XPS: EXPL: Write Locality Theory and Optimization for Hybrid Memory

XPS：EXPL：混合内存的写入局部性理论和优化

基本信息

批准号：
1629376
负责人：
Chen Ding
金额：
$ 30万
依托单位：
University of Rochester
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
2016
资助国家：
美国
起止时间：
2016-09-01 至 2019-08-31
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=1629376&HistoricalAwards=false
关键词：
XPS EXPL Write Locality Theory

项目摘要

A limit on extreme scale computing is the capacity, speed, durability and most importantly, energy efficiency of memory. Persistent memory is a disruptive technology that drastically reduces memory cost and static power but introduces the problems of slow writes and limited write endurance. An effective solution is caching. However, existing caches have been designed for fast reads: they do not minimize the number of write backs from cache to memory. The intellectual merits of this project are sufficient theories and efficient techniques for optimal write caching in future systems that use persistent memory. Caching, in both software and hardware, is increasingly prevalent. Hardware caches serve most of the memory accesses on commodity machines as well as super computers. Software caches, e.g. Memcached used by Wikipedia and Facebook, serve most of the data requests from online users. The project's broader significance and importance are the broad benefits of cache optimization in scientific and consumer computing.This project develops the formal concept of write locality and the theory and techniques to characterize locality and optimize the cache. It has three parts. The first is write locality modeling, which includes a set of metrics that can derive the amount of modified data in cache and the write backs from cache to memory in cache of all sizes and degrees of sharing. The second is deductive optimization, which mathematically derives the cache performance of different task and data organizations and selects the best solution among a combinatorial number of choices. The last is system modeling and application optimization, which use write locality to model software and hardware cache and to optimize a program.

超大规模计算的限制是容量、速度、耐用性，最重要的是内存的能源效率。持久内存是一项颠覆性技术，可大幅降低内存成本和静态功耗，但会带来写入速度慢和写入耐久性有限的问题。一个有效的解决方案是缓存。然而，现有的缓存是为快速读取而设计的：它们并没有最大限度地减少从缓存到内存的写回次数。该项目的智力优点是在使用持久内存的未来系统中实现最佳写入缓存的充足理论和有效技术。缓存在软件和硬件中都越来越普遍。硬件缓存服务于商用机器以及超级计算机上的大部分内存访问。软件缓存，例如维基百科和 Facebook 使用的 Memcached 服务于在线用户的大部分数据请求。该项目更广泛的意义和重要性是缓存优化在科学和消费者计算中的广泛好处。该项目开发了写入局部性的形式概念以及表征局部性和优化缓存的理论和技术。它由三个部分组成。第一个是写局部性建模，它包括一组指标，可以得出缓存中修改的数据量以及所有大小和共享程度的缓存中从缓存到内存的写回量。第二种是演绎优化，它以数学方式推导不同任务和数据组织的缓存性能，并在组合数量的选择中选择最佳解决方案。最后是系统建模和应用程序优化，它使用写局部性来对软件和硬件缓存进行建模并优化程序。

项目成果

期刊论文数量（10）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Memory equalizer for lateral management of heterogeneous memory

用于异构内存横向管理的内存均衡器

DOI：
10.1145/3132402.3132437
发表时间：
2017-10-02
期刊：
Proceedings of the International Symposium on Memory Systems
影响因子：
0
作者：
Chencheng Ye;Chen Ding;Hai Jin
通讯作者：
Hai Jin

Prediction and bounds on shared cache demand from memory access interleaving

内存访问交错对共享缓存需求的预测和界限

DOI：
10.1145/3210563.3210565
发表时间：
2018-06-18
期刊：
Proceedings of the 2018 ACM SIGPLAN International Symposium on Memory Management
影响因子：
0
作者：
Jacob Brock;C. Ding;Rahman Lavaee;Fangzhou Liu;Liang Yuan
通讯作者：
Liang Yuan

LD: Low-Overhead GPU Race Detection Without Access Monitoring

LD：无需访问监控的低开销 GPU 竞争检测

DOI：
10.1145/3046678
发表时间：
2017-04
期刊：
ACM Transactions on Architecture and Code Optimization
影响因子：
1.6
作者：
Li, Pengcheng;Hu, Xiaoyu;Chen, Dong;Brock, Jacob;Luo, Hao;Zhang, Eddy Z.;Ding, Chen
通讯作者：
Ding, Chen

Locality analysis through static parallel sampling

通过静态并行采样进行局部性分析

DOI：
10.1145/3192366.3192402
发表时间：
2018-06-11
期刊：
Proceedings of the 39th ACM SIGPLAN Conference on Programming Language Design and Implementation
影响因子：
0
作者：
Dong Chen;Fangzhou Liu;C. Ding;Sreepathi Pai
通讯作者：
Sreepathi Pai

Codestitcher: inter-procedural basic block layout optimization

Codestitcher：程序间基本块布局优化

DOI：
10.1145/3302516.3307358
发表时间：
2019-01
期刊：
Proceedings of the 28th International Conference on Compiler Construction {CC} 2019
影响因子：
0
作者：
Lavaee, Rahman;Criswell, John;Ding, Chen
通讯作者：
Ding, Chen