基于数据对象规模的Rank级内存分配方法

发布时间：2018-01-07 19:12

本文关键词：基于数据对象规模的Rank级内存分配方法　出处：《计算机研究与发展》2014年03期 　论文类型：期刊论文

【摘要】：利用主存的多bank/rank/channel结构挖掘访存并行性和局部性,是提高系统性能的重要手段.相关研究工作通过sub-rank技术增加可并行工作的存储资源,或在并行程序之间对bank划分,以隔离访存冲突.但上述方法没有考虑在bank/rank资源共存的情况下,单个程序内部数据对象间的冲突问题.通过观察数据在主存中的分布,发现程序的数据倾向聚簇于单个rank中,并提出了一种基于数据对象规模的rank级内存分配方法(data object scale aware rank-level memory allocation,DSRA).DSRA将冲突开销较大的数据对象分散到不同的rank,利用增长的bank/rank资源提高访存性能.DSRA工作在操作系统层,基于编译器和操作系统提供的信息来分析数据对象间的冲突开销,既不用修改源码,也不依赖特殊的底层硬件.基于2款真实处理器对来自NAS Benchmark和SPEC CPU2000中的存储敏感型基准测试程序进行评测.结果表明,在不影响cache失效率的情况下,DSRA通过减少主存访问周期数,可以降低程序的执行时间.与已有的优化技术相比,性能平均提高6.8%,最高性能提升幅度为16%.
[Abstract]:It is an important means to improve the performance of the system by using the multi bank / rank / channel structure of the main memory . The related research work increases the storage resources which can work in parallel or partition the bank between the parallel programs to isolate the memory conflict . However , the method does not consider the problem of conflict between the data objects in the single program under the condition of coexistence of bank / rank resources . DSRA is used to disperse data objects with large collision cost to different rank , and use the raised bank / rank resources to improve the memory performance . The DSRA works on the operating system layer . Based on the information provided by the compiler and the operating system , the conflict cost between the data objects is analyzed . The results show that the DSRA can reduce the execution time of the program without affecting the cache miss efficiency . Compared with the existing optimization technology , the performance of the DSRA can be improved by 6.8 % , and the maximum performance improvement amplitude is 16 % .

【作者单位】：北京大学微处理器研究开发中心;首都师范大学高可靠嵌入式系统技术北京市工程技术研究中心;
【基金】：“核高基”国家科技重大专项基金项目(2009ZX01029-001-002)
【分类号】：TP333.1
【正文快照】： 处理器和主存之间存在较大的性能差距.cache利用局部性减少处理器访问主存的次数,但片上集成cache的容量有限,并且单一的替换策略也难以满足程序访存行为的多样性[1].对于存储敏感型应用,处理器会耗费大量时间用于访问主存,因此需要主存更加快速响应处理器的访存请求.当前主存

【共引文献】