Notice bibliographique
Résumé
Because of the slow access time of disk storage, storage management is crucial to the performance of many large scale computer systems.This thesis studies performance issues in buffer cache management and disk layout management, two important components of storage management.The buffer cache stores popular disk pages in memory to speed up the access to them.Buffer cache management algorithms used in real systems often have many parameters that require careful hand-tuning to get good performance.A self-tuning algorithm is proposed to automatically tune the page cleaning activity in the buffer cache management algorithm by monitoring the I/O activities of the buffer cache.This algorithm achieves performance comparable to the best manually tuned system.The global data structure used by the buffer cache management algorithm is protected by a lock.Access to this lock can cause contention which can significantly reduce system throughput in multi-processor systems.Current solutions to eliminate lock contention decrease the hit ratio of the buffer cache, which causes poor performance when the system is I/O-bound.A new approach, called the multi-region cache, is proposed.This approach eliminates lock contention, maintains the hit ratio of the buffer cache, and incurs little overhead.Moreover, this approach can be applied to most buffer cache management algorithms.Disk layout management arranges the layout of pages on disks to improve the disk I/O efficiency.The typical disk layout approach, called Overwrite, is optimized for sequential I/Os from a single file.Interleaved writes from multiple users can significantly decrease system throughput in large scale systems using Overwrite.Although the Log-structured File System (LFS) is optimized for such workloads, its garbage collection overhead can be expensive.In modern and future disks, because of the much faster improvement of disk transfer bandwidth over disk positioning time, LFS performs much better than Overwrite in most workloads, unless the disk is close to full.A new disk layout approach, called HyLog, is proposed.HyLog achieves performance comparable to the best of existing disk layout approaches in most cases.xiii 6.10 Sensitivity to Separating Criteria . . . . . . . . . . . . . . . . . . . .6.11 Impact of Number of Users and Number of Disks (u d = 90%) . . . . .6.12 Impact of Number of Users and Number of Disks (u d = 98%) . . . . .6.13 Throughput under RAID-0 and RAID-5 Arrays . . . . . . . . . . . .6.14 Normalized Throughput under Real Workloads . . . . . . . . . . . . .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».