基于机器学习的跨平台缓存划分方法研究

邱杰凡贾逸哲华宗汉曹明生范菁

浙江工业大学; 电子科技大学;

摘要：

多核处理器的最后一级缓存(Last Level Cache,LLC)采用共享机制,当多个程序并行随机访问LLC时,可能引起访存冲突,进而导致系统整体性能的大幅下降.已有研究者试图通过引入缓存划分,合理安排不同程序对LLC的访问时机,解决访存冲突问题.然而,现有的缓存划分方法主要采用启发式算法,即通过不断"试错"寻找缓存划分最优方案,寻找过程具有不确定性.这种不确定性可能导致划分开销过大甚至出现无法收敛的问题.为此,我们提出了一种基于机器学习的跨平台缓存划分方法MLPart.该方法借助少量运行参数,利用决策树和序列到序列模型预测剩余各个划分方案的性能,直接找到最优的划分方案,从而保证划分开销相对稳定且有…展开v

关键词：缓存划分、递归神经网络、决策树、序列到序列模型、迁移学习

所属期刊栏目：46

分类号：TP18(自动化基础理论)

资助基金：应用示范项目;浙江省自然科学基金项目

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共20页

页码：2097-2116