Cache line reservation: exploring a scheme for cache-friendly object allocation
Notice bibliographique
Résumé
This thesis presents a novel idea for object allocation, cache line reservation (CLR), whose goal is to reduce data cache misses.Certain objects are allocated from "reserved" cache lines, so that they do not evict other objects that will be needed later.We discuss what kinds of allocations can benefit from CLR, as well as sources of overhead.Prototypes using CLR were implemented in the IBM R J9 Java TM virtual machine (JVM) and its Testarossa just-in-time (JIT) compiler.A performance study of our prototypes was conducted using various benchmarks.CLR can offer a benefit in specialized microbenchmarks when allocating long-lived objects that are accessed in infrequent bursts.In other benchmarks such as SPECjbb2005 and SPECjvm2008, we show that CLR can reduce cache misses when allocating a large number of short-lived objects, but not provide a performance improvement due to the introduced overhead.We measure and quantify this overhead in the current implementation and suggest areas for future development.CLR is not limited to Java applications, so other static and dynamic compilers could benefit from it in the future.me the independence to work on research that I find interesting.Managers at IBM, Marcel Mitran and Emilia Tung, for allowing me to use IBM resources for my research.Vijay Sundaresan, Nikola Grevski and Daryl Maier for providing me with the initial CLR idea, and offering regular advice about the technical aspects of the project, and being always available for questions.Yan Luo, for answering numerous questions about the workings of the J9 JVM.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».