AbstractCache hierarchies are incre

Abstract
Cache hierarchies are increasingly non-uniform and difficult
to manage. Several techniques, such as scratchpads or reuse
hints, use static information about how programs access
data to manage the memory hierarchy. Static techniques are
effective on regular programs, but because they set fixed
policies, they are vulnerable to changes in program behavior
or available cache space. Instead, most systems rely on
dynamic caching policies that adapt to observed program
behavior. Unfortunately, dynamic policies spend significant
resources trying to learn how programs use memory, and yet
they often perform worse than a static policy.
We present Whirlpool, a novel approach that combines
static information with dynamic policies to reap the benefits
of each. Whirlpool statically classifies data into pools based
on how the program uses memory. Whirlpool then uses
dynamic policies to tune the cache to each pool. Hence, rather
than setting policies statically, Whirlpool uses static analysis
to guide dynamic policies. We present both an API that lets
programmers specify pools manually and a profiling tool that
discovers pools automatically in unmodified binaries.
We evaluate Whirlpool on a state-of-the-art NUCA cache.
Whirlpool significantly outperforms prior approaches: on
sequential programs, Whirlpool improves performance by up
to 38% and reduces data movement energy by up to 53%; on
parallel programs, Whirlpool improves performance by up to

ผลลัพธ์ (ไทย) 1:

บทคัดย่อลำดับชั้นของแคชมีมากขึ้นไม่สม่ำเสมอ และยากการจัดการ เทคนิคต่าง ๆ เช่น scratchpads หรือนำมาใช้ใหม่คำแนะนำ ใช้ข้อมูลคงเกี่ยวกับวิธีเข้าถึงโปรแกรมข้อมูลการจัดการลำดับชั้นของหน่วยความจำ เทคนิคคงมีจากปกติที่มีประสิทธิภาพโปรแกรม แต่เนื่องจากพวกเขาตั้งค่าคงที่นโยบาย พวกเขาจะเสี่ยงต่อการเปลี่ยนแปลงลักษณะการทำงานของโปรแกรมหรือแคมีพื้นที่ แทน ระบบส่วนใหญ่พึ่งพานโยบายการแคแบบไดนามิกที่ปรับให้เข้ากับโปรแกรมสังเกตลักษณะการทำงาน อับ ไดนามิกนโยบายใช้จ่ายอย่างมีนัยสำคัญทรัพยากรที่พยายามเรียนรู้ว่าโปรแกรมใช้หน่วยความจำ และยังพวกเขามักจะทำแย่กว่านโยบายคงเรานำเสนออ่างน้ำวน วิธีการใหม่ที่ผสมผสานข้อมูลแบบคงที่ ด้วยนโยบายแบบไดนามิกจะได้รับผลประโยชน์ของแต่ละ น้ำวน statically จัดประเภทข้อมูลเป็นคะแนนกลุ่มบนวิธีที่โปรแกรมใช้หน่วยความจำ จากนั้นใช้น้ำวนนโยบายแบบไดนามิกปรับแคชของการสระแต่ละ ด้วยเหตุนี้ การกว่าการตั้งค่านโยบาย statically น้ำวนใช้คงวิเคราะห์เพื่อนำนโยบายแบบไดนามิก เรานำเสนอทั้งสองมี API ที่ช่วยให้โปรแกรมเมอร์ระบุสระว่ายน้ำด้วยตนเอง และสร้างโพรไฟล์ในมือที่ตรวจพบโดยอัตโนมัติในไบนารียังไม่แปรเราประเมินวนบนแค NUCA รัฐของศิลปะวนมากมีประสิทธิภาพสูงกว่าวิธีการล่วงหน้า: บนโปรแกรมเรียงลำดับ น้ำวนช่วยเพิ่มประสิทธิภาพโดยค่าถึง 38% และลดพลังงานการเคลื่อนไหวของข้อมูลได้ถึง 53% บนโปรแกรมแบบขนาน น้ำวนช่วยเพิ่มประสิทธิภาพโดยขึ้นอยู่กับ

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
ลำดับชั้นแคชมีมากขึ้นไม่สม่ำเสมอและยาก
ที่จะจัดการ เทคนิคหลายประการเช่น scratchpads หรือนำมาใช้
คำแนะนำให้ใช้ข้อมูลคงที่เกี่ยวกับวิธีการที่โปรแกรมการเข้าถึง
ข้อมูลในการจัดการลำดับชั้นของหน่วยความจำ เทคนิคแบบคงที่มี
ประสิทธิภาพในการโปรแกรมปกติ แต่เพราะพวกเขาคงกำหนด
นโยบายที่พวกเขามีความเสี่ยงต่อการเปลี่ยนแปลงในการทำงานของโปรแกรม
หรือพื้นที่แคชใช้ได้ แต่ระบบส่วนใหญ่พึ่งพา
นโยบายการแคชแบบไดนามิกที่ปรับให้เข้ากับโปรแกรมการสังเกต
พฤติกรรม แต่น่าเสียดายที่นโยบายแบบไดนามิกใช้จ่ายอย่างมีนัยสำคัญ
ทรัพยากรพยายามที่จะเรียนรู้วิธีการที่โปรแกรมใช้หน่วยความจำและยัง
พวกเขามักจะดำเนินการเลวร้ายยิ่งกว่านโยบายคง.
เรานำเสนอวังวนแนวทางใหม่ที่รวม
ข้อมูลคงที่กับนโยบายแบบไดนามิกเพื่อเก็บเกี่ยวผลประโยชน์
ของแต่ละ วังวนแบบคงที่จัดประเภทข้อมูลลงในสระว่ายน้ำขึ้นอยู่
กับวิธีการที่โปรแกรมใช้หน่วยความจำ วังวนแล้วใช้
นโยบายแบบไดนามิกในการปรับแต่งแคชแต่ละสระว่ายน้ำ ดังนั้นค่อนข้าง
กว่าการตั้งค่านโยบายแบบคงที่, วังวนใช้การวิเคราะห์แบบคงที่
เพื่อให้คำแนะนำนโยบายแบบไดนามิก เรานำเสนอทั้ง API ที่ช่วยให้
โปรแกรมเมอร์ระบุสระว่ายน้ำด้วยตนเองและเป็นเครื่องมือที่มีโปรไฟล์ที่
. พบสระว่ายน้ำโดยอัตโนมัติในไบนารีแปร
เราจะประเมินวังวนในรัฐของศิลปะแคช Nuca.
วังวนอย่างมีนัยสำคัญมีประสิทธิภาพดีกว่าวิธีการก่อน: ใน
โปรแกรมตามลำดับ, วังวนปรับปรุง ประสิทธิภาพการทำงานได้ถึง
38% และลดการเคลื่อนย้ายข้อมูลพลังงานได้ถึง 53%; ใน
โปรแกรมขนาน, วังวนช่วยเพิ่มประสิทธิภาพการทำงานโดยขึ้นอยู่กับ