内存关联分析优化的预拷贝迁移策略提升性能

本文主要探讨了在密集型负载下内存预拷贝迁移策略的优化问题。内存预拷贝是一种常见的系统级内存管理技术，用于减少内存迁移过程中数据丢失的风险，但在高负载情况下，由于内存脏页的反复传输，可能导致迁移效率降低，迭代轮数增多，从而影响整体性能。现有的脏页概率预测方法主要依赖于时间相关性，未能充分考虑内存空间的相关性。 针对这一问题，研究人员提出了一种基于内存关联分析的预拷贝迁移策略。该策略首先通过分析内存脏页的变脏模式，引入脏页率来预测下一轮变脏的概率。在这个过程中，设计了一种名为Memory_cor的算法，它能够挖掘脏页与其关联内存页之间的关系，即发现那些变脏可能性较大的内存区域及其相关的内存页。通过这种方法，策略能够针对性地避免频繁传输这些关联内存页，从而显著减少不必要的数据迁移，提高迁移效率。 实验结果显示，与Xen预拷贝迁移方法相比，基于内存关联分析的预拷贝迁移策略在总迁移时间和停机时间上表现出了明显的优越性。这意味着该策略不仅能够提高系统的响应速度，还能够减少因内存迁移带来的服务中断时间，对于提升数据中心或云计算环境下的系统性能具有重要的实际应用价值。 研究团队由张宏伟、李晓欢、李春海、姚荣彬和唐#欣组成，他们分别来自桂林电子科技大学的信息与通信学院和信息科技学院，他们的工作涵盖了移动计算、系统架构与软件技术等多个领域。本文的研究得到了国家自然科学基金、广西重点研发计划、广西创新驱动发展专项和广西高校中青年教师基础能力提升项目的资金支持。 这篇论文为我们提供了一种创新的内存管理方法，它通过深入理解内存空间的关联性，优化了内存预拷贝迁移过程，为提高现代信息技术系统在高负载环境下的性能提供了新的解决方案。