CN112445794A - 一种大数据系统的缓存方法 - Google Patents

一种大数据系统的缓存方法 Download PDF

Info

Publication number
CN112445794A
CN112445794A CN201910850187.7A CN201910850187A CN112445794A CN 112445794 A CN112445794 A CN 112445794A CN 201910850187 A CN201910850187 A CN 201910850187A CN 112445794 A CN112445794 A CN 112445794A
Authority
CN
China
Prior art keywords
cache
value
data
data block
storage server
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.)
Granted
Application number
CN201910850187.7A
Other languages
English (en)
Other versions
CN112445794B (zh
Inventor
王丹华
黄陈蓉
张建德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Institute of Technology
Original Assignee
Nanjing Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN201910850187.7A priority Critical patent/CN112445794B/zh
Publication of CN112445794A publication Critical patent/CN112445794A/zh
Application granted granted Critical
Publication of CN112445794B publication Critical patent/CN112445794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24552—Database cache management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Memory System Of A Hierarchy Structure (AREA)

Abstract

本发明涉及一种大数据系统的缓存方法，该方法将存储服务器的高速缓存划分为本地缓存区和远程缓存区，将应用服务器远程访问的数据块调入远程缓存区，同时提供了一种基于大数据系统特点的缓存价值计算方法，基于计算的缓存价值淘汰远程缓存区内的数据块。该方法提高了存储服务器的缓存命中率和利用率。

Description

一种大数据系统的缓存方法
【技术领域】
本发明属于计算机领域，尤其涉及一种大数据系统的缓存方法。
【背景技术】
随着计算机和互联网技术的快速发展，我们处在了一个信息爆炸的时代，为了处理大量的信息，出现了大数据的概念。所谓大数据，是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
为了存储大数据系统需要的海量数据，需要大量存储设备和存储系统。但是，存储海量数据信息的存储设备和存储系统通常都是慢速的，一方面是因为大容量存储设备都是机械式的存储设备(例如机械硬盘)，另一方面可能是因为存储设备或存储系统不是本地的，需要远程读取，因此，通常情况下，存储设备的读写速度要远远小于现有处理器、内存的读写速度。因此，为了处理存储设备和处理器、内存之间的速度差距，现有的计算机系统中通常都具有高速缓存机制。
但是，由于高速缓存和存储设备的成本差距很大，计算机中的高速缓存容量比实际存储设备小的多，只能缓存数据的很小的一部分，缓存哪一部分数据才能使得缓存命中率最高就成为计算机缓存技术中最重要的研究方向。现有技术中都是基于局部性原理来缓存数据，当高速缓存已满时，如果需要缓存新的数据，就必须按照一定规则淘汰掉高速缓存中的一部分旧数据，保证剩下的数据的缓存命中率尽可能高。
现有的大数据系统采用的缓存技术与普通计算机系统的缓存技术并无差别，并没有针对大数据系统本身的特点进行优化，因此面对大数据系统大量存储服务器之间的访问，其缓存命中率并不能达到最优。
【发明内容】
为了解决现有技术中的上述问题，本发明提供了一种大数据系统的缓存方法。
本发明采用的技术方案具体如下：
一种大数据系统的缓存方法，所述大数据系统包括存储服务器和多个应用服务器，所述存储服务器的高速缓存包括本地缓存区和远程缓存区，所述本地缓存区用于缓存本地系统访问所产生的缓存数据，所述远程缓存区用于缓存由应用服务器访问所产生的缓存数据；该方法包括以下步骤：
(1)存储服务器接受各个应用服务器的数据访问，确定一个需要调入远程缓存区的数据块；
(2)存储服务器判断当前远程缓存区是否具有足够的空闲空间，可以存储所述数据块，如果有，则将所述数据块存入远程缓存区，如果没有，则继续执行后续步骤；
(3)所述存储服务器计算当前远程缓存区中所有缓存数据块的缓存价值，选择缓存价值最小的一个或多个缓存数据块进行淘汰，以使得高速缓存具有足够的空闲空间存储所述数据块。
进一步地，所述远程缓存区中缓存数据块的缓存价值采用以下方法计算：
S1：存储服务器为所有应用服务器分别计算权重值，并且定时更新所述权重值；对于任意一个应用服务器，其权重值W为：
Figure BSA0000189922170000031
其中，W0是该应用服务器的基本权重值，T是该应用服务器访问该存储服务器的时延，T0是所有应用服务器访问该存储服务器的平均时延；
S2：当一个数据块被调入远程缓存区时，存储服务器为该数据块计算缓存价值的初始值V，即：
Figure BSA0000189922170000032
其中，WA是当前访问该数据块的应用服务器A的权重值；V0是预设的基本缓存价值，Size是该数据块的大小，S0是在过去一段时间内所有被调入远程缓存区的数据块的平均大小；
S3：每隔一个预设的标准时间间隔，远程缓存区内的所有缓存数据块的缓存价值都减少一个预定值，最低减少到0；
S4：当远程缓存区中的一个缓存数据块被命中时，存储服务器为该缓存数据块的缓存价值增加一个增加值Vinc，即：
Figure BSA0000189922170000033
其中，WB是当前访问该缓存数据块的应用服务器B的权重值；Size1是所述缓存数据块被命中的数据量的大小。
进一步地，所述本地缓存区和远程缓存区是将一个高速缓存存储器在逻辑上划分成的两个区域。
进一步地，所述本地缓存区和远程缓存区是两个独立的高速缓存存储器。
进一步地，所述存储服务器维护一张缓存价值表，用于存储高速缓存中的每个缓存数据块的缓存价值。
进一步地，所述步骤(3)中，当选择的缓存数据块被淘汰后，系统对远程缓存区进行整理，调入所述数据块。
进一步地，所述基本权重值由存储服务器的管理员设置。
进一步地，所述步骤S1中，所述定时更新具体包括：所述存储服务器定时测量各个应用服务器的访问时延，基于测量结果重新计算各个应用服务器的权重值。
本发明的有益效果是：提高大数据系统中存储服务器的缓存命中率和利用率。
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：
图1是本发明大数据系统的逻辑结构示意图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
参见附图1，其示出了本发明大数据系统的逻辑结构示意图，该系统包括多个存储服务器和应用服务器，各个服务器之间通过网络相互连接并通信。
所述存储服务器用于存储大数据系统所收集的数据，通常情况下，为了存储来自不同来源的海量数据，大数据系统需要大量的存储服务器，并且分布在不同的地点。
所述应用服务器用于执行大数据系统的相关应用功能，例如基于特定目的的大数据分析。系统中可以包括一个或多个应用服务器，以用于执行多种应用功能。应用服务器为了执行相关应用功能，就需要访问所述存储服务器，以读写相应数据。
本发明的缓存方法针对的是所述存储服务器的高速缓存。大数据系统中的所述存储服务器的缓存需求来自两个方面：第一个方面是本地系统访问，即存储服务器本地系统运行访问数据导致的高速缓存需求，例如存储服务器的操作系统自身运行需要访问操作系统的相关数据，由此产生的高速缓存需求；另一方面是远程访问，即存储服务器接收到外部应用服务器的数据访问请求所导致的高速缓存需求。这两方面的数据访问特点是大不相同的，因此，本发明为了满足两种不同的数据访问特点，将存储服务器的高速缓存划分为两个独立的缓存区，一个缓存区是本地缓存区，用于缓存由本地系统访问所产生的缓存数据，另一个缓存区是远程缓存区，用于缓存由应用服务器访问所产生的缓存数据。
需要说明的是，本地缓存区和远程缓存区可以是将一个高速缓存存储器在逻辑上划分成的两个区域，也可以是两个独立的高速缓存存储器。
对于本地缓存区，其实质上就相当于普通计算机的缓存区，因此其缓存管理可以采用现有的计算机缓存管理方法，在此不再赘述。
对于远程缓存区，下面详细说明本发明的缓存管理方法：
(1)存储服务器接受各个应用服务器的数据访问，确定一个需要调入远程缓存区的数据块。
所述数据块原本存储于存储服务器的主存储器中(例如硬盘)，存储服务器在接受应用服务器的数据访问请求后，确定数据访问请求需要访问的主存储器的地址范围，基于一定时间内对多个数据访问请求所对应的地址范围的统计，存储服务器可以确定在最近时间段内，主存储器中哪个数据块是被应用服务器频繁访问的数据块，从而可以确定将该数据块调入远程缓存区，以提高后续访问效率。
当然，存储服务器也可以一次确定多个数据块需要调入远程缓存区，此时可以按照预定的顺序将所述多个数据块一个一个的调入远程缓存区，即一个一个的执行本发明的方法。
(2)存储服务器判断当前远程缓存区是否具有足够的空闲空间，可以存储所述数据块，如果有，则将所述数据块存入远程缓存区，如果没有，则继续执行后续步骤。
通常而言，在存储服务器重启且接受外部应用服务器访问的初期阶段，远程缓存区有可能有空闲空间，在运行一段时间后，远程缓存区被填满，就不再有空闲空间，此时需要通过后续步骤淘汰已有的数据块，再调入新数据块。
(3)所述存储服务器计算当前远程缓存区中所有缓存数据块的缓存价值，选择缓存价值最小的一个或多个缓存数据块进行淘汰，以使得高速缓存具有足够的空闲空间存储所述数据块。
具体的，存储服务器中会维护一张缓存价值表，用于存储高速缓存中的每个缓存数据块的缓存价值，因而该步骤3会基于所述缓存价值表对远程缓存区的所有缓存数据块的缓存价值进行排序，从而可确定缓存价值最小的一个或多个缓存数据块，这些缓存数据块的大小总和需要超过要调入的数据块大小，因此当这些缓存数据块被淘汰后，系统对远程缓存区进行整理，就可以调入所述数据块。
所述缓存价值是用于衡量相应缓存数据块在高速缓存中的作用大小，缓存价值越大的缓存数据块，其被命中的可能性越大，对系统中数据读写效率的提高越大。缓存价值的量化有助于提高缓存命中率，因此本发明针对大数据系统的特点提出了一种缓存价值的计算方法，具体说明如下：
S1：存储服务器为所有应用服务器分别计算权重值，并且定时更新所述权重值。
所述权重值反映的是应用服务器的重要程度。在大数据系统的实际应用中，不同应用服务器执行的工作是有不同的优先级的，另外，不同应用服务器所执行的工作可能只会涉及到部分存储服务器，从存储服务器的角度看，其提供的数据服务也可能只是针对部分应用服务器。综合考虑这些因素，不同应用服务器对于存储服务器的重要程度是不同的。
因此，在本发明的方案中，每个应用服务器首先具有一个基本权重值，该基本权重值可以由存储服务器的管理员设置，其用于表示相对于该存储服务器，应用服务器的重要程度。同一个应用服务器对于不同的存储服务器而言，其基本权重值可能是不同的。
影响应用服务器权重的另一个因素是应用服务器访问该存储服务器的时延，即数据从存储服务器传输到应用服务器的时间，存储服务器可以定时测量该时延，例如通过Ping命令的方式。时延越长的应用服务器，其访问该存储服务器的效率越低，因而也会影响到应用服务器的重要程度。
具体的，对于任意一个应用服务器，存储服务器可以计算其权重值W，即：
Figure BSA0000189922170000071
其中，W0是该应用服务器的基本权重值，T是该应用服务器访问该存储服务器的时延，T0是所有应用服务器访问该存储服务器的平均时延。存储服务器定时测量各个应用服务器的访问时延，基于测量结果重新计算各个应用服务器的权重值。
S2：当一个数据块被调入远程缓存区时，存储服务器为该数据块计算一个缓存价值的初始值V。
具体的，所述数据块被调入远程缓存区，必然是某个应用服务器(以下记为应用服务器A)对存储服务器发出了数据访问请求，请求访问所述数据块，设该应用服务器A当前的权重值为WA，则所述初始值V的计算公式如下
Figure BSA0000189922170000081
其中，V0是一个预设的基本缓存价值，Size是该数据块的大小(以字节为单位)，S0是在过去一段时间内所有被调入远程缓存区的数据块的平均大小，时间的长度可以预先设置。
基于上式，数据块的缓存价值和访问该数据块的应用服务器的权重值成正比，换言之，应用服务器的重要程度越高，则该数据块的重要程度也越高。此外，数据块的缓存价值还取决于数据块的大小，数据块越大，则其被命中的可能性越大，因而其价值也越大。
S3：每隔一个预设的标准时间间隔，远程缓存区内的所有缓存数据块的缓存价值都减少一个预定值，最低减少到0。
步骤S3意味着，所有缓存数据块的缓存价值都随时间逐渐减少，如果没有后续访问，缓存价值会最终减少到最小值0。存储服务器可以设置定时器，定时给所有缓存价值减少预定值。
S4：当远程缓存区中的一个缓存数据块被命中时，存储服务器为该缓存数据块的缓存价值增加一个增加值Vinc。
具体的，所述缓存数据块被命中，必然是因为一个应用服务器(以下记为应用服务器B)对其发出了数据访问请求，设该应用服务器B的当前权重值为WB，则所述增加值Vinc为：
Figure BSA0000189922170000091
其中，Size1是所述缓存数据块被命中的数据量的大小。
本发明使用上述缓存管理方法，在大数据系统中进行了应用实践，对实践中的缓存命中率进行统计，通过大量的实践测试证明，与现有技术中最常见的FIFO算法、LRU算法、LFU算法相比较，本发明的缓存管理方法有效地提高了缓存命中率和利用率。
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。

Claims (8)

1.一种大数据系统的缓存方法，其特征在于，所述大数据系统包括存储服务器和多个应用服务器，所述存储服务器的高速缓存包括本地缓存区和远程缓存区，所述本地缓存区用于缓存本地系统访问所产生的缓存数据，所述远程缓存区用于缓存由应用服务器访问所产生的缓存数据；该方法包括以下步骤：
(1)存储服务器接受各个应用服务器的数据访问，确定一个需要调入远程缓存区的数据块；
(2)存储服务器判断当前远程缓存区是否具有足够的空闲空间，可以存储所述数据块，如果有，则将所述数据块存入远程缓存区，如果没有，则继续执行后续步骤；
(3)所述存储服务器计算当前远程缓存区中所有缓存数据块的缓存价值，选择缓存价值最小的一个或多个缓存数据块进行淘汰，以使得高速缓存具有足够的空闲空间存储所述数据块。
2.根据权利要求1所述的方法，其特征在于，所述远程缓存区中缓存数据块的缓存价值采用以下方法计算：
S1：存储服务器为所有应用服务器分别计算权重值，并且定时更新所述权重值；对于任意一个应用服务器，其权重值W为：
Figure FSA0000189922160000011
其中，W0是该应用服务器的基本权重值，T是该应用服务器访问该存储服务器的时延，T0是所有应用服务器访问该存储服务器的平均时延；
S2：当一个数据块被调入远程缓存区时，存储服务器为该数据块计算缓存价值的初始值V，即：
Figure FSA0000189922160000021
其中，WA是当前访问该数据块的应用服务器A的权重值；V0是预设的基本缓存价值，Size是该数据块的大小，S0是在过去一段时间内所有被调入远程缓存区的数据块的平均大小；
S3：每隔一个预设的标准时间间隔，远程缓存区内的所有缓存数据块的缓存价值都减少一个预定值，最低减少到0；
S4：当远程缓存区中的一个缓存数据块被命中时，存储服务器为该缓存数据块的缓存价值增加一个增加值Vinc，即：
Figure FSA0000189922160000022
其中，WB是当前访问该缓存数据块的应用服务器B的权重值；Size1是所述缓存数据块被命中的数据量的大小。
3.根据权利要求1-2任意一项所述的方法，其特征在于，所述本地缓存区和远程缓存区是将一个高速缓存存储器在逻辑上划分成的两个区域。
4.根据权利要求1-2任意一项所述的方法，其特征在于，所述本地缓存区和远程缓存区是两个独立的高速缓存存储器。
5.根据权利要求1-4任意一项所述的方法，其特征在于，所述存储服务器维护一张缓存价值表，用于存储高速缓存中的每个缓存数据块的缓存价值。
6.根据权利要求1-5任意一项所述的方法，其特征在于，所述步骤(3)中，当选择的缓存数据块被淘汰后，系统对远程缓存区进行整理，调入所述数据块。
7.根据权利要求2所述的方法，其特征在于，所述基本权重值由存储服务器的管理员设置。
8.根据权利要求2所述的方法，其特征在于，所述步骤S1中，所述定时更新具体包括：所述存储服务器定时测量各个应用服务器的访问时延，基于测量结果重新计算各个应用服务器的权重值。
CN201910850187.7A 2019-09-05 2019-09-05 一种大数据系统的缓存方法 Active CN112445794B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910850187.7A CN112445794B (zh) 2019-09-05 2019-09-05 一种大数据系统的缓存方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910850187.7A CN112445794B (zh) 2019-09-05 2019-09-05 一种大数据系统的缓存方法

Publications (2)

Publication Number Publication Date
CN112445794A true CN112445794A (zh) 2021-03-05
CN112445794B CN112445794B (zh) 2023-08-25

Family

ID=74733599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910850187.7A Active CN112445794B (zh) 2019-09-05 2019-09-05 一种大数据系统的缓存方法

Country Status (1)

Country Link
CN (1) CN112445794B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114138840A (zh) * 2021-12-08 2022-03-04 中国建设银行股份有限公司 数据查询方法、装置、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103294912A (zh) * 2013-05-23 2013-09-11 南京邮电大学 一种面向移动设备基于预测的缓存优化方法
CN105072165A (zh) * 2015-07-22 2015-11-18 清华大学深圳研究生院 一种基于混合模式移动应用的数据本地存储控制方法及装置
CN105512053A (zh) * 2015-12-07 2016-04-20 中南大学 移动透明计算系统服务器端多用户访问的镜像缓存方法
CN106095391A (zh) * 2016-05-31 2016-11-09 携程计算机技术（上海）有限公司 基于大数据平台和算法模型的计算方法及系统
US20170171457A1 (en) * 2015-12-11 2017-06-15 Nanning Fugui Precision Industrial Co., Ltd. Automatic focusing method and automatic focusing system
US20180356278A1 (en) * 2017-06-07 2018-12-13 Alexander Lebedev Digital fishing net scale configured for integration into a hotspot system
US20190026212A1 (en) * 2013-10-04 2019-01-24 Verto Analytics Oy Metering user behaviour and engagement with user interface in terminal devices
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统
US20190253670A1 (en) * 2011-11-14 2019-08-15 Tseng-Lu Chien LED Light Has Built-In Camera-Assembly to Capture Colorful Digital-Data Under Dark Environment
CN110188080A (zh) * 2019-05-17 2019-08-30 北京航空航天大学 基于客户端高效缓存的远程文件数据访问性能优化方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190253670A1 (en) * 2011-11-14 2019-08-15 Tseng-Lu Chien LED Light Has Built-In Camera-Assembly to Capture Colorful Digital-Data Under Dark Environment
CN103294912A (zh) * 2013-05-23 2013-09-11 南京邮电大学 一种面向移动设备基于预测的缓存优化方法
US20190026212A1 (en) * 2013-10-04 2019-01-24 Verto Analytics Oy Metering user behaviour and engagement with user interface in terminal devices
CN105072165A (zh) * 2015-07-22 2015-11-18 清华大学深圳研究生院 一种基于混合模式移动应用的数据本地存储控制方法及装置
CN105512053A (zh) * 2015-12-07 2016-04-20 中南大学 移动透明计算系统服务器端多用户访问的镜像缓存方法
US20170171457A1 (en) * 2015-12-11 2017-06-15 Nanning Fugui Precision Industrial Co., Ltd. Automatic focusing method and automatic focusing system
CN106095391A (zh) * 2016-05-31 2016-11-09 携程计算机技术（上海）有限公司 基于大数据平台和算法模型的计算方法及系统
US20180356278A1 (en) * 2017-06-07 2018-12-13 Alexander Lebedev Digital fishing net scale configured for integration into a hotspot system
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统
CN110188080A (zh) * 2019-05-17 2019-08-30 北京航空航天大学 基于客户端高效缓存的远程文件数据访问性能优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
潘磊等: "数据结构课程教学改革研究", 《科技创新导报》, pages 228 - 231 *
黄丹等: "基于内容价值的缓存替换策略", 《电信科学》, pages 59 - 66 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114138840A (zh) * 2021-12-08 2022-03-04 中国建设银行股份有限公司 数据查询方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112445794B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
EP3229142B1 (en) Read cache management method and device based on solid state drive
EP3210121B1 (en) Cache optimization technique for large working data sets
US8176251B2 (en) Dynamic optimization of cache memory
US7430639B1 (en) Optimization of cascaded virtual cache memory
EP3414665B1 (en) Profiling cache replacement
US8601216B2 (en) Method and system for removing cache blocks
CN108139872B (zh) 一种缓存管理方法、缓存控制器以及计算机系统
US9501419B2 (en) Apparatus, systems, and methods for providing a memory efficient cache
US9465743B2 (en) Method for accessing cache and pseudo cache agent
CN113094392A (zh) 数据缓存的方法和装置
RU2672726C1 (ru) Способ выполнения упреждающего чтения в системах хранения данных
CN112445794B (zh) 一种大数据系统的缓存方法
US7529891B2 (en) Balanced prefetching exploiting structured data
US11093404B2 (en) Efficient pre-fetching on a storage system
US11347645B2 (en) Lifetime adaptive efficient pre-fetching on a storage system
CN117009389A (zh) 数据缓存方法、装置、电子设备和可读存储介质
US10997077B2 (en) Increasing the lookahead amount for prefetching
US11334488B2 (en) Cache management circuits for predictive adjustment of cache control policies based on persistent, history-based cache control information
JP2001318902A (ja) キャッシュ装置
CN114153760A (zh) 基于权重的健值存储缓存淘汰方法、系统及存储介质
CN114461590A (zh) 一种基于关联规则的数据库文件页预取方法及装置
KR101976320B1 (ko) 라스트 레벨 캐시 메모리 및 이의 데이터 관리 방법
CN113297106A (zh) 基于混合存储的数据置换方法、相关方法及装置和系统
US11693778B2 (en) Cache grouping for increasing performance and fairness in shared caches
CN116795878A (zh) 数据处理方法及装置、电子设备及介质

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
GR01 Patent grant
GR01 Patent grant