基于固態(tài)盤的圖片緩存優(yōu)化研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，類似Facebook、微信等社交類的互聯(lián)網(wǎng)企業(yè)緩存的圖片數(shù)量呈指數(shù)級增長，傳統(tǒng)磁盤構(gòu)建的緩存系統(tǒng)在性能上已經(jīng)無法滿足應(yīng)用需求。固態(tài)盤(SSD)作為一種新型存儲，被越來越多用于緩存系統(tǒng)中。然而，傳統(tǒng)的緩存方案應(yīng)用于SSD中導致過多的無效寫入。這造成緩存的資源浪費的同時，也縮短了SSD的使用壽命。針對這一問題，將數(shù)據(jù)集分為冷數(shù)據(jù)集與熱數(shù)據(jù)集，分別研究并提出了新的緩存策略，在提高緩存效率的同時，大幅降低了SSD寫次數(shù)。<

2、br>　　針對圖片冷數(shù)據(jù)集中，＂只訪問一次＂的圖片緩存污染問題，提出一種基于分類預測的緩存選擇策略。該策略利用樸素貝葉斯分類思想將數(shù)據(jù)分為兩類:＂只訪問一次＂和＂訪問大于一次＂。避免將＂只訪問一次＂的圖片放入緩存。在緩存過程中，通過歷史信息表對預測不準的圖片進行彌補，降低誤判概率。此外，根據(jù)緩存實時情況動態(tài)調(diào)整＂只訪問一次＂的預測權(quán)重，使更有效地利用緩存。
　　針對圖片熱數(shù)據(jù)集中，熱數(shù)據(jù)的流行度隨時間不斷變化且呈現(xiàn)特定趨勢的特點，

3、提出了一種基于流行趨勢改進的RIPQ-GDSF緩存替換算法。將熱度代替訪問頻率，相對于基于頻率、時間局部性的傳統(tǒng)算法，該算法能更準確地預測并利用圖片流行度趨勢。此外，結(jié)合RIPQ架構(gòu)將基于文件的替換優(yōu)化成基于塊的替換，使小寫變成大寫，減少了SSD的寫入次數(shù)。將時間復雜度從GDSF算法的O(n)降低到o(1)。
　　對所提兩種算法進行大量的真實trace測試，結(jié)果表明結(jié)合基于分類預測的緩存選擇策略的緩存算法相比較于結(jié)合前的算法，在緩