多核处理器目录缓存结构设计

王恩东; 唐士斌; 陈继承; 王洪伟; 倪璠; 赵雅倩

doi:10.7544/issn1000-1239.2015.20150140

多核处理器目录缓存结构设计

(高效能服务器和存储技术国家重点实验室(浪潮集团有限公司) 北京 100085) (wangend@inspur.com)

基金项目: 国家“八六三”高技术研究发展计划基金项目(2013AA011701)

详细信息

中图分类号: TP303
计量
- 文章访问数: 1403
- HTML全文浏览量: 2
- PDF下载量: 851
出版历程
- 发布日期: 2015-05-31

Directory Cache Design for Multi-Core Processor

(State Key Laboratory of High-End Server & Storage Technology (Inspur Group Company Limited), Beijing 100085)

摘要

摘要: 随着物联网、云计算与网络舆情分析等应用的快速发展，大数据处理的应用已经成为数据中心的核心负载.数据中心服务器普遍采用多核处理器，而目录缓存作为多核处理器结构中维护缓存一致性的关键部件，对其结构研究(如稀疏目录)更多地关注于目录缓存的容量与可扩展性，更适合处理高性能计算等计算密集型应用.然而，当多核处理器执行延迟敏感的大数据应用程序时，目录缓存的高访存延迟严重制约了数据中心的服务质量.针对该问题，新型主从目录缓存结构优化了数据访问过程中的一致性协议通路，其中主目录区分共享与私有数据，管理私有数据的访存操作，降低私有数据的访存延迟，提高了从目录的容量利用率；从目录维护共享数据的缓存一致性，采用有限位标签结构，提高了从目录的存储效率.实验在Simics+GEMS模拟平台上对大数据程序测试集Cloudsuite-v1.0进行评估.结果表明在以大数据应用程序为主的运行环境下，与2倍容量的稀疏目录相比，主从目录缓存结构降低了24.39%的硬件开销，降低了28.45%的缓存缺失延时，提升了3.5%的处理器IPC；与缓存内目录相比，主从目录结构虽然损失了5.14%的缓存缺失延时与1.1%的处理器IPC，但是降低了42.59%的硬件开销.
- 大数据 /
- 多核处理器 /
- 缓存一致性 /
- 目录缓存 /
- 稀疏目录
Abstract: With the development of Internet of things, cloud computing and Internet public opinion analysis, big data applications are growing into the critical workloads in current data center. Directory cache is used to guarantee cache coherence in chip multi-processor, which is massively deployed in data centers. Previous researches proposed all kinds of innovation to improve the utilization of directory cache capacity and scalability, making it more suitable for high-performance computing. Big data workloads are timing sensitive, which is not satisfied by previous works. To meet the requirement of big data workloads, master-salve directory is a novel directory cache design, which can optimize the path of memory instruction. In the novel directory cache design, master directory picks up private data accesses and provides services for them to reduce miss-latency, and slave directory provides cache coherence for shared memory space to improve the utilization of cache capacity and the scalability of chip multi-processor. Our experiment benchmark is CloudSuite-v1.0, running on Simics+GEMS simulator. Compared with sparse directory with 2×capacity, the experimental results show that master-slave directory can reduce hardware overhead by 24.39%, and reduce miss-latency by 28.45%, and improve IPC by 3.5%. Compared with in-cache directory, the results show that master-slave directory sacrifices 5.14% miss-latency and 1.1% IPC, but reduces hardware overhead by 42.59%.
- big data /
- multi-core processor /
- cache coherence /
- directory cache /
- sparse directory

HTML全文

参考文献(0)

施引文献(62)

期刊类型引用(19)

1.	董胡，陈伟，彭高丰，陈耀东，刘刚. 基于信号子空间和DNN的语音增强方法. 微型电脑应用. 2025(01): 32-34+38 . 百度学术
2.	李世其，周雨玫，郑旋烨，刘裔斌. 复杂噪声环境下服务机器人语音增强算法研究. 传感器与微系统. 2025(04): 35-39 . 百度学术
3.	王向辉，李梅，田旭华，王姣，谭歆，路东东. 短时傅里叶变换域最优非因果滤波器和滤波矩阵降噪算法. 陕西科技大学学报. 2024(02): 164-173+197 . 百度学术
4.	尤昕源，王恒. 基于门控膨胀卷积循环网络的单声道语音增强. 计算机应用. 2024(04): 1317-1324 . 百度学术
5.	莫尚斌，王文君，董凌，高盛祥，余正涛. 基于多路信息聚合协同解码的单通道语音增强. 计算机应用. 2024(08): 2611-2617 . 百度学术
6.	缪悦. 时频域变换技术在语音降噪中的应用. 电声技术. 2024(12): 92-94+100 . 百度学术
7.	李鑫元，黄鹤鸣. 基于并行卷积循环网络的单通道语音增强系统. 计算机工程与设计. 2023(04): 1181-1188 . 百度学术
8.	文丽萍. 噪声环境下基于小波变换的普通话智能测试系统设计. 自动化与仪器仪表. 2023(05): 153-157 . 百度学术
9.	刘汾港，马建芬，张朝霞. 基于离散余弦变换与Transformer的语音增强. 计算机工程与设计. 2023(06): 1893-1898 . 百度学术
10.	徐浩森，姜囡，齐志坤. 基于注意力机制的卷积循环网络语音降噪. 科学技术与工程. 2022(05): 1950-1957 . 百度学术
11.	李小平，白超. 一种基于多模态信息融合的火车司机疲劳驾驶检测方法. 铁道学报. 2022(06): 56-65 . 百度学术
12.	胡勉宁，李欣，李明锋，孙海春. 面向诈骗短信息识别的融合多策略数据增强技术研究. 信息网络安全. 2022(10): 121-128 . 百度学术
13.	孙立辉，曹丽静，张竟雄. 基于升降编解码全卷积神经网络语音增强技术. 智能计算机与应用. 2021(02): 19-22 . 百度学术
14.	刘元，匡文凯，苏盛，李彬. 基于双通道能量差的环网柜局放信号消噪方法. 仪器仪表学报. 2021(02): 218-227 . 百度学术
15.	台文鑫，王钇翔，李森，蓝天，刘峤. 基于动态选择机制的低信噪比单声道语音增强算法. 计算机应用研究. 2021(09): 2604-2608 . 百度学术
16.	祁晓，赵连玉. 基于多频带谱减法的老年人语音增强算法的研究. 电声技术. 2020(05): 34-37 . 百度学术
17.	梁力，莫晓毅，柯华强. 基于语音识别技术的测试平台研究. 科技视界. 2020(31): 17-18 . 百度学术
18.	曹洁，周尧风，于泓，李晓旭. 基于SI-SDR优化的生成对抗网络语音增强方法. 华中科技大学学报(自然科学版). 2020(11): 17-23 . 百度学术
19.	许春冬，徐琅，周滨，凌贤鹏. 单通道语音增强技术的研究现状与发展趋势. 江西理工大学学报. 2020(05): 55-64 . 百度学术