Diterima 31 Mei 2017, diterima 14 Juni 2017, tanggal publikasi 7 Juli 2017, tanggal versi saat ini 24 Juli 2017.
Pekerjaan ini sebagian didukung oleh Yayasan Ilmu Pengetahuan Alam Provinsi Zhejiang di bawah Grant Y17E050119 dan sebagian oleh Pusat Penelitian Teknologi
Informasi & Pembangunan Ekonomi dan Sosial di Provinsi Zhejiang di bawah Grant 15XXHJD04.
ABSTRAK Memori NAND fl ash memiliki banyak keunggulan, termasuk faktor bentuk yang kecil, non-volatilitas, dan keandalan yang
tinggi. Namun, masalah yang disebabkan oleh keterbatasan fisik, seperti latensi I / O asimetris dan pembaruan tidak pada tempatnya,
masih perlu diselesaikan. Dengan menggunakan probabilitas referensi (PR) untuk memilih halaman kandidat sebagai halaman
korban, makalah ini menyajikan algoritma penggantian buffer baru yang disebut PR paling akhir digunakan untuk meningkatkan
kinerja memori abu. Untuk memprediksi apakah halaman dapat direferensikan di masa mendatang, tiga variabel digunakan untuk
menghitung PR halaman. Selain itu, kami meningkatkan overhead kinerja dari jumlah operasi tulis, rasio hit, dan waktu proses
menggunakan strategi PR baru. Algoritma tersebut diimplementasikan dan diuji pada platform simulasi abu Flash-DBSim.
PERSYARATAN INDEKS Algoritme penggantian buffer, memori abu, DBMS berbasis abu, probabilitas referensi.
I. PENDAHULUAN langsung ke memori abu tidak menghasilkan keuntungan dari memori abu
Selama dekade terakhir, memori flash telah digunakan secara luas karena dan tidak kondusif untuk kemampuan memori abu NAND. Saat
keandalannya yang tinggi, ukurannya yang kecil, ringan, tahan guncangan, menggunakan memori fl ash, sangat penting untuk mendesain ulang
dan hemat daya. Karena fitur-fiturnya yang menguntungkan dan harga yang algoritma penggantian buffer berorientasi fl ash [11] - [14].
turun, memori NAND ash telah digunakan untuk menyimpan informasi
pengaturan di berbagai perangkat, termasuk di komputer, asisten digital Banyak algoritme pengganti buffer berbasis abu NAND fl saat ini telah
pribadi (PDA), dan BIOS kamera digital. Memori flash tidak kehilangan data berfokus pada pengurangan jumlah operasi tulis, meningkatkan rasio hit.
saat perangkat dimatikan yang telah digunakan dalam hierarki memori Algoritma ini memodifikasi algoritma Least recent used (LRU) [15]. Saat
sistem [1] - [3]. Berdasarkan keunggulan memori fl ash, solid state disk halaman baru saja direferensikan, kemungkinan besar LRU untuk
(SSD) telah menjadi pilihan populer di lingkungan komputasi perusahaan. direferensikan di masa mendatang lebih tinggi. Ini adalah basis dari
Memori flash adalah jenis penghapusan massal dan media pembaruan algoritma LRU. Namun, algoritme ini mengabaikan informasi tertentu,
yang tidak pada tempatnya [4] - [7]. Karakteristik ini memberikan perbaikan seperti lokasi referensi dan waktu referensi halaman. Informasi ini dapat
untuk algoritma penggantian buffer dalam memori fl ash [8], [9]. digunakan untuk lebih meningkatkan kinerja abu [16].
Dalam studi ini, algoritma penggantian buffer berbasis abu baru yang disebut
Algoritma penggantian buffer tradisional dirancang untuk disk dan tidak PR-LRU (Probability of Reference LRU) telah disajikan untuk menyelesaikan
cocok untuk NAND fl ashmemory [10]. Algoritme penggantian buffer biaya I / O asimetris. Kami menggunakan probabilitas referensi untuk
berorientasi disk ini didasarkan pada latensi yang sama seperti untuk operasi memprediksi kemungkinan halaman direferensikan di masa mendatang.
baca dan tulis. Menerapkan algoritme penggantian buffer berorientasi disk Probabilitas referensi halaman dihitung menggunakan tiga variabel, yaitu waktu
tradisional ini referensi,
2169-3536 2017 IEEE. Terjemahan dan penambangan konten diizinkan hanya untuk penelitian akademis.
12626 Penggunaan pribadi juga diperbolehkan, tetapi publikasi ulang / redistribusi memerlukan izin IEEE. VOLUME 5, 2017
Lihat http://www.ieee.org/publications_standards/publications/rights/index.html untuk informasi lebih lanjut.
Y. Yuan dkk .: Algoritma Penggantian Buffer Novel Berbasis PR untuk Memori Flash
jumlah halaman referensi dari referensi terakhir sampai terakhir, dan jumlah yang menghasilkan penggantian langsung halaman yang baru saja dibaca di
halaman referensi dari referensi pertama sampai terakhir. Selain itu, daftar buffer, sehingga mengurangi rasio klik. Menggunakan modifikasi CCF-LRU,
LRU korban memberikan kesempatan tambahan bagi halaman untuk Jin et al. memperkenalkan algoritma Adaptive Double LRU (AD-LRU) untuk
disimpan dalam memori flash. lebih meningkatkan efisiensi runtime [23]. AD-LRU menetapkan panjang
minimum antrian dingin, sehingga bisa secara dinamis menyesuaikan
Sisa artikel ini disusun sebagai berikut. Pekerjaan terkait di bidang ini panjang antrian panas dan dingin.
diperkenalkan di Bagian 2 sebelum menjelaskan algoritma penggantian
buffer yang diusulkan PR-LRU di Bagian 3. Di bagian 4, analisis rinci dari Untuk menjamin kinerja memori flash yang baik selama operasi I / O
eksperimen simulasi dan hasilnya dijelaskan menggunakan berbagai jejak abu, algoritma sebelumnya disajikan untuk mendesain ulang algoritma
sementara Bagian 5 menyediakan kesimpulan dan garis besar pekerjaan penggantian buffer berbasis abu [13], [20] - [23]. Penelitian karya saat ini
masa depan kita. telah memprioritaskan penggantian halaman cold clean dan tidak
memperhitungkan waktu referensi dan informasi lainnya [24] - [27]. Oleh
karena itu, algoritma penggantian buffer yang ada masih dapat
II. KARYA TERKAIT dioptimalkan.
Flashmemory memiliki banyak kelemahan termasuk latensi I / O asimetris,
pembaruan tidak di tempat, dan operasi penghapusan yang lambat. Tabel 1
menunjukkan latensi memori DRAM dan NAND fl ash dalam operasi I / O. AKU AKU AKU. ALGORITMA PR-LRU YANG DIUSULKAN
Ini menunjukkan bahwa operasi tulis abu membutuhkan lebih banyak waktu A. RANCANGAN STRUKTUR ALGORITMA PR-LRU YANG
daripada operasi baca dan DRAM tidak memerlukan operasi penghapusan. DIUSULKAN
Selain itu, karena fitur fisik abu NAND, jumlah operasi penghapusan Algoritme penggantian buffer baru untuk NAND fl ash yang disebut PR-LRU
dibatasi dalam kisaran 10.000 hingga (Probability of Reference LRU) diusulkan untuk meningkatkan rasio buffer hit
dengan menggunakan probabilitas referensi untuk memilih halaman kandidat
1.000.000 [17] - [19]. sebagai korban. Gbr. 1 mengilustrasikan struktur algoritma PR-LRU yang
disajikan, yang berisi daftar LRU panas, daftar LRU dingin, dan daftar LRU
TABEL 1. Performa I / O untuk DRAM dan flash NAND. korban.
Panjang daftar LRU panas adalah L 1. Ini mempertahankan halaman panas. Terlepas dari
apakah halaman tersebut kotor atau bersih, LRU dingin
daftar berisi L 2 halaman. Daftar LRU korban berisi L 3 halaman dan hanya
menyimpan halaman yang diganti dari hot atau
daftar LRU dingin. Bahkan, L 1, L 2 dan L 3 tambahkan ke ukuran buffer.
Operasi penghapusan di memori memori tidak terdiri dari satu byte tetapi
blok tetap dan operasi tulis harus dilakukan di area kosong. Jika area target
telah digunakan, maka harus dihapus sebelum dapat ditulis ulang. Operasi
baca membutuhkan latensi yang lebih sedikit daripada operasi tulis / hapus.
Karena latensi I / O asimetris memori fl ash, algoritme saat ini berfokus
pada pengurangan jumlah operasi tulis.
jika tidak, ini disebut halaman dingin. Halaman yang telah ditulis ulang disebut dalam w halaman yang paling dekat dengan posisi LRU panas. Jika algoritme
kotor, jika tidak, disebut bersih. Untuk fitur memori fl ash, kami merancang memerlukan halaman pengganti, halaman probabilitas minimum akan dipilih.
algoritme untuk mempertahankan halaman kotor di buffer jika memungkinkan. Untuk mengurangi jumlah perhitungan yang tidak perlu, ukuran jendela w diatur
Halaman yang bersih lebih disukai sebagai pengganti buffer. Selain itu, demi dalam daftar LRU panas untuk membatasi jumlah halaman yang dihitung.
kinerja keseluruhan, mengeluarkan halaman dingin lebih baik daripada
mengeluarkan halaman panas. Singkatnya, strategi utama Probability of Reference (PR) dijelaskan
sebagai berikut:
Probabilitas referensi akan dihitung menggunakan empat Teorema 1. Daftar LRU korban digunakan untuk mempertahankan halaman yang ada
berikut. Lokalitas halaman referensi saat ini akan dipertimbangkan dalam dikeluarkan dari daftar LRU dingin atau panas. Metode kami memberikan kesempatan kedua
Teorema 1. Teorema 2 memperhitungkan siklus hidup halaman referensi. pada setiap halaman untuk mempertahankan halaman dalam buffer selama mungkin.
Teorema 2: Membiarkan dekat saya menjadi referensi terakhir untuk halaman referensi
kedua dari belakang, 1 ≤ saya ≤ w. Probabilitas
referensi baru-baru ini ( Halaman interval diberikan oleh Rumus (2):
(2)
1
Nomor probabilitas, X̄ = ( 0, 1), 1 ≤ saya ≤ w.
1+ num ¯ b̄er ∼
X
(3)
GAMBAR 2. Alur kerja PR-LRU.
Teorema 4: Dapatkan probabilitas halaman referensi rata-rata,
probabilitas halaman interval referensi baru-baru ini, dan probabilitas
halaman referensi bersama-sama. Probabilitas minimum halaman akan
C. ALUR KERJA PR-LRU
dipilih sebagai korban, yang dapat dihitung menggunakan Rumus (4):
Gbr. 2 menunjukkan aliran kerja PR-LRU. Jika kita menerima permintaan
halaman, algoritma akan menentukan apakah halaman tersebut dalam
Indeks = mnt { Probabilitas (d (ist saya, angka) + Probabilitas (dekat saya) buffer. Ketika halaman yang diminta terdeteksi di buffer, halaman ini akan
) dipindahkan ke tiga daftar LRU dan akan ditempatkan ke lokasi MRU dari
+ Nomor probabilitas, X̄ }, 1 ≤ saya ≤ w. ( 4)
daftar LRU panas. Jika tidak ada ruang kosong dalam daftar LRU panas,
Probabilitas referensi digunakan untuk menentukan halaman mana yang akan halaman dengan probabilitas referensi minimum di w halaman akan dipilih.
dikeluarkan. indeks adalah halaman yang dipilih sebagai halaman pengganti. Ketika algoritma perlu memilih halaman korban
Probabilitas referensi telah dihitung
dalam daftar LRU panas, probabilitas referensi minimum di w halaman akan daftar LRU panas (baris 10-18). Jika halaman ditemukan dalam daftar LRU korban,
dipilih. Metode penghitungan probabilitas referensi dijelaskan di bagian halaman ini akan dipindahkan ke daftar LRU panas. Jika tidak ada ruang kosong di
sebelumnya. Daftar LRU korban ini mengeluarkan halaman bersih terlebih daftar LRU panas, halaman korban akan dipilih sebagai penggantinya (baris 13-19). Jika
dahulu kecuali tidak ada halaman bersih. halaman yang diminta tidak ditemukan, halaman yang diminta ini akan dimasukkan ke
dalam daftar LRU dingin (baris 20-31). Jika daftar LRU dingin tidak memiliki ruang
kosong, halaman dalam posisi LRU akan dipilih untuk dipindahkan ke daftar LRU korban
Algoritma 1 PR-LRU (baris 20-29). Kemudian halaman referensi ini akan dimasukkan ke dalam daftar LRU
dingin (baris 30).
L dingin: daftar LRU dingin, L panas: daftar LRU panas,
Memasukkan:
L vicitm: daftar LRU korban
Algoritma 2 menunjukkan algoritma SelectVictim dari PR-LRU. Jika kita perlu
Keluaran: halaman korban untuk diganti
memilih halaman korban di daftar LRU dingin, halaman di lokasi LRU akan
1. jika halaman masuk L panas // p ada dalam daftar LRU panas
dipilih secara langsung (baris 1-2). Saat algoritme 2 memilih halaman korban
2. Pindah halaman ke lokasi MRU L panas
dari daftar LRU korban, akan lebih mudah memilih halaman yang bersih untuk
lain jika halaman di L dingin kemudian // halaman
3. diganti. Halaman-halaman kotor akan terhapus jika daftar LRU korban penuh
ada dalam daftar LRU dingin
dengan halaman-halaman kotor (baris 3-13). Ketika algoritma 2 memilih
4. jika tidak ada ruang kosong di L panas
halaman korban dalam daftar LRU panas, halaman probabilitas minimum akan
5. korban = SelectVictim () di L panas
dipilih di w halaman yang terdekat dengan lokasi LRU (baris 14-16). Metode
6. jika tidak ada ruang kosong di L korban
penghitungan probabilitas referensi yang dijelaskan sebelumnya digunakan.
7. korban2 = SelectVictim () di L korban
8. Menulis korban2 untuk fl memori abu
9. berakhir jika
14. jika tidak ada ruang kosong di L panas 2. pilih halaman LRU di L dingin sebagai korban
15. Pindah halaman ke lokasi MRU L panas 3. lain jika L aku s L korban
23. jika tidak ada ruang kosong di L korban 11. jika ( korban adalah nol)
24. korban2 = SelectVictim () di L korban 12. Pilih halaman LRU di L korban sebagai korban
25. Menulis korban2 untuk fl memori abu 13. berakhir jika
30. Memasukkan halaman ke lokasi MRU L dingin 17. kembali referensi ke korban
31. kembali referensi dari halaman
referensi akan diletakkan di posisi MRU dari Eksperimen kami diimplementasikan menggunakan CPU Intel 3,35 GHz
dengan RAM 16 GB. Sistem operasinya adalah
GAMBAR 3. Perbandingan rasio hit pada jejak yang berbeda. (Sebuah) T1. ( b) T2. ( c) T3. ( d) T4.
Windows 10 Pro SP1 dengan 64-bit. Flash-DBSim adalah platform memori halaman, hapus latensi adalah 25 µ s per halaman, dan latensi baca adalah 25 µ s per
abu tersimulasi, yang menyediakan lingkungan simulasi untuk memvalidasi halaman. Jumlah operasi penghapusan dibatasi hingga 100.000.
kinerja berbagai algoritme. Flash-DBSim dirancang untuk eksperimen
komprehensif dan mensimulasikan berbagai kondisi eksperimental yang Rincian dari empat jenis jejak didaftar di Tabel 3. Setiap jejak memiliki
telah dikembangkan dalam penelitian teknologi memori flash. FlashDBSim 200.000 permintaan buffer dan 10.000 halaman berbeda. Misalnya, 18.000
menggunakan pendekatan desain modular, yang mencakup Virtual (90%) menunjukkan bahwa pelacakan ini memiliki 2.000 operasi tulis dan
FlashDeviceModule (VFD), Memory Technology Device Module (MTD), dan 18.000 operasi baca. Lokalitas referensi ''60% / 40%' 'menunjukkan bahwa
Flash Translation Layer Module (FTL). Peneliti dapat memodifikasi isi setiap 60% dari total referensi dilakukan secara padat di 40% halaman. Ukuran
modul sesuai dengan kebutuhan penelitian sebenarnya. halaman adalah 2 KB dalam percobaan ini.
Tiga metrik kinerja, jumlah tulis, rasio klik, dan waktu proses digunakan
Karakteristik abu NAND dijelaskan pada Tabel 2. Kami mensimulasikan dalam eksperimen simulasi kami untuk mengevaluasi hasil. Operasi
abu NAND 128MB. Ukuran halaman data abu adalah 2KB, dan setiap blok penghapusan tidak dipertimbangkan karena selalu dilakukan sebelum
data berisi 64 halaman data. Kami berasumsi bahwa latensi tulis adalah 200 µ operasi tulis dan jumlahnya sama dengan operasi tulis. Karena
s per
GAMBAR 4. Perbandingan jumlah tulis pada jejak yang berbeda. (Sebuah) T1. ( b) T2. ( c) T3. ( d) T4.
latensi operasi baca jauh lebih cepat daripada operasi tulis dalam memori algoritma pengganti. Namun, hanya meningkatkan ukuran buffer akan
flash, kami tidak membandingkan jumlah operasi baca dengan yang ada di membuang sumber daya.
algoritme penggantian buffer lainnya. Gambar 3 mengilustrasikan perbandingan rasio hit untuk berbagai jejak
dan berbagai ukuran buffer. Di antara empat jejak, PR-LRU memiliki rasio
hit yang lebih baik daripada algoritme lainnya. Karena PR-LRU
B. EVALUASI KINERJA JALUR YANG DISINTESIS memperhitungkan lokalitas halaman berdasarkan algoritme LRU, ia memiliki
rasio hit yang lebih tinggi. Akibatnya, peningkatan rasio hit untuk
Hasil percobaan mewakili hasil
untuk melacak T 4. Oleh karena itu, hasil penelusuran T 4 tercantum dalam Tabel 4, yang PR-LRU dan lacak T 4 dibandingkan dengan LRU [13], LRU-WSR [21] dan
menunjukkan jumlah tulis, rasio hit, dan keseluruhan AD-LRU [23] masing-masing adalah 7%, 5%, dan 2%.
runtime dari empat algoritma penggantian buffer. Saat memori meningkat, PR-LRU tidak hanya meningkatkan kinerja memori fl ash tetapi juga
tren peningkatan kinerja secara bertahap menstabilkan jumlah tulis, rasio meningkatkan kinerja algoritma penggantian buffer.
klik, dan waktu proses. Juga terbukti bahwa desain ulang PR-LRU sangat
sesuai untuk memori flash. Peningkatan ukuran buffer yang sesuai kondusif Gambar 4 menunjukkan perbandingan jumlah tulis untuk jejak yang
bagi kinerja berbeda. Ketika ukuran buffer sangat besar atau kecil, kami mengamati
bahwa jumlah tulis serupa untuk file
GAMBAR 5. Perbandingan runtime pada jejak yang berbeda. (Sebuah) T1. ( b) T2. ( c) T3. ( d) T4.
empat algoritma. Jika ukuran buffer sangat kecil, rasio hit sangat rendah ke dalam daftar LRU yang panas, dingin, dan korban. Halaman dari daftar LRU panas atau
dan jumlah operasi tulis fisik kecil. Ini terjadi karena PR-LRU akan dingin dimasukkan ke dalam daftar LRU korban. Daftar LRU korban lebih disukai untuk
mengeluarkan halaman bersih di daftar LRU korban terlebih dahulu. Ketika mengganti halaman bersih daripada mengganti halaman kotor. PR-LRU memberikan
PR-LRU memilih halaman pengganti dari daftar LRU panas, PR-LRU akan kesempatan tambahan bagi halaman untuk tetap berada di buffer. Probabilitas referensi
menghitung kemungkinan referensi dan memilih halaman minimum sebagai dapat digunakan untuk menentukan apakah setiap halaman dapat direferensikan. Dengan
penggantinya. Karena strategi PR, jumlah tulis menggunakan metode ini, kami mempertahankan halaman yang lebih mungkin untuk dirujuk
di masa mendatang.
REFERENSI [24] R.Jin, HJ Cho, dan TS Chung, '' LS-LRU: Kebijakan penggantian buffer LRU yang dipecah dengan lambat
untuk indeks pohon B + berbasis abu, '' J. Inf. Sci. Eng., vol. 31, tidak. 3, hlm. 1113–1132, Februari 2015.
[1] SA Chamazcoti, Z. Delavari, S. Ghassem, dan H. Asadi, `` Tentang ketahanan dan kinerja
kode penghapusan dalam sistem penyimpanan berbasis SSD, '' Mikroelektron. Rel., vol.
[25] G.Jia, G.Han, J.Jiang, dan JJPC Rodrigues, '' PARS: Penjadwalan peringkat aktif secara berkala
55, tidak. 11, hlm. 2453–2467, Agustus 2015.
untuk mengoptimalkan efisiensi daya untuk memori utama, ''
J. Netw. Comput. Appl., vol. 58, hlm. 327–336, Desember 2015.
[2] G.Jia, G.Han, dan F.Wang, '' Kebijakan penggantian cache yang sadar biaya dalam cache level terakhir
[26] M. Lin, S. Chen, G.Wang, dan T.Wu, '' HDC: Algoritme pengganti buffer adaptif untuk
bersama untuk komputasi kabut berbasis memori hybrid, '' Enterprise Inf. Syst., akan dipublikasikan, doi:
database berbasis memori NAND fl ash, '' Memilih. Int. J. Cahaya Electron Opt., vol. 125,
10.1080 / 17517575.2017.1295321.
tidak. 3, hlm. 1167–1173, Juli 2014.
[3] Y. Youwei, Y. Lamei, W. Yigang, H. Gengsheng, dan C. Mei, '' Berbagi kumpulan data pencitraan
[27] SH Leong, A. Parodi, dan D. Kranzlmüller, '' Alokasi sumber daya komputasi mendesak perangkat
DICOM medis yang lebih besar dalam komputasi awan, '' J. Med. Bayangkan. Inf. Kesehatan, vol.
keras yang andal dan andal untuk prakiraan ansambel banjir pada infrastruktur HPC untuk dukungan
5, tidak. 7, hlm. 1390–1394, November 2015.
keputusan, '' Generasi Masa Depan. Comput. Syst., vol. 68, hlm. 136–149, September 2017.
[4] G.Jia, G.Han, J.Rodrigues, J.Lloret, dan W.Li, '' Mengkoordinasikan deduplikasi dan partisi
memori untuk meningkatkan kinerja dalam komputasi awan, '' IEEE Trans. Cloud Comput., akan
dipublikasikan, doi: 10.1109 / TCC.2015.2511738.
[5] A. Dobri dkk., '' Pengembangan dan penerapan teknik pemisahan tegangan oksida untuk YOUWEI YUAN lahir pada tahun 1966. Ia menerima gelar Ph.D.
pengukuran arus bocor ONO pada medan listrik rendah di gerbang pengapungan 40 nm yang
gelar di bidang ilmu komputer dari Universitas Teknologi Wuhan,
tertanam- memori abu, '' Mikroelektron. Rel., vol. 69, hlm. 47–51, Desember 2017.
Cina, pada tahun 2007. Saat ini dia adalah Profesor Ilmu
Komputer dengan Universitas Hangzhou, Dianzi, Hangzhou,
[6] A.Fukami, S.Ghose, Y. Luo, Y. Cai, dan O. Mutlu, '' Meningkatkan keandalan analisis
forensik chip-off dari perangkat memori NAND fl ash, ''
Cina. Ia telah menulis lebih dari 50 makalah teknis di jurnal dan
Angka. Investigasi., vol. 20, hlm. S1 – S11, Januari 2017.
konferensi bergengsi, 30 makalah telah diindeks oleh SCI dan
[7] FR Ihmig, SG Shirley, dan H.Zimmermann, '' Penyaringan batch serial komersial fl sirkuit
EI. Minat penelitiannya meliputi kecerdasan buatan,
terintegrasi memori-abu untuk aplikasi suhu rendah, '' Cryogenics, vol. 71, hlm. 39–46, Mei
penambangan data, komputasi awan, analisis data besar, dan
2015.
pemrosesan paralel terdistribusi.
[8] Y. Kanza dan H. Yaari, '' Pemilahan eksternal pada penyimpanan abu: Mengurangi pemakaian sel dan
meningkatkan efisiensi dengan menghindari penulisan perantara, ''
VLDB J., vol. 25, tidak. 4, hlm. 495–518, Maret 2016.
[9] CG Kim, KJ Kim, dan J. Lee, '' Sistem memori NAND fl berdasarkan arsitektur buffer
Harvard untuk aplikasi multimedia, '' Aplikasi Alat Multimedia, vol. 74, tidak. 16, hlm.
6287–6302, Januari 2014.
BELUM SHEN lahir pada tahun 1992. Dia saat ini sedang
[10] KM Kobayashi, S. Miyazaki, dan Y. Okabe, '' Manajemen buffer kompetitif untuk sakelar
mengejar gelar Ph.D. gelar dalam ilmu komputer dari Hangzhou
multi-antrian di jaringan QoS menggunakan algoritma buffering paket, '' Teori. Comput. Sci., vol.
Dianzi University, Hangzhou, Cina. Minat penelitiannya meliputi
675, hlm. 27–42, Februari 2017.
perangkat keras, perangkat, dan desain yang efisien energi
[11] G.Jia, G.Han, J.Jiang, dan L.Liu, '' Kebijakan penggantian adaptif dinamis dalam cache
untuk platform komputasi awan.
tingkat terakhir bersama memori hibrid DRAM / PCM untuk penyimpanan data besar, '' IEEE
Trans. Ind. Informat., akan dipublikasikan, doi: 10.1109 / TII.2016.2645941.
[12] Y. Yuan, D. Chen, dan L. Yan, '' Segmentasi tiga dimensi interaktif menggunakan algoritme
pertumbuhan wilayah, '' J. Perhitungan Algoritma. Technol., vol. 9, tidak. 2, hlm. 199–214, Agustus
2015.
[13] A. Panagakis, A. Vaios, dan I. Stavrakakis, '' Analisis perkiraan LRU dalam kasus korelasi
jangka pendek, '' Comput. Jaringan, vol. 52, tidak. 6, hlm. 1142–1152, Januari 2008.
[16] CC Sobin, '' Kebijakan manajemen buffer yang efisien untuk DTN, '' Procedia Comput. Sci., vol. 93, perusahaan rekayasa lalu lintas dari tahun 2007 hingga saat ini.
[18] D. Wei dkk., '' Strategi leveling perincian halaman (PGWL) untuk node sink berbasis
memori NAND fl dalam jaringan sensor nirkabel, ''
J. Netw. Comput. Appl., vol. 63, hlm. 125–139, Februari 2016.
DONGJIN YU saat ini menjadi Profesor di Universitas Dianzi
[19] P.Desnoyers, `` Pemodelan analitik kinerja tulis SSD, '' ACM Trans. Penyimpanan, vol. 10,
Hangzhou, di mana dia adalah Dekan Sekolah Kehormatan
tidak. 10, hlm. 193–206, Juni 2012.
Excellence dan Direktur Institut Perangkat Lunak Komputer.
[20] SY Park dkk., '' CFLRU: Algoritme pengganti untuk memori fl ash, '' dalam format Proc. Int. Conf.
Upaya penelitiannya meliputi big data, komputasi layanan, dan
Kompilasi., Oktober 2006, vol. 55. no. 3, hlm. 234–241.
pemahaman program. Dia secara khusus tertarik pada
[21] H. Jung, H. Shim, S. Park, S. Kang, dan J. Cha, '' LRU-WSR: Integrasi LRU dan menulis
urutan ulang urutan untuk memori fl ash, '' IEEE Trans. Consum. Elektron., vol. 54, tidak. 3, pendekatan baru untuk membangun sistem informasi
hlm. 1215–1223, Agustus 2008. perusahaan besar secara efektif dan efisien dengan teknologi
[22] Z. Li dkk., '' CCF-LRU: Algoritme penggantian buffer baru untuk fl memori ash, '' IEEE Trans. informasi yang maju. Dia adalah anggota ACM, dan
Consum. Elektron., vol. 55, tidak. 3, hlm. 1351–1359, Juni 2009.
[23] P. Jin. Kamu. T. Härder, dan Z. Li, '' AD-LRU: Algoritme penggantian buffer yang efisien untuk Anggota Senior dari Federasi Komputer China (CCF). Ia juga merupakan anggota Komite Teknis
database berbasis fl ash, '' Pengetahuan Data Eng., vol. 72, hlm. 83–102, Oktober 2012. CCF Rekayasa Perangkat Lunak dan Komite Teknis CCF Komputasi Layanan.
LAMEI YAN adalah Profesor Tamu RMIT University, Australia, YIFEI WANG lahir pada tahun 1995. Saat ini sedang mengejar
dari 2012 hingga 2013. Saat ini dia adalah Profesor di Sekolah gelar sarjana otomasi, Hangzhou Dianzi University, Hangzhou,
Media Digital dan Desain. Minat penelitiannya meliputi China. Minat penelitiannya meliputi teori dan aplikasi kontrol
pemrosesan gambar, desain berbantuan komputer, dan analisis cerdas, dan kontrol yang kuat.
elemen hingga.