膝検出を用いたマルチティアストレージキャッシュシミュレーションの高速化

概要

ストレージキャッシュの階層構造には、多様なトポロジー、さまざまなパラメータおよびポリシー、性能特性が異なるデバイスが含まれます。シミュレーションにより、高価な物理的な実験を避けてその構成空間を効率的に探査することが可能です。ミスレシオカーブ（MRC）は、キャッシュサイズの範囲にわたるキャッシュの性能を効率的に特徴付けており、カーブの急な崖の直後に現れる「重要なポイント」、例えば膝部分を明らかにします。残念なことに、MRCにおける重要なポイントを効率的に見つけるための自動化された技術は存在せず、既存の膝検出アルゴリズムのアプリケーション間での適用は正確な結果をもたらしません。我々は、スタックベース（例：LRU）およびより複雑な置換アルゴリズム（例：ARC）の両方において、任意のMRCの重要なポイントを識別するマルチステージのフレームワークを提示します。我々のアプローチは、効率的なハッシュベースのサンプリング、カーブの単純化、膝検出、および新しい後処理フィルタを用いて、迅速に候補を特定します。Z-Methodを導入し、統計的外れ値検出を用いて、信頼性高く効率的に有望なポイントを選択する新しいマルチ膝検出アルゴリズムを提供します。