CCoW: कार्यभार में स्थानिक स्थानीयता को ध्यान में रखते हुए कॉपी-ऑन-राइट का अनुकूलन भाग 6
Apr 03, 2024
सर्वोत्तम क्षेत्र आकार और सीमा कार्यभार विशेषताओं के अनुसार भिन्न होती है। कार्यभार के प्रभाव का मूल्यांकन करने के लिए, हम विभिन्न स्थानीयताओं वाले कार्यभार पर CCoW के प्रदर्शन को मापते हैं। विशेष रूप से, हमने ज़िप वितरण के पैरामीटर को बदल दिया, जो स्थानीयता की डिग्री निर्धारित करता है।
मानव स्मृति और कार्यभार के बीच घनिष्ठ संबंध है। जब हमें बड़ी मात्रा में जानकारी संसाधित करने या जटिल कार्यों को पूरा करने की आवश्यकता होती है, तो हमारे मस्तिष्क को यह सुनिश्चित करने के लिए अत्यधिक सतर्क रहना चाहिए कि सभी आवश्यक जानकारी सही तरीके से संसाधित और संग्रहीत की गई है। मस्तिष्क में न्यूरॉन्स लगातार जुड़ते और संवाद करते रहते हैं, जो हमारे सोचने और याद रखने के तरीके को बहुत प्रभावित करता है।
जबकि बड़ी मात्रा में जानकारी को संसाधित करना और जटिल कार्यों को पूरा करना हमारी स्मृति और संज्ञानात्मक क्षमताओं को चुनौती दे सकता है, शोध से पता चलता है कि उचित प्रशिक्षण और अभ्यास के साथ, हम अपनी स्मृति और उत्पादकता में काफी सुधार कर सकते हैं। उदाहरण के लिए, प्रयोगों के माध्यम से, वैज्ञानिकों ने पाया है कि व्यापक स्मृति प्रशिक्षण और अभ्यास के माध्यम से, लोग अपनी स्मृति और कार्य कुशलता में काफी सुधार कर सकते हैं।
इस दृष्टिकोण से, हम यह निष्कर्ष निकाल सकते हैं कि जो लोग अपनी याददाश्त और कार्य कुशलता में सुधार करना चाहते हैं, उनके लिए निरंतर अभ्यास और प्रशिक्षण बहुत महत्वपूर्ण है। साथ ही, सकारात्मक दृष्टिकोण रखें, क्योंकि तनाव व्यक्ति की याददाश्त और उत्पादकता में बाधा डाल सकता है।
संक्षेप में, कार्यभार और स्मृति के बीच एक मजबूत संबंध है। जब तक हम ध्यान केंद्रित करते हैं, नियमित रूप से प्रशिक्षण और अभ्यास करते हैं, और सकारात्मक दृष्टिकोण बनाए रखते हैं, हम अपनी याददाश्त और कार्य कुशलता में काफी सुधार कर सकते हैं। सिस्टेंचे डेज़र्टिकोला न्यूरोट्रांसमीटर के संतुलन को भी नियंत्रित कर सकता है, जैसे कि एसिटाइलकोलाइन और वृद्धि कारकों के स्तर को बढ़ाना, जो स्मृति और सीखने के लिए महत्वपूर्ण हैं। इसके अलावा, सिस्टेंचे डेज़र्टिकोला रक्त प्रवाह में भी सुधार कर सकता है और ऑक्सीजन वितरण को बढ़ावा दे सकता है, जो यह सुनिश्चित कर सकता है कि मस्तिष्क को पर्याप्त पोषक तत्व और ऊर्जा मिले, जिससे मस्तिष्क की जीवन शक्ति और धीरज में सुधार हो।
अपनी याददाश्त सुधारने के तरीके जानने के लिए क्लिक करें
जब {{0}} होता है, तो एक्सेस समान रूप से वितरित होते हैं, और का मान जितना अधिक होता है, कार्यभार का स्थानीय स्तर उतना ही अधिक होता है। जब 1.0 होता है, तो लगभग 80% ऑपरेशन में 20% डेटा शामिल होता है।
पेरेटो सिद्धांत के अनुसार, स्थानीयता की यह डिग्री आम तौर पर कई वास्तविक कार्यभारों में पाई जाती है। हम तीन अलग-अलग मानों, 1.0, 0.9, और 1.1 के साथ मापते हैं, जहाँ 1.0 आधार रेखा है, और 0.9 और 1.1 क्रमशः कम- और उच्च-स्थानीयता कार्यभार को दर्शाते हैं।
मूल CoW प्रदर्शन कार्यभार के अनुसार बदलता रहता है, इसलिए कार्यभार के लिए फोर्क अवधि मूल CoW सेटअप के साथ मापे गए समय के अनुसार निर्धारित की गई थी। उदाहरण के लिए, यदि मूल CoW कॉन्फ़िगरेशन को फोर्क के बाद सामान्य प्रदर्शन को पुनः प्राप्त करने के लिए 10 सेकंड की आवश्यकता होती है, तो अन्य CCoW कॉन्फ़िगरेशन भी हर 10 सेकंड में चाइल्ड प्रोसेस को फोर्क करते हैं।
चित्र 5 विभिन्न लोकेलिटी वर्कलोड के साथ CCoW के औसत थ्रूपुट और मेमोरी उपयोग को सारांशित करता है। कम-लोकेलिटी वर्कलोड के लिए, छोटे CCoW थ्रेसहोल्ड वाले कॉन्फ़िगरेशन बड़े थ्रेसहोल्ड वाले कॉन्फ़िगरेशन की तुलना में बेहतर प्रदर्शन प्रदर्शित करते हैं। 'CCoW-all' कम-लोकेलिटी वर्कलोड में मूल CoW से 15% बेहतर प्रदर्शन करता है। यह प्रीकॉपी की प्रभावशीलता के कारण है। कम-लोकेलिटी वर्कलोड में, मेमोरी का एक बड़ा हिस्सा दोहराया जाना चाहिए क्योंकि एक्सेस पूरे प्रोसेस एड्रेस स्पेस में फैले होते हैं। वास्तव में, पूरे क्षेत्रों की प्रतिलिपि बनाने से कम ओवरहेड के साथ आवश्यक मेमोरी की अग्रिम प्रतिलिपि बनती है।
इस प्रकार, सीमा जितनी छोटी होगी, कम-स्थानीय कार्यभार वाले प्रोग्राम का प्रदर्शन उतना ही बेहतर होगा। हालाँकि, उच्च-स्थानीय कार्यभार के साथ इस प्रवृत्ति का विपरीत प्रभाव पड़ता है। उच्च-स्थानीय कार्यभार के साथ, कई पहुँचें कुछ पृष्ठों पर केंद्रित होती हैं।
इसका मतलब है कि कॉपी-ऑन-राइट में मेमोरी के केवल एक छोटे से हिस्से को ही दोहराया जाना चाहिए। पेज फॉल्ट पर पूरे क्षेत्र की प्रतिलिपि बनाने से उन पृष्ठों की प्रतिलिपि बनती है, जिन तक बिल्कुल भी पहुँचा नहीं गया है।
इससे केवल अस्थायी ओवरहेड होता है, जो उच्च-स्थानीय कार्यभार के साथ प्रदर्शन को खराब करता है। परिणामस्वरूप, CCoW-all उच्च-स्थानीय कार्यभार के साथ सबसे खराब प्रदर्शन प्रदर्शित करता है। अन्य कॉन्फ़िगरेशन बेसलाइन कार्यभार के समान पैटर्न दिखाते हैं; प्रदर्शन 80% की सीमा मूल्य पर चरम पर होता है और छोटी सीमा के साथ घटता है।
बेंचमार्क का मेमोरी उपयोग कार्यभार की स्थानीयता की डिग्री की परवाह किए बिना एक सुसंगत प्रवृत्ति दिखाता है। 'CCoW-all' हमेशा उच्चतम मेमोरी उपयोग का प्रतिनिधित्व करता है क्योंकि यह हमेशा फोर्क के बाद मेमोरी में सभी पृष्ठों की प्रतिलिपि बनाता है। इसके अलावा, मेमोरी फुटप्रिंट थ्रेशोल्ड मान के व्युत्क्रमानुपाती होते हैं; थ्रेशोल्ड मान जितना छोटा होता है, बेंचमार्क उतनी ही अधिक मेमोरी का उपयोग करता है।
मूल CoW विन्यास की तुलना में स्मृति प्रवर्धन में केवल 10% तक की वृद्धि हुई है, जिसे एक स्वीकार्य सीमा में माना जाता है। CCoW के प्रदर्शन का विश्लेषण करने के अलावा, हम CCoW के प्रदर्शन की तुलना लिनक्स की पारदर्शी विशाल पृष्ठ (THP) योजना से करते हैं।
THP कुछ हद तक CCoW जैसा ही है, क्योंकि इसका उद्देश्य छोटे पेजों से होने वाले ओवरहेड को कम करना है। चित्र 5 में 'CoW-THP' THP-सक्षम कॉन्फ़िगरेशन के प्रदर्शन को दर्शाता है। ध्यान दें कि THP-सक्षम सिस्टम दोषपूर्ण पेज को कॉपी करने से पहले बड़े पेजों को बेस पेजों में विभाजित करके CoW को संभालता है, और THP को अनुकूलित करने वाली अन्य योजनाएँ भी ऐसा ही करती हैं [12–15,17]।
हम देख सकते हैं कि THP डिफ़ॉल्ट 'CoW-only' कॉन्फ़िगरेशन की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है। हम प्रदर्शन लाभ का श्रेय विशाल पृष्ठों के साथ पता अनुवाद में बढ़ी हुई दक्षता को देते हैं।
विशेष रूप से, THP योजना के अनुसार, प्रक्रिया पता स्थान का गर्म भाग आधार पृष्ठों में विभाजित होने की संभावना है, जिससे 'CoW-only' कॉन्फ़िगरेशन के समान प्रदर्शन प्रदान किया जा सकता है। हालाँकि, प्रक्रिया पता स्थान का ठंडा भाग विभाजित नहीं है, और विशाल पृष्ठों के साथ बनाए रखा जाता है। इस प्रकार, यह कुछ हद तक अनुप्रयोग प्रदर्शन को बढ़ा सकता है।
हालांकि, THP उतना प्रदर्शन सुधार प्रदान नहीं करता जितना CCoW करता है। चित्र 6 मूल्यांकन के दौरान थ्रूपुट के संचयी वितरण को दर्शाता है। x-अक्ष प्रति सेकंड संचालन में थ्रूपुट को दर्शाता है, और y-अक्ष प्रदर्शन और थ्रूपुट मान के संचयी अनुपात को दर्शाता है। CCoW-all को छोड़कर, हम कॉन्फ़िगरेशन की परवाह किए बिना तीन बार देखी जाने वाली थ्रूपुट रेंज पा सकते हैं।
{{0}} से 0.1 के संचयी अनुपात में पहला समूह उस अवधि को इंगित करता है जिसके दौरान बेंचमार्क प्रदर्शन फ़ॉर्क के ठीक बाद गिरता है। फिर प्रदर्शन समय के साथ ठीक हो जाता है, जैसा कि दूसरे समूह में 0.1 से 0.7 के संचयी अनुपात के साथ होता है।
{{0}}.7 से 1.0 की सीमा में शेष संचयी अनुपात उन एक्सेस से हैं जो पेज फ़ॉल्ट नहीं करते हैं। कुल मिलाकर, CCoW कॉन्फ़िगरेशन में मूल CoW की तुलना में अधिक गंभीर प्रदर्शन गिरावट होती है। विशेष रूप से, मूल CoW योजना के उच्च-स्थानीय कार्यभार के साथ, फ़ॉर्क के ठीक बाद थ्रूपुट लगभग 1900 K ऑपरेशन प्रति सेकंड तक गिर जाता है।
फिर यह धीरे-धीरे 2500 K संचालन प्रति सेकंड की सीमा तक पहुँच जाता है। CCoW के साथ, प्रदर्शन और भी गिर गया, 1700 K संचालन प्रति सेकंड की सीमा तक। हालाँकि, प्रदर्शन में तेज़ी से सुधार हुआ, जिससे अधिकांश समय मूल CoW की तुलना में बेहतर प्रदर्शन प्रदर्शित हुआ (यानी, संचयी ग्राफ़ के दाईं ओर)। हम अन्य कार्यभारों से भी इसी तरह की प्रवृत्ति देख सकते हैं, और CCoW-सभी कॉन्फ़िगरेशन चरम व्यवहार प्रदर्शित करता है; फ़ॉर्क के ठीक बाद प्रदर्शन में उल्लेखनीय गिरावट आती है और यह कम रहता है जबकि अधिकांश पता स्थान स्प्रेड एक्सेस के साथ कॉपी किया जाता है।
हालाँकि, उस बिंदु के बाद, केवल कुछ पृष्ठ दोष होते हैं, इसलिए अधिकांश पहुँच पृष्ठ दोषों के बिना संसाधित की जाती हैं। इस प्रकार, CCoW में थ्रूपुट का द्विविध वितरण होता है। इस मूल्यांकन से, हमने पुष्टि की कि CCoW सामान्य मामले को अनुकूलित करके इष्टतम प्रदर्शन प्रदान करता है।
हालाँकि, बेहतर प्रदर्शन विशेषताओं को प्राप्त करने के लिए प्रदर्शन में गिरावट को संबोधित किया जाना चाहिए। इस उद्देश्य के लिए, हम वर्तमान में फोर्क के ठीक बाद कॉपी किए गए डेटा की मात्रा को कम करने पर काम कर रहे हैं।
4.2. यथार्थवादी कार्यभार पर CCoW प्रदर्शन
प्रस्तावित CCoW का यथार्थवादी कार्यभार पर मूल्यांकन करने के लिए, हमने Redis और YCSB का उपयोग किया। Redis एक इन-मेमोरी कुंजी-मूल्य डेटाबेस है, जिसका व्यापक रूप से इंटरनेट-स्केल अनुप्रयोगों को गति देने के लिए उपयोग किया जाता है।
हमने रेडिस इंस्टेंस में कुंजी-मूल्य जोड़े को पॉप्युलेट करने और उन पर ऑपरेशन करने के लिए YCSB बेंचमार्क का उपयोग किया। विशेष रूप से, रेडिस इंस्टेंस को डिफ़ॉल्ट YCSB कॉन्फ़िगरेशन के साथ 10 GB कुंजी-मूल्य जोड़े के साथ आरंभ किया जाता है।
सभी कुंजियाँ और मान क्रमशः 23 और 100 बाइट्स के आकार के होते हैं, और प्रत्येक कुंजी में मानों के 10 फ़ील्ड होते हैं। Redis इंस्टेंस को पॉप्युलेट करने के बाद, हमने इसे स्नैपशॉट बनाने के लिए कॉन्फ़िगर किया और फिर YCSB के साथ अपडेट ऑपरेशन को फीड किया।
कुंजी-मूल्य अभिगमों में अस्थायी स्थानीयता को शामिल करने के लिए, हमने पैरामीटर मान 1.0 का उपयोग करके ज़िप वितरण के अनुसार लक्ष्य कुंजियों का चयन करने के लिए YCSB कार्यभार सेट किया है।
100 GB अपडेट करते समय, हमने YCSB बेंचमार्क रिपोर्ट के हर सेकंड के लिए थ्रूपुट एकत्र किया। चित्र 7, Redis इंस्टेंस के औसत थ्रूपुट और मेमोरी उपयोग को सारांशित करता है जब सिस्टम को मूल CoW या CCoW का उपयोग करने के लिए कॉन्फ़िगर किया जाता है। ध्यान दें कि हमने क्षेत्र के आकार के लिए 2 MB का उपयोग किया है, और सभी परिणाम मान CoW के लिए सामान्यीकृत किए गए थे।
कुल मिलाकर, सभी CCoW कॉन्फ़िगरेशन ने कवरेज सीमा की परवाह किए बिना मूल CoW से बेहतर प्रदर्शन किया। इसी तरह, जैसा कि हमने ऊपर विश्लेषण किया, प्रदर्शन को कम किए गए कॉपी-ऑन-राइट से प्रदर्शन लाभ और अतिरिक्त पृष्ठों की प्रतिलिपि बनाने के ओवरहेड के बीच व्यापार-बंद द्वारा निर्धारित किया गया था। जब सीमा मान अधिक होता है, तो केवल कुछ क्षेत्रों की प्रतिलिपि बनाई जाती है, जिससे अनुकूलन अवसर और मेमोरी ओवरहेड दोनों छोटे हो जाते हैं।
जब थ्रेशोल्ड मान 85% से कम हो जाता है, तो मेमोरी फ़ुटप्रिंट बढ़ जाता है और अधिक ओवरहेड होता है। परिणामस्वरूप, CCoW का औसत थ्रूपुट कवरेज थ्रेशोल्ड के अनुसार भिन्न होता है, लेकिन मूल CoW की तुलना में 5% तक प्रदर्शन सुधार प्रदर्शित करता है।
Redis और YCSB कार्यभार के साथ, हमने THP के साथ केवल मामूली प्रदर्शन सुधार देखा। ऐसा इसलिए है क्योंकि कार्यभार में, लेखन पहुँच प्रक्रिया पता स्थान पर बिखरी हुई है, और CoW को संभालते समय विशाल पृष्ठ प्रभावी रूप से आधार पृष्ठों में विभाजित हो जाते हैं।
चूंकि रेडिस प्रक्रिया में केवल कुछ ही बड़े पृष्ठ हो सकते हैं, इसलिए इसका प्रदर्शन बेस कॉन्फ़िगरेशन के समान ही है। यह परिणाम दर्शाता है कि THP-आधारित दृष्टिकोण लेखन-गहन कार्यभार में कम प्रभावी है, और CCoW THP से बेहतर प्रदर्शन करता है।
उच्च-स्थानीय क्षेत्रों की पहचान करने में तंत्र की सटीकता का मूल्यांकन करने के लिए, हमने प्रत्येक कॉपी किए गए पृष्ठ के लिए कॉपी-जनरेटिंग तंत्र के कारण को वर्गीकृत किया। विशेष रूप से, हमने सभी कॉपी किए गए पृष्ठों में से कॉपी किए गए पृष्ठों का अनुपात एकत्र किया। जब प्रीकॉपी अनुपात x% है, तो कुल मेमोरी फ़ुटप्रिंट को y% से बढ़ाकर, हम y को x से विभाजित करके अनावश्यक प्रीकॉपी के अनुपात की गणना कर सकते हैं।
उदाहरण के लिए, CCoW-80 कॉन्फ़िगरेशन पर, कॉपी किए गए पृष्ठों में से 26.9% कॉपी किए जाते हैं, जिससे मेमोरी फ़ुटप्रिंट 6.7% बढ़ जाता है। इसका मतलब है कि प्री-कॉपी पृष्ठों में से 24.9% का संदर्भ नहीं दिया गया है। तालिका 1 गणना का सारांश देती है। अनावश्यक प्रीकॉपी अनुपात 23.4% से 35.6% तक है, और मूल्यांकन परिणाम से यह निष्कर्ष निकाला जा सकता है कि प्रस्तावित योजना उच्च-स्थानीय क्षेत्रों को सटीक रूप से कैप्चर करती है।
प्र. 5। निष्कर्ष
इस अध्ययन में, हमने CCoW का प्रस्ताव रखा, जो उच्च स्थानिक स्थानीयता वाले कार्यभार के लिए एक अनुकूलित कॉपी-ऑन-राइट योजना है। CCoW प्रक्रिया पता स्थान को क्षेत्रों में विभाजित करता है और कवरेज के साथ उनके स्थानीयता का अनुमान लगाता है।
उच्च-स्थानीय क्षेत्र में लिखने से पेजफॉल्ट हैंडलर आस-पास के पृष्ठों को प्रीकॉपी करने लगता है। प्री-कॉपी के बाद कवरेज को ठीक से ट्रैक करने के लिए, CCoW पेज टेबल में गंदे बिट का लाभ उठाता है। बेंचमार्क के साथ मूल्यांकन ने पुष्टि की कि प्रस्तावित योजना छोटे ओवरहेड के साथ उच्च-स्थानीय क्षेत्रों की पहचान कर सकती है, जिससे बिना संशोधन के अनुप्रयोगों से प्रदर्शन लाभ प्राप्त किया जा सकता है।
जैसा कि हमने बताया, कॉपी करने के लिए डेटा की भारी मात्रा के कारण फ़ॉर्क के ठीक बाद प्रदर्शन में काफी गिरावट आती है। हम वर्तमान में प्री-कॉपी की दर को कम करके और प्री-कॉपी को एसिंक्रोनस रूप से निष्पादित करके प्रदर्शन में गिरावट को प्रबंधित करने पर काम कर रहे हैं। हम एक अनुकूली तंत्र को शामिल करने की भी योजना बना रहे हैं जो वर्तमान कार्यभार की विशेषताओं के अनुसार कॉन्फ़िगरेशन मापदंडों को ट्यून करता है।
लेखकीय योगदान: संकल्पना, एमएच और एस-एचके; कार्यप्रणाली, एमएच; सॉफ्टवेयर, एमएच; सत्यापन, एमएच, और एस-एचके; औपचारिक विश्लेषण, एमएच, और एस-एचके; जांच, एमएच, और एस-एचके; संसाधन, एस-एचके; डेटा संरक्षण, एमएच; लेखन-मूल मसौदा तैयारी, एमएच; लेखन-समीक्षा और संपादन, एमएच और एस-एचके; विज़ुअलाइज़ेशन, एमएच; पर्यवेक्षण, एस-एचके; परियोजना प्रशासन, एस-एचके; निधि अधिग्रहण, एस-एचके सभी लेखकों ने पांडुलिपि के प्रकाशित संस्करण को पढ़ लिया है और उससे सहमत हैं।
वित्तपोषण: इस शोध को कोरियाई सरकार (20ZS1310) द्वारा वित्तपोषित इलेक्ट्रॉनिक्स और दूरसंचार अनुसंधान संस्थान (ETRI) अनुदान और शिक्षा मंत्रालय (NRF5199991014091) द्वारा वित्तपोषित कोरिया के राष्ट्रीय अनुसंधान फाउंडेशन के BK21 FOUR कार्यक्रम द्वारा समर्थित किया गया था।
संस्थागत समीक्षा बोर्ड का कथन: लागू नहीं।
सूचित सहमति कथन: लागू नहीं।
डेटा उपलब्धता विवरण: लागू नहीं.
हितों का टकराव: लेखक किसी भी प्रकार के हितों के टकराव की बात नहीं कहते हैं।
संदर्भ
1. गोर्मन, एम. लिनक्स वर्चुअल मेमोरी मैनेजर को समझना; प्रेंटिस हॉल: अपर सैडल रिवर, एनजे, यूएसए, 2007.
2. बोवेट, डी.पी.; सेसती, एम. लिनक्स कर्नेल को समझना; ओ'रेली: न्यूटन, एमए, यूएसए, 2001.
3. लव, आर. लिनक्स कर्नेल डेवलपमेंट, तीसरा संस्करण; एडिसन वेस्ले: बोस्टन, एमए, यूएसए, 2010.
4. लैब्स, आर. रेडिस। ऑनलाइन उपलब्ध: https://github.com/redis/redis (7 जून 2021 को एक्सेस किया गया)।
5. सिल्बरशैट्ज़, ए.; गैल्विन, पी.बी.; गैग्ने, जी. ऑपरेटिंग सिस्टम कॉन्सेप्ट्स; एडिसन-वेस्ले लॉन्गमैन पब्लिशिंग कंपनी, इंक.: बोस्टन, एमए, यूएसए, 2018.
6. हैरिस, एस.एल.; हैरिस, डी. डिजिटल डिज़ाइन और कंप्यूटर आर्किटेक्चर; मॉर्गन कॉफ़मैन: बर्लिंगटन, एमए, यूएसए, 2022।
7. अबी-चहला, एफ. इंटेल कोर i7 (नेहेलेम): AMD द्वारा आर्किटेक्चर? ऑनलाइन उपलब्ध: https://www.tomshardware.com/reviews/Intel-i7-nehalem-cpu,2041.html (18 अक्टूबर 2021 को एक्सेस किया गया)।
8. फाम, बी.; भट्टाचार्जी, ए.; एकर्ट, वाई.; लोह, जीएच पेज ट्रांसलेशन में क्लस्टरिंग का फायदा उठाकर टीएलबी पहुंच बढ़ाना। 2014 IEEE 20वीं इंटरनेशनल सिम्पोजियम ऑन हाई-परफॉरमेंस कंप्यूटर आर्किटेक्चर (HPCA'14) की कार्यवाही में, ऑरलैंडो, FL, USA, 15-19 फरवरी 2014; पृष्ठ 558-567।
For more information:1950477648nn@gmail.com
