CN113311997A - 一种存储器选择方法、装置、计算机设备及存储介质 - Google Patents

一种存储器选择方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN113311997A
CN113311997A CN202110592561.5A CN202110592561A CN113311997A CN 113311997 A CN113311997 A CN 113311997A CN 202110592561 A CN202110592561 A CN 202110592561A CN 113311997 A CN113311997 A CN 113311997A
Authority
CN
China
Prior art keywords
sub
memory
storage space
storage
target
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
CN202110592561.5A
Other languages
English (en)
Other versions
CN113311997B (zh
Inventor
王文强
顾茹雅
徐宁仪
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.)
Shanghai Power Tensors Intelligent Technology Co Ltd
Original Assignee
Shanghai Power Tensors Intelligent Technology Co Ltd
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 Shanghai Power Tensors Intelligent Technology Co Ltd filed Critical Shanghai Power Tensors Intelligent Technology Co Ltd
Priority to CN202110592561.5A priority Critical patent/CN113311997B/zh
Publication of CN113311997A publication Critical patent/CN113311997A/zh
Application granted granted Critical
Publication of CN113311997B publication Critical patent/CN113311997B/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
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0625—Power saving in storage systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0638—Organizing or formatting or addressing of data
    • G06F3/0644—Management of space entities, e.g. partitions, extents, pools
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/0671—In-line storage system
    • G06F3/0683—Plurality of storage devices
    • G06F3/0689—Disk arrays, e.g. RAID, JBOD
    • 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)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Memory System (AREA)

Abstract

本公开提供了一种存储器选择方法、装置、计算机设备及存储介质，其中，该方法包括：将目标芯片的存储空间划分为多个子存储空间；获取每个所述子存储空间的访问信息和多个待选择的存储器的属性信息；基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器，所述子存储空间匹配的目标存储器用于存储该子存储空间内的信息。

Description

一种存储器选择方法、装置、计算机设备及存储介质
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种存储器选择方法、装置、计算机设备及存储介质。
背景技术
随着芯片技术的发展，对于芯片的功耗要求也越来越高，尤其是对于无法持续供电的终端产品而言，低功耗的芯片能够带来更长时间的续航。
大容量的片上存储阵列一般由多个静态随机存取存储器构成。由于片上存储阵列的面积限制，在选择静态随机存取存储器时往往会选择一些面积较小但是功耗较高的存储器来共同存储，从而使得整个存储阵列的功耗较高，对于功耗敏感的终端产品的应用带来了挑战。
发明内容
本公开实施例至少提供一种存储器选择方法、装置、计算机设备及存储介质。
第一方面，本公开实施例提供了一种存储器选择方法，包括：
将目标芯片的存储空间划分为多个子存储空间；
获取每个所述子存储空间的访问信息和多个待选择的存储器的属性信息；
基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器，所述子存储空间匹配的目标存储器用于存储该子存储空间内的信息。
上述方法中，通过将目标芯片的存储空间划分为多个子存储空间，并根据获取的每个所述子存储空间的访问信息和待选择的存储器的属性信息，确定与划分出的每个子存储空间匹配的目标存储器，这样，由于不同的子存储空间在使用过程中的访问信息是不同的，例如有些子存储空间的访问次数可能较多，有些子存储空间的访问次数可能较少，上述方法中在确定各个子存储空间匹配的目标存储器时结合了各个子存储空间的访问信息，这样确定出的各个目标存储器能够更加满足实际的使用需求。
一种可能的实施方式中，所述将目标芯片的存储空间划分为多个子存储空间，包括：
基于预设的划分个数，将所述存储空间划分为多个子存储空间；或者，基于预设的子存储空间容量，将所述存储空间划分为多个子存储空间。
这样，通过对目标芯片的存储空间进行划分，可以为每个子存储空间都确定匹配的目标存储器，从而能够最大限度的降低存储器的功耗。
一种可能的实施方式中，所述基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器，包括：
获取用于表征所述存储空间所能使用的用于放置存储器的最大物理面积；
基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器。
一种可能的实施方式中，所述待选择的存储器的属性信息包括存储器的功耗和面积；所述访问信息包括访问频次；所述待选择的存储器为静态随机存取存储器。
一种可能的实施方式中，所述基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器，包括：
将所述多个子存储空间和所述多个待选择的存储器进行组合，确定多种匹配方案；
基于所述待选择的存储器的属性信息和所述子存储空间的访问信息，确定每种匹配方案对应的部署总面积和总功耗；
基于所述最大物理面积、所述部署总面积和所述总功耗，确定目标匹配方案，所述目标匹配方案中各个子存储空间对应的存储器为所述目标存储器。
这样，通过先确定多种匹配方案，再基于最大物理面积、部署总面积和总功耗从多种匹配方案中确定目标匹配方案，使得最终确定的存储器组合能够同时兼顾面积和功耗。
一种可能的实施方式中，所述基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器，包括：
基于所述多个待选择的存储器的属性信息和所述子存储空间的访问信息，确定使得动态规划函数的取值最小时，与每个子存储空间匹配的目标存储器；
其中，所述动态规划函数用于表征在所述最大物理面积的限制下，各个子存储空间在匹配对应存储器后的访问功耗之和；所述子存储空间的访问功耗为该子存储空间匹配的存储器在被访问至少一次后所产生的功耗。
这样，通过使用动态规划含函数确定与每个子存储空间匹配的目标存储器，能够减少计算量，提高所述目标存储器的确定效率。
第二方面，本公开实施例还提供一种存储器选择装置，包括：
划分模块，用于将目标芯片的存储空间划分为多个子存储空间；
获取模块，用于获取每个所述子存储空间的访问信息和多个待选择的存储器的属性信息；
确定模块，用于基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器，所述子存储空间匹配的目标存储器用于存储该子存储空间内的信息。
一种可能的实施方式中，所述划分模块，在将目标芯片的存储空间划分为多个子存储空间时，用于：
基于预设的划分个数，将所述存储空间划分为多个子存储空间；或者，基于预设的子存储空间容量，将所述存储空间划分为多个子存储空间。
一种可能的实施方式中，所述确定模块，在基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器时，用于：
获取用于表征所述存储空间所能使用的用于放置存储器的最大物理面积；
基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器。
一种可能的实施方式中，所述待选择的存储器的属性信息包括存储器的功耗和面积；所述访问信息包括访问频次；所述待选择的存储器为静态随机存取存储器。
一种可能的实施方式中，所述确定模块，在基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器时，用于：
将所述多个子存储空间和所述多个待选择的存储器进行组合，确定多种匹配方案；
基于所述待选择的存储器的属性信息和所述子存储空间的访问信息，确定每种匹配方案对应的部署总面积和总功耗；
基于所述最大物理面积、所述部署总面积和所述总功耗，确定目标匹配方案，所述目标匹配方案中各个子存储空间对应的存储器为所述目标存储器。
一种可能的实施方式中，所述确定模块，在基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器时，用于：
基于所述多个待选择的存储器的属性信息和所述子存储空间的访问信息，确定使得动态规划函数的取值最小时，与每个子存储空间匹配的目标存储器；
其中，所述动态规划函数用于表征在所述最大物理面积的限制下，各个子存储空间在匹配对应存储器后的访问功耗之和；所述子存储空间的访问功耗为该子存储空间匹配的存储器在被访问至少一次后所产生的功耗。
第三方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
第四方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
关于上述存储器选择装置、计算机设备、及计算机可读存储介质的效果描述参见上述存储器选择方法的说明，这里不再赘述。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本公开实施例所提供的一种存储器选择方法的流程图；
图2示出了本公开实施例所提供的存储器选择方法中，各个子存储空间的访问频次的示意图；
图3示出了本公开实施例所提供的存储器选择方法中，确定与每个子存储空间匹配的目标存储器的具体方法的流程图；
图4示出了本公开实施例所提供的存储器选择方法中，确定每个子存储空间匹配的目标存储器的具体方法的流程图；
图5示出了本公开实施例所提供的一种存储器选择装置的示意图；
图6示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
经研究发现，随着芯片技术的发展，对于芯片的功耗要求也越来越高，尤其是对于无法持续供电的终端产品而言，低功耗的芯片能够带来更长时间的续航。
大容量的片上存储阵列一般由多个静态随机存取存储器构成。由于片上存储阵列的面积限制，在选择静态随机存取存储器时往往会选择一些面积较小但是功耗较高的存储器来共同存储，从而使得整个存储阵列的功耗较高，对于功耗敏感的终端产品的应用带来了挑战。
基于上述研究，本公开提供了一种存储器选择方法、装置、计算机设备及存储介质，通过将目标芯片的存储空间划分为多个子存储空间，并根据获取的每个所述子存储空间的访问信息和待选择的存储器的属性信息，确定与划分出的每个子存储空间匹配的目标存储器，这样，由于不同的子存储空间在使用过程中的访问信息是不同的，例如有些子存储空间的访问次数可能较多，有些子存储空间的访问次数可能较少，上述方法中在确定各个子存储空间匹配的目标存储器时结合了各个子存储空间的访问信息，这样确定出的各个目标存储器能够更加满足实际的使用需求。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种存储器选择方法进行详细介绍，本公开实施例所提供的存储器选择方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：服务器或其它处理设备。在一些可能的实现方式中，该存储器选择方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示，为本公开实施例提供的存储器选择方法的流程图，所述方法包括步骤S101～S103，其中：
S101：将目标芯片的存储空间划分为多个子存储空间。
S102：获取每个所述子存储空间的访问信息和多个待选择的存储器的属性信息。
S103：基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器，所述子存储空间匹配的目标存储器用于存储该子存储空间内的信息。
以下是对上述步骤的详细介绍。
针对S101，所述目标芯片为有存储需求的芯片，所述存储空间为数据存储时所需要的介质，在芯片中体现为物理地址的集合，比如某芯片上三级缓存L3的地址为0x0C000000-0x0C400000，16进制下的400000，对应的10进制下的地址个数为4194304个，根据换算公式得到4194304÷1024÷1024＝4，则其对应的存储空间大小为4Mb。
实际应用中，在将目标芯片的存储空间划分为多个子存储空间时，可以选择基于预设的划分个数，将所述存储空间划分为多个子存储空间，比如所述存储空间为6Mb，划分个数为6个，则可以划分出0～1Mb、1Mb～2Mb、2Mb～3Mb、3Mb～4Mb、4Mb～5Mb、5Mb～6Mb这六个大小相同的子存储空间；
又或者，还可以基于预设的子存储空间容量，将所述存储空间划分为多个子存储空间，比如所述存储空间为3Mb，预设的子存储空间容量均为0.5Mb(512Kb)，则可以划分出0～0.5Mb、0.5Mb～1Mb、1Mb～1.5Mb、1.5Mb～2Mb、2Mb～2.5Mb、2.5Mb～3Mb这六个大小相同的子存储空间。
在实际应用时，所述目标芯片的不同存储空间对应的预设的划分个数或子存储空间容量可以不同，每个存储空间对应的划分个数或子存储空间容量可以根据实际需求进行设置。
S102：获取每个所述子存储空间的访问信息和多个待选择的存储器的属性信息。
其中，所述待选择的存储器可以是静态随机存取存储器(Static Random-AccessMemory，SRAM)，所述SRAM在相同制程工艺下，其面积与能效比往往成反比，即面积越小，其能效比往往越差；所述子存储空间的访问信息包括访问频次，所述子存储空间的访问频次表征该子存储空间对应的地址在一定时间段内被访问的次数，访问该子存储空间对应的地址，也即是访问该子存储空间对应的存储器，所述子存储空间访问频次越高，则该子存储空间对应的存储器在该时间段内访问总功耗也越高。
所述访问频次可以通过试运行所述目标芯片或者分析所述目标芯片的工作方式得到，在试运行所述目标芯片时，可以随机为各个子存储空间分配对应的存储器，从而可以近似得到所述目标芯片的各个子存储空间在实际运行时的访问频次，得到的所述访问频次可以如图2所示，图2中展示了各个子存储空间在预设时间段内的访问频次；
所述存储器的属性信息包括存储器的功耗和面积，所述存储器的面积表示该存储器所占用的物理面积；所述存储器的功耗表征该存储器的输入功率和输出功率的差额，该差额主要是指所述存储器在运行过程中所消耗的电能，以所述存储器为SRAM为例，所述SRAM的功耗主要包括数据读写时的动态功耗，此外，所述SRAM的功耗还包括静态功耗，所述静态功耗与各个存储器(单元)的漏电流相关，所述漏电流越大，则进行数据保持时的静态功耗也就越大，而实际应用中因所述静态功耗的数值通常较小且对计算总功耗时的影响也较小，因此可以被忽略不计，本申请中所具体计算的功耗均为动态功耗。
S103：基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器，所述子存储空间匹配的目标存储器用于存储该子存储空间内的信息。
一种可能的实施方式中，如图3所示，可以通过以下步骤确定与每个子存储空间匹配的目标存储器：
S301：获取用于表征所述存储空间所能使用的用于放置存储器的最大物理面积。
S302：基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器。
具体的，可以通过以下可选实施方式中的任意一种，基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器：
方式一、
如图4所示，为公开实施例提供的一种确定每个子存储空间匹配的目标存储器的可选实施方式，包括以下步骤：
S401：将所述多个子存储空间和所述多个待选择的存储器进行组合，确定多种匹配方案。
示例性的，子存储空间和所述待选择的存储器的对应关系可以如表1所示：
表1
Figure BDA0003090115770000101
Figure BDA0003090115770000111
表1中，共有3个子存储空间，每个子存储空间可以选择使用的存储器的类型为存储器A和存储器B这2种选择，则可以生成的匹配方案的个数为2×2×2＝8个，也即当子存储空间有m个，待选择的存储器的类型有n个时，可以确定出的匹配方案的个数为m个n相乘(n的m次方)。
S402：基于所述待选择的存储器的属性信息和所述子存储空间的访问信息，确定每种匹配方案对应的部署总面积和总功耗。
这里，基于所述待选择的存储器的面积，即可确定出所述每种匹配方案对应的部署总面积；基于所述待选择的存储器的功耗以及所述子存储空间的访问频次，即可确定出所述每种匹配方案对应的部署总功耗。
示例性的，将每种匹配方案中各个存储器的面积相加即可得到该种匹配方案对应的部署总面积，比如匹配方案1中的3个子存储空间均选择了存储器A，所述存储器A的面积为30平方毫米，则该种匹配方案对应的部署总面积为90平方毫米；将每种匹配方案中各个存储器的功耗与所述子存储空间的访问频次相乘即可得到该种匹配方案对应的部署总功耗，比如匹配方案1中的3个子存储空间均选择了存储器A，所述存储器A的功耗为30毫瓦，所述3个子存储空间在目标时间段内的访问频次均为3次，则该种匹配方案对应的部署总功耗为30×3×3＝270毫瓦。
S403：基于所述最大物理面积、所述部署总面积和所述总功耗，确定目标匹配方案，所述目标匹配方案中各个子存储空间对应的存储器为所述目标存储器。
这里，在确定所述目标匹配方案时，可以先选择所有匹配方案中，部署总面积不超过所述最大物理面积的匹配方案为待筛选匹配方案，再从所述待筛选匹配方案中，确定其中部署总功耗最小的匹配方案为所述目标匹配方案。
这里，确定出所述目标匹配方案之后，目标匹配方案中每个子存储空间对应的存储器即为该子存储空间对应的目标存储器。
方式二、
在另一种可选实施方式中，在确定每个子存储空间匹配的目标存储器时，可以结合所述待选择的存储器的属性信息和所述子存储空间的访问信息，使用动态规划函数确定出在预设限制条件下最优化的方案。
以使用动态规划函数选择SRAM为例，假设待选择的SRAM的类型有SRAM1、SRAM2、SRAM3、……、SRAMn，总共n种类型的SRAM，每种类型的SRAM有对应的功耗(Pn)和面积(An)，将所述目标芯片的存储空间划分为m个子存储空间，目标芯片用于放置SRAM的最大物理面积为L，整体问题为如何为m个子存储空间选择合适类型的SRAM，从而使得部署总功耗和总面积符合要求，所述动态规划的本质可以理解为将一个整体问题拆分为多个子问题，并通过寻找各个子问题之间的关联，递推出解决整体问题的各个子问题的方案，也即寻找动态规划中的最优子结构，因此可以通过为每个子存储空间选择合适类型的SRAM，并确保选择完成之后的总功耗最小，且总面积不超过所述最大物理面积，则所述动态规划函数(递推公式)可以为：
f(i,L)＝min[f(i-1,L-A1)+P1*Qi,f(i-1,L-A2)+P2*Qi,…,f(i-1,L-An)+Pn*Qi]
这里，在函数左侧，所述动态规划函数f(i,L)用于表征在所述最大物理面积L的限制下，各个子存储空间i在匹配对应存储器后的访问功耗之和，所述动态规划函数中的i为大于等于2的正整数；所述子存储空间的访问功耗为该子存储空间匹配的存储器在被访问至少一次后所产生的功耗。
在函数右侧，min表示取最小值；当第i个子存储空间对应的SRAM为第n个SRAM时，则前i-1个SRAM的总面积必定不超过L-An，f(i-1,L-An)表示在前i-1个子存储空间的面积不超过L-An时，前i-1个子存储空间的总功耗。
比如当i＝5时，f(i-1,L-An)表示前4个子存储空间的总功耗；Pn*Qi表示当第i个子存储空间对应的SRAM为第n个SRAM时的功耗，由第i个子存储空间的访问频次Qi与第n个SRAM的功耗Pn相乘得到。
示例性的，以待选择的SRAM有3种(n＝3)、子存储空间的个数为3(i最大值为3)为例，上述公式展开之后为：
f(3,L)＝min[f(2,L-A1)+P1*Q3,f(2,L-A2)+P2*Q3,f(2,L-A3)+P3*Q3](1)
f(2,L)＝min[f(1,L-A1)+P1*Q2,f(1，L-A2)+P2*Q2,f(1,L-A3)+P3*Q2] (2)
其中，公式(1)右侧中，f(2,L-A1)+P1*Q3表示在第三个子存储空间选择第一种SRAM时，第一个、第二个、第三个存储空间的总功耗；f(2,L-A2)+P2*Q3表示在第三个子存储空间选择第二种SRAM时，第一个、第二个、第三个存储空间的总功耗；f(2,L-A3)+P3*Q3表示在第三个子存储空间选择第三种SRAM时，第一个、第二个、第三个存储空间的总功耗；整个公式(1)的右侧的含义为计算使得整个存储空间的总功耗最小时，各个子存储空间分别对应的SRAM类型。
公式(2)的右侧中，f(1,L-A1)+P1*Q2表示在第二个子存储空间选择第一种SRAM时，第一个子存储空间和第二个子存储空间的总功耗；f(1，L-A2)+P2*Q2表示在第二个子存储空间选择第二种SRAM时，第一个子存储空间和第二个子存储空间的总功耗；f(1,L-A3)+P3*Q2表示在第二个子存储空间选择第三种SRAM时，第一个子存储空间和第二个子存储空间的总功耗；整个公式(2)的右侧的含义为计算使得第一个子存储空间和第二个子存储空间的总功耗最小时，第一个子存储空间和第二个子存储空间分别对应的SRAM类型。
实际应用中，当i＝1，也即为第一个子存储空间选择SRAM时，可以使用功耗(Pn)与面积(An)的乘积最小的SRAM为所述第一个子存储空间选择的目标存储器，示例性的，所述子存储空间和SRAM的对应关系可以如表2所示：
表2
SRAM1 SRAM2
第1子存储空间
第2子存储空间
第3子存储空间
表2中，若功耗(Pn)与面积(An)的乘积最小的SRAM为SRAM1，则可以为第一个子存储空间选择SRAM1，需要说明的是，所述第一个子存储空间并不一定是表2中的第1子存储空间，也可以是第2子存储空间或者第3子存储空间，使用不同的子存储空间作为所述第一个子存储空间会导致在后续计算总功耗时数值不同，因此在实际应用中，需要把每个子存储空间都当做动态规划函数中的所述第一个子存储空间进行计算，从而确保最终得到的匹配结果为最优解。
在公式(2)的计算过程中，延续上例，比如A1为30平方毫米、A2为20平方毫米、A3为40平方毫米、L为60平方毫米，则f(1,L-A1)+P1*Q2中的f(1,30)表示当第二个子存储空间对应的SRAM类型为第1种SRAM时，则在限制面积为30平方毫米内的情况下，第一个子存储空间对应的功耗；同理，f(1,20)表示在限制面积为20平方毫米内的情况下，第一个子存储空间对应的功耗；f(1,40)表示在限制面积为40平方毫米内的情况下，第一个子存储空间对应的功耗，若根据初始条件可以得知i＝1时选择的SRAM为30平方毫米的A1，则剩余面积为30平方毫米，也就是说在剩余的30平方毫米内需要放置其余两个子存储空间对应的SRAM，而显然40平方毫米的A3必定不是其余两个子存储空间对应的SRAM，则第二个子存储空间对应的f(1,L-A3)+P3*Q2即可无需计算(也即该公式对应的情况是不成立的)。
因此，若当i＝1时选择的SRAM为30平方毫米的A1，则上述公式(2)可以等同为：
f(2,L)＝min[f(1,L-A1)+P1*Q2,f(1，L-A2)+P2*Q2] (3)
由于i＝1和i＝2时对应的子存储空间具体是哪个子存储空间无法确定，则可能有如下表几种情况：
表3
i＝1 i＝2
第1子存储空间 第2子存储空间
第1子存储空间 第3子存储空间
第2子存储空间 第1子存储空间
第2子存储空间 第3子存储空间
第3子存储空间 第1子存储空间
第3子存储空间 第2子存储空间
由上述公式(3)可知，当i＝1时选择的SRAM为30平方毫米的A1，当i＝2时选择的SRAM为30平方毫米的A1，或者SRAM为20平方毫米的A2，把上述表3中几种情况带入上述公式(3)即可得到在第一个子存储空间和第二个子存储空间分别对应的子存储空间为上述6种情况下，使得第一个子存储空间和第二个子存储空间的总功耗最小时，第一个子存储空间和第二个子存储空间分别对应的SRAM类型。
公式(3)的计算过程与公式(2)的计算过程类似，在此将不再展开介绍。需要说明的是，以上述动态规划函数作为整个动态规划中的子结构，产生的效果相当于，确定第i-1个子存储空间选择哪种类型的SRAM为最优解(不超过最大物理面积，且功耗最小)，通过反复迭代相同的子结构进行计算，得到最终输出的结果为每个子存储空间对应的目标SRAM，上述计算过程可由机器自动执行。
实际应用中，可以选择上述两种可选实施方式中的任意一种，确定与每个子存储空间匹配的目标存储器。由于方式一中，当子存储空间和待选择的存储器的个数较大时，计算复杂度较高，因此当所述子存储空间和待选择的存储器的个数分别大于对应的预设个数时，可以选择使用动态规划函数对目标存储器进行选择，从而加快计算速度。
本公开实施例提供的存储器选择方法，通过将目标芯片的存储空间划分为多个子存储空间，并根据获取的每个所述子存储空间的访问信息和待选择的存储器的属性信息，确定与划分出的每个子存储空间匹配的目标存储器，这样，由于不同的子存储空间在使用过程中的访问信息是不同的，例如有些子存储空间的访问次数可能较多，有些子存储空间的访问次数可能较少，上述方法中在确定各个子存储空间匹配的目标存储器时结合了各个子存储空间的访问信息，这样确定出的各个目标存储器能够更加满足实际的使用需求。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思，本公开实施例中还提供了与存储器选择方法对应的存储器选择装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述存储器选择方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图5所示，为本公开实施例提供的一种存储器选择装置的架构示意图，所述装置包括：划分模块501、获取模块502、确定模块503；其中，
划分模块501，用于将目标芯片的存储空间划分为多个子存储空间；
获取模块502，用于获取每个所述子存储空间的访问信息和多个待选择的存储器的属性信息；
确定模块503，用于基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器，所述子存储空间匹配的目标存储器用于存储该子存储空间内的信息。
一种可能的实施方式中，所述划分模块501，在将目标芯片的存储空间划分为多个子存储空间时，用于：
基于预设的划分个数，将所述存储空间划分为多个子存储空间；或者，基于预设的子存储空间容量，将所述存储空间划分为多个子存储空间。
一种可能的实施方式中，所述确定模块503，在基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器时，用于：
获取用于表征所述存储空间所能使用的用于放置存储器的最大物理面积；
基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器。
一种可能的实施方式中，所述待选择的存储器的属性信息包括存储器的功耗和面积；所述访问信息包括访问频次；所述待选择的存储器为静态随机存取存储器。
一种可能的实施方式中，所述确定模块503，在基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器时，用于：
将所述多个子存储空间和所述多个待选择的存储器进行组合，确定多种匹配方案；
基于所述待选择的存储器的属性信息和所述子存储空间的访问信息，确定每种匹配方案对应的部署总面积和总功耗；
基于所述最大物理面积、所述部署总面积和所述总功耗，确定目标匹配方案，所述目标匹配方案中各个子存储空间对应的存储器为所述目标存储器。
一种可能的实施方式中，所述确定模块503，在基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器时，用于：
基于所述多个待选择的存储器的属性信息和所述子存储空间的访问信息，确定使得动态规划函数的取值最小时，与每个子存储空间匹配的目标存储器；
其中，所述动态规划函数用于表征在所述最大物理面积的限制下，各个子存储空间在匹配对应存储器后的访问功耗之和；所述子存储空间的访问功耗为该子存储空间匹配的存储器在被访问至少一次后所产生的功耗。
本公开实施例提供的存储器选择装置，通过将目标芯片的存储空间划分为多个子存储空间，并根据获取的每个所述子存储空间的访问信息和待选择的存储器的属性信息，确定与划分出的每个子存储空间匹配的目标存储器，这样，由于不同的子存储空间在使用过程中的访问信息是不同的，例如有些子存储空间的访问次数可能较多，有些子存储空间的访问次数可能较少，上述方法中在确定各个子存储空间匹配的目标存储器时结合了各个子存储空间的访问信息，这样确定出的各个目标存储器能够更加满足实际的使用需求。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图6所示，为本公开实施例提供的计算机设备600的结构示意图，包括处理器601、存储器602、和总线603。其中，存储器602用于存储执行指令，包括内存6021和外部存储器6022；这里的内存6021也称内存储器，用于暂时存放处理器601中的运算数据，以及与硬盘等外部存储器6022交换的数据，处理器601通过内存6021与外部存储器6022进行数据交换，当计算机设备600运行时，处理器601与存储器602之间通过总线603通信，使得处理器601在执行以下指令：
将目标芯片的存储空间划分为多个子存储空间；
获取每个所述子存储空间的访问信息和多个待选择的存储器的属性信息；
基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器，所述子存储空间匹配的目标存储器用于存储该子存储空间内的信息。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的存储器选择方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的存储器选择方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合，或者一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种存储器选择方法，其特征在于，包括：
将目标芯片的存储空间划分为多个子存储空间；
获取每个所述子存储空间的访问信息和多个待选择的存储器的属性信息；
基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器，所述子存储空间匹配的目标存储器用于存储该子存储空间内的信息。
2.根据权利要求1所述的方法，其特征在于，所述将目标芯片的存储空间划分为多个子存储空间，包括：
基于预设的划分个数，将所述存储空间划分为多个子存储空间；或者，基于预设的子存储空间容量，将所述存储空间划分为多个子存储空间。
3.根据权利要求1或2所述的方法，其特征在于，所述基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器，包括：
获取用于表征所述存储空间所能使用的用于放置存储器的最大物理面积；
基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器。
4.根据权利要求1～3任一所述的方法，其特征在于，所述待选择的存储器的属性信息包括存储器的功耗和面积；所述访问信息包括访问频次；所述待选择的存储器为静态随机存取存储器。
5.根据权利要求3所述的方法，其特征在于，所述基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器，包括：
将所述多个子存储空间和所述多个待选择的存储器进行组合，确定多种匹配方案；
基于所述待选择的存储器的属性信息和所述子存储空间的访问信息，确定每种匹配方案对应的部署总面积和总功耗；
基于所述最大物理面积、所述部署总面积和所述总功耗，确定目标匹配方案，所述目标匹配方案中各个子存储空间对应的存储器为所述目标存储器。
6.根据权利要求3所述的方法，其特征在于，所述基于所述多个待选择的存储器的属性信息、所述子存储空间的访问信息、以及所述最大物理面积，确定与每个子存储空间匹配的目标存储器，包括：
基于所述多个待选择的存储器的属性信息和所述子存储空间的访问信息，确定使得动态规划函数的取值最小时，与每个子存储空间匹配的目标存储器；
其中，所述动态规划函数用于表征在所述最大物理面积的限制下，各个子存储空间在匹配对应存储器后的访问功耗之和；所述子存储空间的访问功耗为该子存储空间匹配的存储器在被访问至少一次后所产生的功耗。
7.一种存储器选择装置，其特征在于，包括：
划分模块，用于将目标芯片的存储空间划分为多个子存储空间；
获取模块，用于获取每个所述子存储空间的访问信息和多个待选择的存储器的属性信息；
确定模块，用于基于每个所述子存储空间的访问信息和所述多个待选择的存储器的属性信息，确定与每个子存储空间匹配的目标存储器，所述子存储空间匹配的目标存储器用于存储该子存储空间内的信息。
8.根据权利要求7所述的装置，其特征在于，所述划分模块，在将目标芯片的存储空间划分为多个子存储空间时，用于：
基于预设的划分个数，将所述存储空间划分为多个子存储空间；或者，基于预设的子存储空间容量，将所述存储空间划分为多个子存储空间。
9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至6任一项所述的存储器选择方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至6任一项所述的存储器选择方法的步骤。
CN202110592561.5A 2021-05-28 2021-05-28 一种存储器选择方法、装置、计算机设备及存储介质 Active CN113311997B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110592561.5A CN113311997B (zh) 2021-05-28 2021-05-28 一种存储器选择方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110592561.5A CN113311997B (zh) 2021-05-28 2021-05-28 一种存储器选择方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN113311997A true CN113311997A (zh) 2021-08-27
CN113311997B CN113311997B (zh) 2024-03-08

Family

ID=77375965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110592561.5A Active CN113311997B (zh) 2021-05-28 2021-05-28 一种存储器选择方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN113311997B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113934373A (zh) * 2021-10-13 2022-01-14 山东鲁软数字科技有限公司 一种能源监测数据存储方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1567362A (zh) * 2003-06-10 2005-01-19 大唐微电子技术有限公司 动态逻辑分区并控制访问权限的ic智能卡及其实现方法
CN102157187A (zh) * 2006-10-05 2011-08-17 诺基亚公司 包括存储器管理器的3d芯片布置
JP2012008747A (ja) * 2010-06-24 2012-01-12 Nec Corp 集積装置、メモリ割り当て方法、および、プログラム
CN106775453A (zh) * 2016-11-22 2017-05-31 华中科技大学 一种混合存储阵列的构建方法
US20180081802A1 (en) * 2016-09-16 2018-03-22 Aspiring Sky Co., Limited Hybrid non-volatile memory structures and methods thereof
CN109558345A (zh) * 2017-09-27 2019-04-02 展讯通信（上海）有限公司 存储器选择方法及装置
CN111078592A (zh) * 2019-12-27 2020-04-28 无锡中感微电子股份有限公司 一种低功耗片上系统的多级指令缓存
CN111273865A (zh) * 2020-01-16 2020-06-12 重庆邮电大学 一种基于可变便笺式存储器的任务分配及调度方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1567362A (zh) * 2003-06-10 2005-01-19 大唐微电子技术有限公司 动态逻辑分区并控制访问权限的ic智能卡及其实现方法
CN102157187A (zh) * 2006-10-05 2011-08-17 诺基亚公司 包括存储器管理器的3d芯片布置
JP2012008747A (ja) * 2010-06-24 2012-01-12 Nec Corp 集積装置、メモリ割り当て方法、および、プログラム
US20180081802A1 (en) * 2016-09-16 2018-03-22 Aspiring Sky Co., Limited Hybrid non-volatile memory structures and methods thereof
CN106775453A (zh) * 2016-11-22 2017-05-31 华中科技大学 一种混合存储阵列的构建方法
CN109558345A (zh) * 2017-09-27 2019-04-02 展讯通信（上海）有限公司 存储器选择方法及装置
CN111078592A (zh) * 2019-12-27 2020-04-28 无锡中感微电子股份有限公司 一种低功耗片上系统的多级指令缓存
CN111273865A (zh) * 2020-01-16 2020-06-12 重庆邮电大学 一种基于可变便笺式存储器的任务分配及调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HU J, ET AL.: "Towards energy efficient hybrid on-chip scratch pad memory with non-volatile memory", 《2011 DESIGN, AUTOMATION & TEST IN EUROPE》, pages 1 - 6 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113934373A (zh) * 2021-10-13 2022-01-14 山东鲁软数字科技有限公司 一种能源监测数据存储方法及系统

Also Published As

Publication number Publication date
CN113311997B (zh) 2024-03-08

Similar Documents

Publication Publication Date Title
Seyedzadeh et al. Counter-based tree structure for row hammering mitigation in DRAM
Haagerup Injectivity and decomposition of completely bounded maps
CN108231109B (zh) 动态随机存取存储器dram的刷新方法、设备以及系统
CN107124472A (zh) 负载均衡方法及装置、计算机可读存储介质
CN105612582A (zh) 可独立寻址的存储器阵列地址空间
CN113311997A (zh) 一种存储器选择方法、装置、计算机设备及存储介质
CN110347744B (zh) 多层块链式账本的数据存储方法、装置及设备
Nakano The hierarchical memory machine model for GPUs
CN106445725A (zh) 一种闪存错误模式的测试方法和系统
CN102141963A (zh) 一种数据分析方法和设备
CN105912476A (zh) 片上重复寻址的方法及装置
CN117524279A (zh) 具有虚拟体化架构的sram及包括其的系统和方法
Hendrix et al. A scalable algorithm for single-linkage hierarchical clustering on distributed-memory architectures
US20140082282A1 (en) Multi-granularity parallel storage system and storage
US9171593B2 (en) Multi-granularity parallel storage system
Mai et al. Dynamic Data Migration in Hybrid Main Memories for In‐Memory Big Data Storage
Bienkowski Migrating and replicating data in networks
CN117349023A (zh) 应用部署方法、设备及存储介质
CN110309154A (zh) 基于图谱的实体特征选择方法、装置、设备和存储介质
Hougardy et al. Approximating weighted matchings in parallel
CN116962419A (zh) 服务器分配策略的生成方法及装置、电子设备及存储介质
CN111045979B (zh) 基于存储器处理器的多处理架构及其操作方法
Donato et al. Triangle counting with a multi-core computer
CN109300497B (zh) 动态随机存取存储器及其电源管理方法
Kulandai et al. Does XORing Pointers Save Bitflips for NVRAM?

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