In modernen Hochleistungsrechenzentren (HPC) und großangelegten Datenverarbeitungsumgebungen sind die effiziente Nutzung und Skalierbarkeit von Speicherressourcen entscheidende Faktoren für die Gesamtleistung des Systems. Architekturen wie Non-Uniform Memory Access (NUMA) und gestufte Speichersysteme leiden häufig unter Leistungsabfall aufgrund von Remote-Zugriffen, die aus gemeinsamen Daten zwischen mehreren Aufgaben resultieren. Dieses Papier schlägt LACX vor, eine Technik zur gemeinsamen Datenmigration, die Compute Express Link (CXL) nutzt, um diese Herausforderungen anzugehen. LACX bewahrt den Migrationszyklus des automatischen NUMA-Balancings (AutoNUMA) und identifiziert die Merkmale gemeinsamer Daten, um diese Daten an CXL-Speicher statt an DRAM zu migrieren, wodurch die DRAM-Lokalität maximiert wird. Die vorgeschlagene Methode nutzt bestehende Kernelstrukturen und Daten, um gemeinsame Daten effizient zu identifizieren und zu verwalten, ohne zusätzlichen Overhead zu verursachen, und vermeidet effektiv Konflikte mit AutoNUMA-Richtlinien. Bewertungsergebnisse zeigen, dass Remote-Zugriffe auf gemeinsame Daten die Leistung in Szenarien mit niedrigem Tier-Speicher beeinträchtigen können, aber LACX die Gesamtbandbreitennutzung des Speichers und die Systemleistung in Umgebungen mit hochgestuftem Speicher und speicherintensiven Arbeitslasten erheblich verbessert, indem die DRAM-Bandbreite verteilt wird. Diese Arbeit präsentiert einen praktischen, leichtgewichtigen Ansatz zur Verwaltung gemeinsamer Daten in gestuften Speicherumgebungen und hebt neue Richtungen für zukünftige Speicherverwaltungsrichtlinien hervor.
Jeong et al. (Mittwoch) haben diese Frage untersucht.