CCW: কাজের চাপে স্থানিক এলাকা বিবেচনা করে কপি-অন-রাইট অপ্টিমাইজ করা পার্ট 6

কাজের চাপের বৈশিষ্ট্য অনুসারে সর্বোত্তম অঞ্চলের আকার এবং থ্রেশহোল্ড পরিবর্তিত হয়। কাজের চাপের প্রভাব মূল্যায়ন করার জন্য, আমরা বিভিন্ন এলাকার সাথে কাজের চাপে CCW-এর কার্যক্ষমতা পরিমাপ করি। বিশেষ করে, আমরা Zipf ডিস্ট্রিবিউশনের প্যারামিটার পরিবর্তন করেছি, যা স্থানীয়তার মাত্রা নির্ধারণ করে।

মানুষের স্মৃতি এবং কাজের চাপের মধ্যে একটি ঘনিষ্ঠ সম্পর্ক রয়েছে। যখন আমাদের প্রচুর পরিমাণে তথ্য প্রক্রিয়াকরণের প্রয়োজন হয় বা জটিল কাজগুলি সম্পূর্ণ করতে হয়, তখন সমস্ত প্রয়োজনীয় তথ্য সঠিকভাবে প্রক্রিয়াকরণ এবং সংরক্ষণ করা হয় তা নিশ্চিত করতে আমাদের মস্তিষ্ককে অবশ্যই অত্যন্ত সতর্ক থাকতে হবে। মস্তিষ্কের নিউরনগুলি ক্রমাগত সংযোগ এবং যোগাযোগ করে, যা আমাদের চিন্তাভাবনা এবং মনে রাখার পদ্ধতিকে ব্যাপকভাবে প্রভাবিত করে।

যদিও প্রচুর পরিমাণে তথ্য প্রক্রিয়াকরণ এবং জটিল কাজগুলি সম্পূর্ণ করা আমাদের স্মৃতি এবং জ্ঞানীয় ক্ষমতাকে চ্যালেঞ্জ করতে পারে, গবেষণা দেখায় যে সঠিক প্রশিক্ষণ এবং অনুশীলনের মাধ্যমে আমরা আমাদের স্মৃতিশক্তি এবং উত্পাদনশীলতাকে উল্লেখযোগ্যভাবে উন্নত করতে পারি। উদাহরণস্বরূপ, পরীক্ষা-নিরীক্ষার মাধ্যমে বিজ্ঞানীরা আবিষ্কার করেছেন যে ব্যাপক মেমরি প্রশিক্ষণ এবং অনুশীলনের মাধ্যমে মানুষ তাদের স্মৃতিশক্তি এবং কাজের দক্ষতা উল্লেখযোগ্যভাবে উন্নত করতে পারে।

এই দৃষ্টিকোণ থেকে, আমরা উপসংহারে আসতে পারি যে যারা তাদের স্মৃতিশক্তি এবং কাজের দক্ষতা উন্নত করতে চান তাদের জন্য ক্রমাগত অনুশীলন এবং প্রশিক্ষণ খুবই গুরুত্বপূর্ণ। এছাড়াও, একটি ইতিবাচক মনোভাব রাখুন, কারণ চাপ একজনের স্মৃতিশক্তি এবং উত্পাদনশীলতাকে বাধাগ্রস্ত করতে পারে।

সংক্ষেপে, কাজের চাপ এবং স্মৃতির মধ্যে একটি শক্তিশালী সম্পর্ক রয়েছে। যতক্ষণ আমরা মনোযোগী থাকি, নিয়মিত প্রশিক্ষণ ও অনুশীলন করি এবং ইতিবাচক মনোভাব বজায় রাখি, ততক্ষণ আমরা আমাদের স্মৃতিশক্তি এবং কাজের দক্ষতা উল্লেখযোগ্যভাবে উন্নত করতে পারি। Cistanche deserticola এছাড়াও নিউরোট্রান্সমিটারের ভারসাম্য নিয়ন্ত্রণ করতে পারে, যেমন অ্যাসিটাইলকোলিনের মাত্রা বৃদ্ধি এবং বৃদ্ধির কারণ, যা স্মৃতি এবং শেখার জন্য গুরুত্বপূর্ণ। এছাড়াও, Cistanche deserticola রক্ত ​​​​প্রবাহকে উন্নত করতে পারে এবং অক্সিজেন সরবরাহকে উন্নীত করতে পারে, যা নিশ্চিত করতে পারে যে মস্তিষ্ক পর্যাপ্ত পুষ্টি এবং শক্তি পায়, যার ফলে মস্তিষ্কের জীবনীশক্তি এবং সহনশীলতা উন্নত হয়।

আপনার স্মৃতিশক্তি উন্নত করার উপায়গুলি জানুন ক্লিক করুন

অ্যাক্সেসগুলি সমানভাবে বিতরণ করা হয় যখন {{0}} হয়, এবং এর মান যত বেশি হবে, কাজের চাপটি প্রদর্শিত হবে স্থানীয়তার স্তর তত বেশি। যখন 1.0 হয়, প্রায় 80% অপারেশনে 20% ডেটা জড়িত থাকে।

স্থানীয়তার এই ডিগ্রিটি সাধারণত বেশ কয়েকটি বাস্তব কাজের চাপে পাওয়া যায়, যেমন প্যারেটো নীতিমালায় বলা হয়েছে। আমরা তিনটি ভিন্ন মান দিয়ে পরিমাপ করি, 1.0, 0.9, এবং 1.1, যেখানে 1.0 হল বেসলাইন, এবং 0.9 এবং 1.1 প্রতিনিধিত্ব করে নিম্ন- এবং উচ্চ-স্থানীয় কাজের চাপ, যথাক্রমে।

কাজের চাপের উপর ভিত্তি করে originalCoW কর্মক্ষমতা পরিবর্তিত হয়, তাই একটি কাজের চাপের জন্য কাঁটাচামচ সময়কাল মূল CoW সেটআপের সাথে পরিমাপ করা সময় অনুসারে সেট করা হয়েছিল। উদাহরণস্বরূপ, যদি অরিজিনাল CoW কনফিগারেশনের জন্য 10 সেকেন্ডের প্রয়োজন হয় afork এর পরে স্বাভাবিক কর্মক্ষমতা পুনরুদ্ধার করতে, অন্যান্য CCoW কনফিগারেশনগুলিও প্রতি 10 সেকেন্ডে শিশু প্রক্রিয়াগুলিকে ফর্ক করে।

চিত্র 5 বিভিন্ন স্থানীয় কাজের চাপ সহ CCW-এর গড় থ্রুপুট এবং মেমরি ব্যবহারের সংক্ষিপ্তসার করে। কম-স্থানীয় কাজের চাপের জন্য, ছোট CCoW থ্রেশহোল্ড সহ কনফিগারেশনগুলি বড় থ্রেশহোল্ডগুলির তুলনায় ভাল কর্মক্ষমতা প্রদর্শন করে। 'CCoW-all'এমনকি কম-স্থানীয় কাজের চাপে 15% মূল গরুকে ছাড়িয়ে যায়। এটি প্রিকপির কার্যকারিতার কারণে। কম-স্থানীয় কাজের চাপে, মেমরির একটি বৃহৎ অংশ প্রতিলিপি করা উচিত কারণ অ্যাক্সেসগুলি পুরো প্রক্রিয়ার ঠিকানা স্থান জুড়ে ছড়িয়ে রয়েছে। প্রকৃতপক্ষে, সমগ্র অঞ্চলগুলি অনুলিপি করার ফলে প্রয়োজনীয় মেমরি লোওভারহেডের সাথে অগ্রিম অনুলিপি করা হয়।

সুতরাং, থ্রেশহোল্ড যত ছোট হবে, কম-স্থানীয় কাজের চাপ সহ প্রোগ্রামটির কর্মক্ষমতা তত বেশি হবে। যাইহোক, উচ্চ-স্থানীয় কাজের চাপের সাথে এই প্রবণতাটির বিপরীত প্রভাব রয়েছে। উচ্চ-স্থানীয় কাজের চাপ সহ, অনেকগুলি অ্যাক্সেস কয়েকটি পৃষ্ঠায় ফোকাস করা হয়।

এটি বোঝায় যে মেমরির শুধুমাত্র একটি ছোট অংশ কপি-রাইট জুড়ে প্রতিলিপি করা প্রয়োজন। একটি পৃষ্ঠার ত্রুটিতে সমগ্র অঞ্চলটি অনুলিপি করার প্রবণতা সেই পৃষ্ঠাগুলিকে অনুলিপি করে যা একেবারেই অ্যাক্সেস করা হয়নি।

এটি শুধুমাত্র একটি অস্থায়ী ওভারহেড বহন করে, উচ্চ-স্থানীয় কাজের চাপের সাথে কর্মক্ষমতাকে দুর্বল করে। ফলস্বরূপ, CCoW-সমস্ত উচ্চ-স্থানীয় কাজের চাপের সাথে সবচেয়ে খারাপ কর্মক্ষমতা প্রদর্শন করে। অন্যান্য কনফিগারেশনগুলি বেসলাইন ওয়ার্কলোডের অনুরূপ নিদর্শন দেখায়; কর্মক্ষমতা 80% এর থ্রেশহোল্ড মানের শীর্ষে এবং ছোট থ্রেশহোল্ডের সাথে হ্রাস পায়।

বেঞ্চমার্কের মেমরি ব্যবহার কাজের চাপের স্থানীয়তার মাত্রা নির্বিশেষে একটি সামঞ্জস্যপূর্ণ প্রবণতা দেখায়। 'CCoW-all' সর্বদা সর্বোচ্চ মেমরি ব্যবহারের প্রতিনিধিত্ব করে কারণ এটি সর্বদা একটি কাঁটাচামচ পরে মেমরির সমস্ত পৃষ্ঠা কপি করে। তা ছাড়াও, মেমরির পদচিহ্নগুলি প্রান্তিক মানের বিপরীতভাবে সমানুপাতিক; থ্রেশহোল্ডের মান যত ছোট হবে, বেঞ্চমার্ক তত বেশি মেমরি ব্যবহার করবে।

মূল CoW কনফিগারেশনের তুলনায় মেমরি অ্যামপ্লিফিকেশন শুধুমাত্র 10% পর্যন্ত বৃদ্ধি পেয়েছে, যা এলাকাভিত্তিক পরিসরে বলে মনে করা হয়। CCoW-এর কর্মক্ষমতা বিশ্লেষণ করার পাশাপাশি, আমরা CCoW-এর কর্মক্ষমতাকে স্বচ্ছ বিশাল পৃষ্ঠার (THP) সাথে তুলনা করি। লিনাক্সের স্কিম।

THP কিছুটা CCOW এর সাথে সাদৃশ্যপূর্ণ যে এটির লক্ষ্য ছোট পৃষ্ঠাগুলি থেকে উদ্ভূত ওভারহেডকে প্রশমিত করা৷ চিত্র 5-এ 'CoW-THP' THP-সক্ষম কনফিগারেশনের কার্যকারিতা উপস্থাপন করে৷ উল্লেখ্য যে THP-সক্ষম সিস্টেমটি ত্রুটিপূর্ণ পৃষ্ঠাটি অনুলিপি করার আগে বিশাল পৃষ্ঠাগুলিকে ভিত্তি পৃষ্ঠাগুলিতে বিভক্ত করে CoW পরিচালনা করে এবং তাই THP [12-15,17] অপ্টিমাইজ করার অন্যান্য স্কিমগুলিও করে৷

আমরা লক্ষ্য করতে পারি যে THP ডিফল্ট 'CoW-only' কনফিগারেশনের চেয়ে ভালো কর্মক্ষমতা প্রদর্শন করে। আমরা বিশাল পৃষ্ঠাগুলির সাথে অ্যাড্রেসট্রান্সলেশনে বর্ধিত দক্ষতার জন্য কার্যক্ষমতা লাভের জন্য দায়ী করি।

বিশেষভাবে, THP স্কিম অনুযায়ী, প্রক্রিয়া ঠিকানার স্থানের গরম অংশটি বেস পেজগুলিতে বিভক্ত হওয়ার সম্ভাবনা রয়েছে, যার ফলে 'শুধুমাত্র CoW' কনফিগারেশনের মতো একই কার্যকারিতা প্রদান করা হয়। যাইহোক, প্রসেস অ্যাড্রেসস্পেসের ঠান্ডা অংশ বিভক্ত করা হয় না, এবং বিশাল পৃষ্ঠাগুলির সাথে রক্ষণাবেক্ষণ করা হয়। সুতরাং, এটি কিছু পরিমাণে অ্যাপ্লিকেশন কর্মক্ষমতা বৃদ্ধি করতে পারে।

যাইহোক, THP CCW এর মতো কার্যক্ষমতার উন্নতি প্রদান করে না। চিত্র 6 মূল্যায়নের সময় থ্রুপুটের ক্রমবর্ধমান বন্টন দেখায়। x-অক্ষ প্রতি সেকেন্ডে ক্রিয়াকলাপের থ্রুপুটকে প্রতিনিধিত্ব করে এবং y-অক্ষ কার্যক্ষমতার ক্রমবর্ধমান অনুপাতকে উপস্থাপন করে। থ্রুপুট মান। CCoW-অল বাদে, কনফিগারেশন নির্বিশেষে আমরা তিনটি ঘন ঘন পর্যবেক্ষণ করা থ্রুপুট রেঞ্জ খুঁজে পেতে পারি।

{{0}} থেকে 0.1 এর ক্রমবর্ধমান অনুপাতের প্রথম গোষ্ঠীটি নির্দেশ করে যে সময়কালে বেঞ্চমার্ক কর্মক্ষমতা কাঁটাচামচের ঠিক পরে হ্রাস পায়৷ তারপর কর্মক্ষমতা ওভারটাইম পুনরুদ্ধার করে, যেমনটি দ্বিতীয় গ্রুপে 0.1 থেকে 0.7 এর ক্রমবর্ধমান অনুপাতের সাথে।

{{0}}.7 থেকে 1.0 রেঞ্জের অবশিষ্ট ক্রমবর্ধমান অনুপাতগুলি এমন অ্যাক্সেস থেকে যা পৃষ্ঠার ত্রুটির কারণ হয় না৷ সামগ্রিকভাবে, CCoW কনফিগারেশনে থিওরিজিনাল CoW-এর তুলনায় আরও গুরুতর কর্মক্ষমতা কমে যায়৷ বিশেষত, মূল CoW স্কিমের উচ্চ-স্থানীয় কাজের চাপের সাথে, থ্রুপুট কাঁটাচামচের ঠিক পরে প্রতি সেকেন্ডে প্রায় 1900 K অপারেশনে নেমে আসে।

এটি ধীরে ধীরে প্রতি সেকেন্ড রেঞ্জে 2500 K অপারেশন পর্যন্ত র‌্যাম্প করে। CCW-এর সাথে, পারফরম্যান্স আরও কমেছে, প্রতি সেকেন্ড রেঞ্জে 1700 K অপারেশনে। যাইহোক, কর্মক্ষমতা দ্রুত পুনরুদ্ধার করা হয়েছে, বেশিরভাগ সময় মূল গাভীর তুলনায় ভাল কর্মক্ষমতা প্রদর্শন করে (অর্থাৎ, বেশিরভাগই ক্রমবর্ধমান গ্রাফের ডানদিকে)। আমরা অন্যান্য কাজের চাপ থেকেও একই ধরনের প্রবণতা পর্যবেক্ষণ করতে পারি, এবং CCoW-সমস্ত কনফিগারেশন চরম আচরণ প্রদর্শন করে; ফর্কের ঠিক পরেই কর্মক্ষমতা উল্লেখযোগ্যভাবে কমে যায় এবং কম থাকে যখন বেশিরভাগ ঠিকানা স্থান স্প্রেড অ্যাক্সেসের সাথে কপি করা হয়।

সেই পয়েন্টের পরে, তবে, শুধুমাত্র কয়েকটি পৃষ্ঠার ত্রুটি দেখা দেয়, তাই বেশিরভাগ অ্যাক্সেসগুলি পৃষ্ঠার ত্রুটি ছাড়াই প্রক্রিয়া করা হয়। এইভাবে, সিসিওডব্লিউ-তে থ্রুপুটটির একটি বিমোডাল বন্টন রয়েছে। এই মূল্যায়ন থেকে, আমরা নিশ্চিত করেছি যে CCW সাধারণ ক্ষেত্রে অপ্টিমাইজ করে সর্বোত্তম কর্মক্ষমতা প্রদান করে।

যাইহোক, ভাল কর্মক্ষমতা বৈশিষ্ট্য পেতে কর্মক্ষমতা ড্রপ সুরাহা করা উচিত. এই লক্ষ্যে, আমরা বর্তমানে কাঁটাচামচের ঠিক পরে কপি করা ডেটার পরিমাণ থ্রটলিং করার জন্য কাজ করছি।

4.2। বাস্তবসম্মত কাজের চাপে CCW পারফরম্যান্স

বাস্তবসম্মত কাজের চাপে প্রস্তাবিত CCoW মূল্যায়ন করার জন্য, আমরা Redis এবং YCSB ব্যবহার করেছি। Redis হল একটি ইন-মেমরি কী-ভ্যালু ডাটাবেস যা ইন্টারনেট-স্কেল অ্যাপ্লিকেশনগুলিকে ত্বরান্বিত করার জন্য ব্যাপকভাবে ব্যবহৃত হয়।

আমরা একটি Redis দৃষ্টান্তে কী-মূল্যের জোড়া তৈরি করতে এবং তাদের উপর অপারেশন করতে YCSB বেঞ্চমার্ক ব্যবহার করেছি। বিশেষভাবে, Redis ইনস্ট্যান্সটি ডিফল্ট YCSB কনফিগারেশনের সাথে 10 GB কী-মানের জোড়া দিয়ে শুরু করা হয়।

সমস্ত কী এবং মান যথাক্রমে 23 এবং 100 বাইট আকারের, এবং প্রতিটি কীতে 10টি মানের ক্ষেত্র রয়েছে। রেডিস ইন্সট্যান্স পপুলেট করার পর, আমরা এটিকে স্ন্যাপশট তৈরি করার জন্য কনফিগার করেছি এবং তারপর YCSB-এর সাথে আপডেট অপারেশনগুলি খাওয়ানো হয়েছে।

কী-মান অ্যাক্সেসে অস্থায়ী লোকালয়টি অন্তর্ভুক্ত করার জন্য, আমরা 1 এর প্যারামিটার মান ব্যবহার করে জিপ ডিস্ট্রিবিউশন অনুযায়ী টার্গেট কী নির্বাচন করতে ওয়াইসিএসবি ওয়ার্কলোড সেট আপ করি৷{2}}৷

100 GB আপডেট করার সময়, আমরা YCSB বেঞ্চমার্ক রিপোর্টের প্রতি সেকেন্ডের জন্য থ্রুপুট সংগ্রহ করেছি। চিত্র 7 রেডিস ইন্সট্যান্সের গড় থ্রুপুট এবং মেমরি ব্যবহার সংক্ষিপ্ত করে যখন সিস্টেমটি আসল CoW বাCCoW ব্যবহার করার জন্য কনফিগার করা হয়। মনে রাখবেন যে আমরা অঞ্চলের আকারের জন্য 2 MB ব্যবহার করেছি এবং সমস্ত ফলাফলের মান CoW-এর মতো স্বাভাবিক করা হয়েছিল।

সামগ্রিকভাবে, কভারেজ থ্রেশহোল্ড নির্বিশেষে, সমস্ত সিসিওডব্লিউ কনফিগারেশনগুলি মূল গরুকে ছাড়িয়ে গেছে। একইভাবে, আমরা উপরে যেমন বিশ্লেষণ করেছি, কর্মক্ষমতা নির্ধারণ করা হয়েছিল প্রশমিত কপি-অন-রাইট এবং অতিরিক্ত পৃষ্ঠাগুলি অনুলিপি করার ওভারহেড থেকে কর্মক্ষমতা লাভের মধ্যে ট্রেড-অফ দ্বারা। যখন থ্রেশহোল্ড মান বেশি হয়, তখন শুধুমাত্র কয়েকটি অঞ্চল কপি করা হয়, যা অপ্টিমাইজেশানের সুযোগ এবং মেমরি ওভারহেড উভয়ই ছোট করে।

যখন থ্রেশহোল্ডের মান 85% এর নিচে কমে যায়, তখন মেমরির পদচিহ্ন বৃদ্ধি পায় এবং ওভারহেড বেশি হয়। ফলস্বরূপ, CCW-এর গড় থ্রুপুট কভারেজ থ্রেশহোল্ড অনুসারে পরিবর্তিত হয় তবে মূল গরুর তুলনায় 5% পর্যন্ত কর্মক্ষমতা উন্নতি প্রদর্শন করে।

Redis এবং YCSB কাজের চাপের সাথে, আমরা THP এর সাথে শুধুমাত্র একটি প্রান্তিক কর্মক্ষমতা উন্নতি লক্ষ্য করেছি। এই কারণে, কাজের চাপে, লেখার অ্যাক্সেসগুলি প্রক্রিয়ার ঠিকানার জায়গায় ছড়িয়ে ছিটিয়ে থাকে এবং CoW পরিচালনা করার সময় বিশাল পৃষ্ঠাগুলি কার্যকরভাবে বেস পেজে বিভক্ত হয়।

যেহেতু রেডিস প্রক্রিয়ায় মাত্র কয়েকটি বিশাল পৃষ্ঠা থাকতে পারে, তাই এর কার্যকারিতা বেস কনফিগারেশনের মতো। এই ফলাফলটি দেখায় যে THP-ভিত্তিক অ্যাপ্রোচ লেখার-নিবিড় কাজের চাপে কম কার্যকর, এবং CCOW THP-কে ছাড়িয়ে যায়।

উচ্চ-স্থানীয় অঞ্চল চিহ্নিত করার প্রক্রিয়াটির যথার্থতা মূল্যায়ন করার জন্য, প্রতিটি অনুলিপি করা পৃষ্ঠার জন্য অনুলিপি তৈরি করার প্রক্রিয়ার কারণকে আমরা শ্রেণীবদ্ধ করেছি। বিশেষত, আমরা সমস্ত কপি করা পৃষ্ঠাগুলির মধ্যে অনুলিপি করা পৃষ্ঠাগুলির অনুপাত সংগ্রহ করেছি৷ যখন precopy অনুপাত isx%, মোট মেমরির পদচিহ্ন y% বৃদ্ধি করে, তখন আমরা y কে x দ্বারা ভাগ করে অপ্রয়োজনীয় প্রিকপির অনুপাত গণনা করতে পারি।

উদাহরণ স্বরূপ, CCW-80 কনফিগারেশনে, 26.9% কপি করা পৃষ্ঠাগুলি কপি করা হয়, যা মেমরি ফুটপ্রিন্ট 6.7% বৃদ্ধি করে৷ এটি বোঝায় যে প্রাক-কপি পৃষ্ঠাগুলির 24.9% উল্লেখ করা হয় না। সারণী 1 গণনার সংক্ষিপ্ত বিবরণ দেয়। অপ্রয়োজনীয় প্রিকপি অনুপাত 23.4% থেকে 35.6% পর্যন্ত, এবং মূল্যায়নের ফলাফল থেকে এই সিদ্ধান্তে পৌঁছানো যেতে পারে যে প্রস্তাবিত স্কিমটি সঠিকভাবে উচ্চ-স্থানীয় অঞ্চলগুলিকে ক্যাপচার করে।

5। উপসংহার

এই গবেষণায়, আমরা CCoW প্রস্তাব করেছি, উচ্চ স্থানিক এলাকা সহ কাজের চাপের জন্য একটি অপ্টিমাইজড কপি-অন-রাইট স্কিম। CCW প্রসেস অ্যাড্রেস স্পেসকে অঞ্চলে বিভক্ত করে এবং কভারেজের সাথে তাদের এলাকা অনুমান করে।

একটি উচ্চ-স্থানীয় অঞ্চলে লেখা একটি পেজফল্ট হ্যান্ডলারকে কাছাকাছি পৃষ্ঠাগুলি প্রিকপি করতে নিয়ে যায়। প্রি-কপি করার পর কভারেজ সঠিকভাবে ট্র্যাক করতে, CCoW পৃষ্ঠার টেবিলে নোংরা বিট ব্যবহার করে। বেঞ্চমার্কের সাথে মূল্যায়ন নিশ্চিত করেছে যে প্রস্তাবিত স্কিমটি ছোট ওভারহেড সহ উচ্চ-স্থানীয় অঞ্চলগুলি সনাক্ত করতে পারে, পরিবর্তন ছাড়াই অ্যাপ্লিকেশন থেকে কর্মক্ষমতা লাভ সক্ষম করে।

আমরা যেমন উল্লেখ করেছি, অনুলিপি করার জন্য বিপুল পরিমাণ ডেটার কারণে ফর্কের ঠিক পরে কার্যক্ষমতা উল্লেখযোগ্যভাবে কমে যায়। আমরা বর্তমানে প্রি-কপির হার থ্রোটলিং এবং প্রাক-কপি অ্যাসিঙ্ক্রোনাসভাবে পারফরম্যান্স ড্রপবাই পরিচালনা করার জন্য কাজ করছি। আমরা একটি অভিযোজিত প্রক্রিয়া অন্তর্ভুক্ত করার পরিকল্পনা করছি যা বর্তমান কাজের চাপের বৈশিষ্ট্য অনুসারে কনফিগারেশন পরামিতিগুলিকে সুর করে।

লেখক অবদান: ধারণা, MH এবং S.-HK; পদ্ধতি, MH; সফ্টওয়্যার, MH; বৈধতা, MH, এবং S.-HK; আনুষ্ঠানিক বিশ্লেষণ, MH, এবং S.-HK; তদন্ত, MH, এবং S.-HK; সম্পদ, S.-HK; ডেটা কিউরেশন, MH; লেখা-মূল খসড়া প্রস্তুতি, MH; লেখা-পর্যালোচনা এবং সম্পাদনা, MH এবং S.-HK; ভিজ্যুয়ালাইজেশন, MH; তত্ত্বাবধান, S.-HK; প্রকল্প প্রশাসন, S.-HK; তহবিল অধিগ্রহণ, S.-HK সমস্ত লেখক পাণ্ডুলিপির প্রকাশিত সংস্করণ পড়েছেন এবং সম্মত হয়েছেন।

অর্থায়ন: এই গবেষণাটি কোরিয়ান সরকার (20ZS1310) দ্বারা অর্থায়িত একটি ইলেকট্রনিক্স অ্যান্ড টেলিকমিউনিকেশন রিসার্চ ইনস্টিটিউট (ETRI) অনুদান এবং শিক্ষা মন্ত্রণালয় (NRF5199991014091) দ্বারা অর্থায়িত কোরিয়ার ন্যাশনাল রিসার্চ ফাউন্ডেশন অফ কোরিয়ার BK21 ফোর প্রোগ্রাম দ্বারা সমর্থিত ছিল।

প্রাতিষ্ঠানিক পর্যালোচনা বোর্ড বিবৃতি: প্রযোজ্য নয়।

অবহিত সম্মতি বিবৃতি: প্রযোজ্য নয়।

ডেটা উপলব্ধতা বিবৃতি: প্রযোজ্য নয়।

স্বার্থের দ্বন্দ্ব: লেখক কোন স্বার্থের দ্বন্দ্ব ঘোষণা করেন না।

তথ্যসূত্র
1. গোরম্যান, এম. লিনাক্স ভার্চুয়াল মেমরি ম্যানেজার বোঝা; প্রেন্টিস হল: আপার স্যাডল রিভার, NJ, USA, 2007।

2. বোভেট, ডিপি; সেসাটি, এম. লিনাক্স কার্নেল বোঝা; ও'রিলি: নিউটন, এমএ, মার্কিন যুক্তরাষ্ট্র, 2001।

3. লাভ, আর. লিনাক্স কার্নেল ডেভেলপমেন্ট, 3য় সংস্করণ; অ্যাডিসন ওয়েসলি: বোস্টন, এমএ, মার্কিন যুক্তরাষ্ট্র, 2010।

4. ল্যাবস, আর. রেডিস। অনলাইনে উপলব্ধ: https://github.com/redis/redis (7 জুন 2021 এ অ্যাক্সেস করা হয়েছে)।

5. Silberschatz, A.; গ্যালভিন, পিবি; Gagne, G. অপারেটিং সিস্টেম ধারণা; অ্যাডিসন-ওয়েসলি লংম্যান পাবলিশিং কোং, ইনক.: বোস্টন, এমএ, ইউএসএ, 2018।

6. হ্যারিস, এসএল; হ্যারিস, ডি. ডিজিটাল ডিজাইন এবং কম্পিউটার আর্কিটেকচার; মরগান কাউফম্যান: বার্লিংটন, এমএ, মার্কিন যুক্তরাষ্ট্র, 2022।

7. আবি-চাহলা, এফ. ইন্টেল কোর i7 (নেহালেম): AMD দ্বারা স্থাপত্য? অনলাইনে উপলব্ধ: https://www.tomshardware.com/reviews/Intel-i7-nehalem-cpu,2041.html (18 অক্টোবর 2021 এ অ্যাক্সেস করা হয়েছে)।

8. ফাম, বি.; ভট্টাচার্য, এ.; একার্ট, ওয়াই.; Loh, GH পৃষ্ঠার অনুবাদে ক্লাস্টারিং কাজে লাগিয়ে TLB প্রাপ্তি বাড়াচ্ছে। 2014 IEEE 20 তম আন্তর্জাতিক সিম্পোজিয়াম অন হাই-পারফরমেন্স কম্পিউটার আর্কিটেকচার (HPCA'14), অরল্যান্ডো, FL, USA,15-19 ফেব্রুয়ারি 2014; পৃষ্ঠা 558-567।

For more information:1950477648nn@gmail.com