，对申请到的内存子区间进行初始化。返回值是实际可用的内存大小(可用于动态分配)，参数是初始化时内存的大小和内存的首地址，初始化后TLSF_STRUCT会放在首地址处。
内存分配流程：先在第一块内存子区间内进行分配，第一块分配完毕，计算二级索引MAX_SLI2、最小块大小MBS2，调节第二块内存分配结构并开始在第二块中进行分配，当第一块中申请的内存块全部释放完毕，则调节MAX_SLI1、MBS2，并在第一块内存子区间中进行分配，以此循环。每块的分配流程为图6所示。
内存释放流程，若为第一块内存子区间中分配的内存块，则在第一块内存子区间中进行释放，若为第二块内存子区间中分配的内存块，则在第二块内存子区间中进行释放，每块内存释放流程如图7所示。
为了测量ABF内存分配算法的性能，将本发明ABF算法与目前性能较好的TLSF算法进行对比，做了相应的对比实验。
测试结果为：
Case1：
TLSF算法 碎片率f＝0.150207
ABF算法 碎片率f＝0.098308
Case2：
TLSF算法 碎片率f＝0.244677
ABF算法 碎片率f＝0.208546
Case3：
TLSF算法 碎片率f＝0.073784
ABF算法 碎片率f＝0.073784
图8为ABF算法与TLSF算法的碎片率测试结果对比图，可以看出，在采用了ABF算法进行自适应调节后，Case1和Case2的碎片率都有很明显的降低。Case1中，碎片率降低了0.052，即多出了5200000B内存区间可用来分配。在Case2中，由于申请的都为小内存，生成了很多内存碎片，采用TLSF算法进行内存分配时碎片率达到了24％，采用ABF算法后碎片率降低至21％，多出了3MB可用内存空间。在Case3中，由于申请的都为大内存，产生的内存碎片较少，为了保证内存分配的实时性，在ABF算法中的自适应调节公式计算得到的结果为不做调节，因此碎片率测试结果与TLSF算法相同，仍然保持了较低的碎片率。实验结果表明，本发明ABF算法与目前性能较好的TLSF算法相比，在保证实时性的同时能达到更小的碎片率。具体的，在申请随机大小的内存时，采用ABF算法碎片率较TLSF算法降低了35％，在申请小内存时，采用ABF算法碎片率较TLSF算法降低了15％。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种针对嵌入式系统的内存分配方法，其特征在于，包括如下步骤：
首先进行内存区间初始化：将整个内存区间平均分为两块子区间，对每块内存子区间的MAX_FLI、MAX_SLI以及MBS参数值进行初始化；
然后开始在第一块内存子区间内进行内存分配，并记录每次内存分配大小；
当第一块内存子区间分配完毕后，根据记录的第一块内存子区间每次内存分配大小，计算出即将到来的内存分配大小预测值，根据预测值调节第二块内存子区间的MAX_SLI以及MBS参数值，并开始在第二块内存子区间中进行分配；
当第二块内存子区间分配完毕后，若第一块内存子区间全部释放完毕，则根据记录的第二块内存子区间每次内存分配大小，计算出即将到来的内存分配大小预测值，根据当前预测值调节第一块内存子区间的MAX_SLI以及MBS参数值，开始在第一块内存子区间中进行分配；若第一块内存子区间没有完全释放完毕，则不作调节，直接开始在第一块内存子区间中进行分配。
2.如权利要求1所述的针对嵌入式系统的内存分配方法，其特征在于，采用加权移动平均滤波法计算出即将到来的分配内存大小预测值。
3.如权利要求1所述的针对嵌入式系统的内存分配方法，其特征在于，所述预测值为前n次的内存分配大小的平均值。
4.如权利要求1所述的针对嵌入式系统的内存分配方法，其特征在于，分别用abf_init、abf_malloc以及abf_free函数来实现内存初始化、内存分配以及内存释放。
5.如权利要求1所述的针对嵌入式系统的内存分配方法，其特征在于，对内存子区间进行初始化时，每块内存子区间中，先初始化用来初始化内存分配结构的头结构体abf_t，然后调用函数process area()处理内存块；函数process area()对申请到的内存子区间进行初始化，返回值是实际可用的内存大小，参数是初始化时内存子区间的大小和内存子区间的首地址，初始化后TLSF_STRUCT放在首地址处。
6.如权利要求1所述的针对嵌入式系统的内存分配方法，其特征在于，内存释放中，若为第一块内存子区间中分配的内存，则在第一块内存子区间中进行释放，若为第二块内存子区间中分配的内存，则在第二块内存子区间中进行释放。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911413282.7A CN111190737A (zh) | 2019-12-31 | 2019-12-31 | 一种针对嵌入式系统的内存分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911413282.7A CN111190737A (zh) | 2019-12-31 | 2019-12-31 | 一种针对嵌入式系统的内存分配方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111190737A true CN111190737A (zh) | 2020-05-22 |
Family
ID=70707922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911413282.7A Pending CN111190737A (zh) | 2019-12-31 | 2019-12-31 | 一种针对嵌入式系统的内存分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111190737A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113268349A (zh) * | 2021-06-04 | 2021-08-17 | 科东(广州)软件科技有限公司 | 一种计算机内存管理方法、装置、设备及存储介质 |
| CN113791596A (zh) * | 2021-11-15 | 2021-12-14 | 西安热工研究院有限公司 | 基于动态申请内存小时均值计算方法和系统、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915276A (zh) * | 2012-09-25 | 2013-02-06 | 武汉邮电科学研究院 | 一种用于嵌入式系统的内存控制方法 |
| CN103970680A (zh) * | 2014-04-28 | 2014-08-06 | 上海华为技术有限公司 | 内存管理方法、装置及嵌入式系统 |
| US20140372724A1 (en) * | 2013-06-13 | 2014-12-18 | International Business Machines Corporation | Allocation of distributed data structures |
-
2019
- 2019-12-31 CN CN201911413282.7A patent/CN111190737A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915276A (zh) * | 2012-09-25 | 2013-02-06 | 武汉邮电科学研究院 | 一种用于嵌入式系统的内存控制方法 |
| US20140372724A1 (en) * | 2013-06-13 | 2014-12-18 | International Business Machines Corporation | Allocation of distributed data structures |
| CN103970680A (zh) * | 2014-04-28 | 2014-08-06 | 上海华为技术有限公司 | 内存管理方法、装置及嵌入式系统 |
Non-Patent Citations (3)
| Title |
|---|
| VH SHAH等: "An analysis and review on memory management algorithms for real time operating system" * |
| 孙棣华等: "一种嵌入式实时系统动态内存管理器的设计" * |
| 宋敏超等: "一种新型嵌入式动态内存分配算法" * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113268349A (zh) * | 2021-06-04 | 2021-08-17 | 科东(广州)软件科技有限公司 | 一种计算机内存管理方法、装置、设备及存储介质 |
| CN113268349B (zh) * | 2021-06-04 | 2022-02-18 | 科东(广州)软件科技有限公司 | 一种计算机内存管理方法、装置、设备及存储介质 |
| CN113791596A (zh) * | 2021-11-15 | 2021-12-14 | 西安热工研究院有限公司 | 基于动态申请内存小时均值计算方法和系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11048442B2 (en) | Scalable in-memory object storage system using hybrid memory devices | |
| EP3367251B1 (en) | Storage system and solid state hard disk | |
| US10929341B2 (en) | Iterative object scanning for information lifecycle management | |
| JP4317531B2 (ja) | 複数のメモリ・バッファ・サイズを均衡させるためのシステムおよび方法 | |
| KR100338224B1 (ko) | 참조의 국한성에 대한 고효율의 동적 추적 방법 및 장치 | |
| JP6313993B2 (ja) | ホストのサービス品質インジケータに重みを割り当てるための装置および方法ならびに記憶媒体 | |
| WO2002039284A2 (en) | Systems and methods for management of memory | |
| US8051265B2 (en) | Apparatus for managing memory in real-time embedded system and method of allocating, deallocating and managing memory in real-time embedded system | |
| JP2005508033A5 (zh) | ||
| KR20100091853A (ko) | 동적 메모리 관리를 수행하는 임베디드 시스템 및 그의 메모리 관리방법 | |
| US20100293206A1 (en) | Clustering related objects during garbage collection | |
| US20210157725A1 (en) | Method and apparatus for dynamically adapting cache size based on estimated cache performance | |
| CN111190737A (zh) | 一种针对嵌入式系统的内存分配方法 | |
| CN107844372B (zh) | 一种内存分配的方法、系统 | |
| US20050268049A1 (en) | Dynamic memory management | |
| CN105302830A (zh) | 一种地图瓦片缓存方法及装置 | |
| CN111984425A (zh) | 用于操作系统的内存管理方法、装置及设备 | |
| US20070288255A1 (en) | Method And Apparatus For Assigning Rack Space | |
| CN113590332A (zh) | 内存管理方法、装置及内存分配器 | |
| US20180129425A1 (en) | Data management system and method for processing distributed data | |
| CN110166279B (zh) | 一种非结构化云数据管理系统的动态布局方法 | |
| CN109408412B (zh) | 内存预取控制方法、装置及设备 | |
| CN111949218B (zh) | 一种高可用存储系统负载均衡方法、系统、介质及终端 | |
| CN113835868B (zh) | 一种基于反馈和公平队列的服务质量感知的缓存调度方法 | |
| CN116561374B (zh) | 基于半结构化存储的资源确定方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200522 |