版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、在存儲系統(tǒng)中,CPU的處理速度遠大于磁盤等I/O設備的讀寫速度,兩者間的速度不匹配嚴重影響了系統(tǒng)整體性能。預取技術能夠有效地彌補I/O設備與CPU之間的速度差異,因此被廣泛應用。隨著云技術、虛擬化技術的普及,集中存儲前端往往承載著各種應用服務,導致前端單一應用負載內(nèi)在的訪問局部性和順序性在后端被破壞,以往廣泛采用的順序預取不能很好地發(fā)揮作用。針對這樣的問題,提出一種基于頻繁序列挖掘的預取算法,以改進I/O預取效率,提高存儲性能。
2、 然而目前已提出的許多頻繁序列挖掘算法針對的問題基本上是相關性挖掘、關聯(lián)性分析等對時間響應沒有嚴格要求的場景,這類場景更多的是關注序列挖掘的準確性從而相對地忽視了挖掘效率。但實時預取等時間關鍵的應用場景更多關注響應時間,現(xiàn)有的頻繁序列挖掘算法往往會產(chǎn)生較大的時間開銷。因此為了降低挖掘開銷,適應存儲系統(tǒng)等場景的在線連續(xù)運行,快速的頻繁序列挖掘算法TcMiner能夠有效地解決時間關鍵場景的局限性帶來的問題。
基于TcMiner預
3、取算法利用頻繁序列挖掘技術對已發(fā)生的I/O訪問行為進行快速分析,獲取相關性強的數(shù)據(jù)序列,形成預取規(guī)則并采用子樹間無包含關系的字典樹(Tire Tree)來保存數(shù)據(jù)塊間的相互關系,從而進行精度較高的預取操作。同時,為了適應不同的負載環(huán)境,在采用字典樹進行預取的基礎上進一步改進的多步預取和子樹切割兩種算法也可以進一步提高預取算法的精度。
測試表明,在內(nèi)存占數(shù)據(jù)量5%的情況下,基于TcMiner的預取算法及其改進方法相比于LRU算法
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于最小位置的頻繁序列和閉序列挖掘方法研究.pdf
- 基于最小位置的頻繁序列和閉序列挖掘方法研究(1)
- 基于序列模式的頻繁自由樹挖掘算法研究.pdf
- 基于時間序列的頻繁模式挖掘研究與應用.pdf
- 基于Web點擊流的頻繁訪問序列挖掘研究.pdf
- 基于序列編碼頻繁子樹挖掘算法研究.pdf
- 基于時間間隔的事件序列頻繁模式挖掘算法研究
- 基于時間間隔的事件序列頻繁模式挖掘算法研究.pdf
- 生物序列近似頻繁模式挖掘研究.pdf
- 基于命題邏輯的頻繁序列模式挖掘算法的研究.pdf
- Web日志頻繁序列模式挖掘的研究.pdf
- 基于前綴樹的頻繁行跡挖掘方法研究.pdf
- 頻繁行跡挖掘方法研究.pdf
- 事件序列上頻繁情節(jié)挖掘算法的研究.pdf
- Web日志頻繁序列模式挖掘算法研究.pdf
- 多層高維頻繁序列挖掘算法研究.pdf
- Web預取中的數(shù)據(jù)挖掘研究.pdf
- 基于MapReduce的高效頻繁子圖挖掘方法研究.pdf
- 基于頻繁子樹挖掘的XML聚類方法研究.pdf
- 基于Web挖掘的Proxy端預取技術的研究與實現(xiàn).pdf
評論
0/150
提交評論