图划分在混合内存系统的实现与性能优化
图划分是大图数据并行计算的基础,目前主要采用分布式算法实现大图划分.非易失存储器(Non-Volatile Memory,NVM)速度接近动态随机存储器(Dynamic Random Access Memory,DRAM),且具有低功耗、高密度、低时延等优点,本文针对分布式图划分算法难以分析和调试等问题,设计了基于混合内存的单机图划分算法框架.作者提出了基于邻边结构的图划分结果动态缓存管理策略(AeFdy),以提高缓存区邻居节点的搜索效率.在17种真实应用数据上的实验结果表明,采用新方法的平均图划分速度是基于邻点结构算法的4.9倍.本文还针对NVM寿命有限的问题,设计了基于内存页读写特征的迁移算法,实现了NVM写操作受限条件下的迁移优化方案.相对于Linux Swap、M CLOCK、Dr.Swap混合内存管理策略,使用AeFdy策略的性能分别提升了128.5％、87.4％与50.4％.仿真实验结果表明,本文设计的混合内存管理方法实现了NVM+ DRAM高效协同.
复杂网络、非易失存储器、流划分、混合内存、内存计算、平衡图划分
42
TP311(计算技术、计算机技术)
国家重点研发计划2017YFB1402400;重庆市社会事业与民生保障科技创新专项cstc2017shmsA0641;国家“八六三”高技术研究发展计划项目基金2015AA015308;重庆市重点产业共性关键技术创新专项cstc2017zdcy-zdyxx0047;重庆市技术创新与应用示范产业类重点研发项目cstc2018jszx-cyzdX0086;中央高校项目2018CDYJSY-0055
2019-12-04（万方平台首次上网日期，不代表论文的发表时间）
共18页
2481-2498
