Evaluation of Integration of ACBL and AOCC Caching Algorithms
Notice bibliographique
Résumé
Transactional caching algorithms proposed for object database management systems (ODBMSs) have been classified into detection and avoidance categories, depending on whether they allow access to stale data. Although studies have shown that in most situations the leading detection-based algorithms tend to outperform those that use avoidance, most ODBMSs use a variation of the leading avoidance-based algorithm because detection algorithms in certain situations lead to abort rates that are unacceptable for some, typically interactive, applications. The Interoperable Server-side Caching (ISCT) algorithm allows both types of algorithms to interoperate in the same environment while being supported by an interoperable server. Clients use either the leading detection-based algorithm, called Adaptive Optimistic Concurrency Control (AOCC), or the leading avoidance-based algorithm, called Adaptive Call-Back Locking (ACBL). The caching operations of the client-side algorithms are not affected - only the server-side is adapted to interoperate with both types of clients. This paper presents the results of performance evaluation that compares the three algorithms under various loads. Evaluation shows that the interoperable server-side caching algorithm increases throughput in environments where some applications can use the high-throughput AOCC algorithm while other applications use a detection-based ACBL algorithm. To compare the algorithms a new workloads, in which different applications exhibit different server load characteristics, were developed.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».