Meratakan Kehausan Diuruskan Perisian Untuk Memori Utama Tidak Meruap Bahagian 5

7 PENILAIAN

Dalam bahagian ini, kami menilai dua senario utama: (1) NVM tanpa baca-musnah dan (2) NVM rosak-baca. Untuk yang pertama, hanya subset daripada konsep yang dibentangkan digunakan, dan untuk yang kedua, semua konsep yang dibentangkan digunakan.

Pembacaan yang merosakkan tidak menjejaskan daya ingatan kita. Sebenarnya, tidak seperti pengambilan nota atau pembacaan tradisional, bacaan yang merosakkan ialah kaedah pembelajaran yang lebih aktif yang boleh meningkatkan kecekapan dan ingatan pembelajaran kita.

Pembacaan yang merosakkan merujuk kepada menyerlahkan, menyerlahkan atau menambah pemahaman peribadi tentang kandungan utama semasa membaca, untuk mendalami pemahaman diri dan tanggapan kita terhadap pengetahuan. Kaedah pembelajaran ini boleh membantu kita menyerap pengetahuan dengan lebih cepat dan lebih tepat, serta meningkatkan kecekapan ingatan. Dengan pemahaman yang lebih mendalam dan ingatan yang lebih kuat, kami boleh menggunakan pengetahuan yang telah kami pelajari dengan lebih fleksibel dalam kerja, pembelajaran dan kehidupan masa depan kami, serta mencapai prestasi yang lebih baik dan kejayaan yang lebih besar.

Untuk mencapai kesan terbesar dalam bacaan yang merosakkan, kita perlu bersedia dan fokus sepenuhnya. Pilih tempat yang sunyi dan selesa serta fokus membaca dan memahami supaya kita boleh faham dan kuasai sebaik mungkin. Jika anda keliru tentang konsep atau idea, jangan teragak-agak untuk menghilangkan ketakutan anda dan dapatkan pemahaman yang lebih mendalam. Kita boleh berkomunikasi dengan rakan sekelas, guru atau pakar lain untuk memahami lebih lanjut konsep ini dan merekodkan pemahaman kita.

Ringkasnya, membaca yang merosakkan adalah kaedah pembelajaran positif yang boleh meningkatkan kecekapan dan ingatan pembelajaran kita, membolehkan kita menggunakan pengetahuan dengan lebih baik dalam pekerjaan dan kehidupan masa depan kita. Selagi kita menumpukan perhatian, mengekalkan sikap rendah hati dan rajin belajar, dan membiasakan diri merakam idea kita, kita boleh mencapai hasil pembelajaran yang lebih baik. Dapat dilihat bahawa kita perlu meningkatkan daya ingatan. Cistanche boleh meningkatkan daya ingatan dengan ketara kerana ia mempunyai kesan antioksidan, anti-radang dan anti-penuaan, yang boleh membantu mengurangkan pengoksidaan dan keradangan dalam otak, dengan itu melindungi kesihatan sistem saraf. Selain itu, Cistanche juga boleh menggalakkan pertumbuhan dan pembaikan sel saraf, dengan itu meningkatkan ketersambungan dan fungsi rangkaian saraf. Kesan ini boleh membantu meningkatkan ingatan, keupayaan pembelajaran, dan kelajuan berfikir, dan juga boleh mencegah berlakunya disfungsi kognitif dan penyakit neurodegeneratif.

Klik tahu suplemen untuk meningkatkan ingatan

Untuk setiap senario, kami menilai tahap haus berbutir kasar, sedar penuaan terlebih dahulu. Seperti yang telah kami jelaskan, kaedah ini tidak dapat mencapai perataan pakaian yang optimum, dan dengan itu kami menilainya dalam kombinasi dengan pendekatan terperinci selepas itu.

Pertama, kami memperincikan persediaan penilaian kami dan metodologi analisis kami, kemudian kami membentangkan keputusan untuk dua senario utama kami.

7.1 Persediaan Penilaian

Sebagai persediaan teknikal untuk penilaian, kami menggunakan persekitaran simulasi [10], di mana kami juga melaksanakan algoritma perataan haus kami dari Bahagian 5 dan 6.

Walaupun persediaan simulasi melaksanakan simulasi sistem penuh dan oleh itu pelaksanaan kami juga akan dijalankan pada sistem sebenar, menggunakan simulasi menampilkan kelebihan utama yang kami boleh mengesan akses memori dengan mudah dan menganalisisnya selepas itu.

Dalam kerja ini, kami menganggap ingatan utama bukan meruap yang boleh dialamatkan bait sahaja (iaitu, tiada ingatan berasaskan blok). Oleh itu, kami hanya menganalisis bilangan akses memori percell dan bukan kesan tambahan, seperti padam blok dalam ingatan berasaskan denyar.

Kami merekodkan jejak akses memori untuk beberapa aplikasi penanda aras untuk pelaksanaan garis dasar tanpa sebarang perataan haus dan untuk pelbagai kombinasi mekanisme perataan haus yang digunakan.

Kami sentiasa menjalankan simulasi sistem penuh dengan pelaksanaan kerja algoritma perataan haus dalam sistem masa jalan. Kami kemudian membandingkan jumlah bilangan akses untuk setiap bait memori dan mengira penunjuk seumur hidup memori.

Untuk senario NVM yang tidak merosakkan baca, kami hanya mengambil kira akses tulis, dan untuk NVM yang merosakkan baca, kami menganggap akses tulis dan juga baca.

Ini juga menunjukkan bahawa garis dasar (tiada perataan haus) untuk kedua-dua senario ini adalah berbeza, dan oleh itu kami melaporkan peningkatan dalam garis dasar.

Oleh kerana pelaksanaan kami ialah inti logam kosong yang kecil, mengalihkan dan menjalankan aplikasi daripada suite penanda aras yang diketahui memerlukan penyepaduan kod manual dan pelaksanaan perkhidmatan sistem yang diperlukan. Oleh itu, kami mengehadkan penilaian kepada set kecil aplikasi penanda aras.

7.2 Metodologi Analisis

Untuk setiap jejak akses yang direkodkan, kami mengagregatkan jumlah keseluruhan akses yang ditapis kepada setiap bait memori. Selain menggambarkan secara grafik kiraan capaian memori ke atas ruang memori untuk enam penanda aras kami, kami mempertimbangkan keuntungan analitikal dalam hayat ingatan. Kami mengira beberapa penunjuk prestasi:

• Mencapai daya tahan: AE=min_akses_countmax_count_countDengan mengandaikan bahawa memori tidak boleh digunakan lagi setelah sel memori pertama sudah haus ,5 kiraan akses maksimum merentas semua sel menentukan hayat maksimum.

Sila ambil perhatian bahawa keadaan ini boleh ditinggalkan dengan menggunakan pengurusan blok buruk tambahan. Selagi blok buruk hanya dikesan pada butiran yang lebih kasar daripada halaman memori maya, keperluan untuk meratakan haus pada butiran halaman memori maya dan butiran yang lebih kecil masih wujud. Di bawah keadaan yang sempurna, capaian memori boleh dikocok secara sewenang-wenangnya ke lokasi memori lain untuk menjadikan semua sel diratakan sepenuhnya, yang akan menyebabkan kiraan akses min digunakan pada setiap sel.

Oleh itu, hasil bagi kedua-duanya menunjukkan peratusan jangka hayat memori ideal yang mungkin. Kami tidak menganggap memori tambahan tambahan dalam penilaian ini.

Peningkatan daya tahan: EI=AEanalyzedAEbaseline Memandangkan daya tahan yang dicapai daripada garis dasar dan konfigurasi lain, hasil bagi kedua-duanya menunjukkan peningkatan dalam daya tahan yang dicapai berbanding garis dasar.

• Peningkatan sepanjang hayat: LI=EIOV+1Memandangkan peningkatan daya tahan dan overhed OV (peratusan akses memori tambahan) bagi sesetengah jejak, berbanding garis dasarnya, jangka hayat memori yang diperoleh boleh dikira dengan mengaitkan kedua-duanya.

Sebagai contoh, jika algoritma meningkatkan daya tahan dengan faktor EI=4 tetapi menyebabkan OV=100% overhed, bermakna bahawa disebabkan meratakan haus, aplikasi memerlukan jumlah dua kali akses memori untuk diselesaikan, sepanjang hayat jumlah sistem dinaikkan dengan faktor LI=2.

Untuk semua larian penanda aras, kami mengira metrik AE, EI dan LI.

7.3 Meratakan Haus Berbutir Kasar

Pelaksanaan kami yang dicadangkan termasuk perataan haus berbutir kasar yang menyedari penuaan, di mana umur halaman memori dianggarkan dengan pensampelan akses semasa masa jalan. Dalam bahagian ini, kami hanya melaksanakan anggaran umur dan pemetaan semula halaman memori, mengikut algoritma pemetaan semula (Bahagian 5.3). Kami merekodkan jejak memori yang terhasil dan menggambarkan jumlah bilangan akses perbait secara grafik.

7.3.1 NVM Tidak Memusnahkan Baca.

Dalam kes NVM yang tidak merosakkan baca, hanya akses tulis yang dianggarkan dan umur hanya dianggarkan dengan bilangan akses tulis bagi setiap halaman memori. Dalam Rajah 5, kami menggambarkan jumlah bilangan akses tulis (paksi-y) melebihi ruang ingatan (paksi-x) yang digunakan untuk enam aplikasi penanda aras kami, apabila anggaran umur dan pemetaan semula halaman goritma diaktifkan.

Kami menetapkan kadar pensampelan akses tulis kepada Cwritesample=2,000 dan kemudian memberitahu ambang untuk algoritma perataan haus kepada nreloc=64. Keputusan menunjukkan bahawa algoritma sedar penuaan berfungsi kerana akses tulis diedarkan sedemikian rupa sehingga semua kawasan memori ditulis dengan corak yang sama.

Walau bagaimanapun, akses tulis masih tidak diratakan sepenuhnya, yang boleh disimpulkan daripada jumlah puncak yang besar dalam angka tersebut. Ia juga boleh dilihat bahawa untuk penanda aras dengan jejak memori yang lebih besar (sha dan Rijndael), masa simulasi tidak mencukupi untuk menyasarkan keseluruhan ruang memori secara sama rata.

Jika aplikasi tidak dapat berjalan lebih lama, konfigurasi perataan haus perlu diubah untuk mencapai perataan haus yang lebih kerap untuk mengatasi kelemahan ini.

7.3.2 NVM Memusnahkan Baca.

Apabila sistem sasaran dilengkapi dengan NVM yang merosakkan baca, kami mendayakan anggaran tulis dan baca serta menganggarkan umur halaman memori berdasarkan jumlah terkumpul akses baca dan tulis mereka, kerana kedua-duanya diandaikan menyebabkan kehausan yang sama.

Algoritma perataan haus kekal tidak berubah; cuma input (iaitu, anggaran umur) adalah berbeza. Kami mengekalkan konfigurasi anggaran tulis dan ambang pemetaan semula dalam Bahagian 7.3.1. Kami selanjutnya mengkonfigurasikan kadar pensampelan akses baca kepada Creadsample=12,000, kerana akses baca berlaku pada nisbah yang lebih tinggi daripada akses tulis.

Rajah 6 menggambarkan jumlah keseluruhan akses baca dan tulis terkumpul (paksi-y) di atas ruang ingatan (paksi-x). Pemerhatian yang serupa dengan yang dalam Rajah 5 boleh dibuat: perataan haus yang menyedari penuaan berfungsi, malah melibatkan akses baca yang merosakkan.

Namun, boleh diperhatikan bahawa perataan haus berbutir kasar tidak mencukupi untuk mencapai ingatan perataan haus keseluruhan. Aplikasi dengan jejak memori yang lebih besar menghasilkan perataan haus yang lebih baik daripada yang dibentangkan dalam Bahagian 7.3.1. Oleh itu, kerana akses baca dan tulis ditemui, lebih banyak tindakan meratakan haus dilakukan.

7.4 Meratakan Haus Berbutir Halus

Seperti yang dinyatakan oleh penilaian dalam Bahagian 7.3, perataan haus berbutir kasar tidak boleh mencapai semua memori berrata haus, kerana titik panas akses padat dalam halaman memori tidak diselesaikan. Akibatnya, artikel ini mencadangkan perataan haus berbutir halus tambahan, yang dinilai dalam bahagian ini. Kami melaksanakan tindanan berbutir halus dan meratakan kehausan teks sebagai tambahan kepada meratakan pakaian berbutir kasar untuk mencapai perataan haus yang menyedari penuaan secara keseluruhan.

7.4.1 NVM Tidak Memusnahkan Baca

Untuk NVM yang tidak merosakkan baca, sambungan berbutir halus hanya menyasarkan timbunan, kerana rantau teks hanya disasarkan oleh akses baca. Kami mengekalkan konfigurasi yang sama seperti dalam Bahagian 7.3.1 dan melakukan pergerakan tindanan pada setiap pemetaan semula halaman memori maya (iaitu, dengan nisbah yang sama dengan algoritma pemetaan semula halaman). Kami mengkonfigurasi jarak penempatan semula (iaitu, pergerakan timbunan) kepada 64 bait.

Rajah 7 menunjukkan jumlah akses tulis (paksi-y) yang terhasil di atas ruang ingatan (paksi-x). Dapat diperhatikan bahawa untuk beberapa penanda aras, ingatan yang hampir sama rata haus dicapai.

Kelemahan dalam penanda aras Dijkstra berpunca daripada fakta bahawa Dijkstra menggunakan segmen data secara intensif untuk mengurus langkah algoritma.Oleh itu, titik panas tulis padat muncul dalam segmen data, yang tidak dapat diselesaikan oleh mekanisme tindanan kami yang halus.

7.4.2 NVM Memusnahkan Baca

Untuk melakukan perataan haus yang halus pada NVM yang merosakkan baca, titik panas yang padat untuk membaca dan juga menulis perlu ditangani. Oleh itu, sebagai tambahan kepada persediaan berbutir kasar sedar penuaan daripada Bahagian 7.3.2, kami menggunakan mekanisme kami untuk timbunan dan perataan haus teks.

Kami mengekalkan konfigurasi yang sama untuk algoritma berbutir kasar dan melaksanakan susunan dan penempatan semula teks pada setiap penempatan semula halaman berbutir kasar. Secara umum, kedua-dua nisbah, bagaimanapun, boleh dikonfigurasikan secara berasingan kepada nilai arbitrari.

Jarak penempatan semula untuk penempatan semula tindanan dan teks ditetapkan kepada 64 bait. Keputusan dalam Rajah 8 sekali lagi membenarkan pemerhatian yang sama seperti kes tidak boleh dibaca-musnah dalam Bahagian 7.4.1.

Secara umum, ingatan adalah tahap haus, memandangkan pengaruh membaca dan menulis yang merosakkan. Untuk penanda aras crc32 dan Rijndael, masih, ketidakseragaman yang lebih besar boleh diperhatikan. Ini berpunca daripada fakta bahawa perataan haus teks hanya menggerakkan kod yang boleh dipindahkan, tetapi bukan GOT dan PLT. Kedua-dua jadual ini, bagaimanapun, dibaca semasa pelaksanaan penanda aras dan oleh itu menyebabkan pengaruh yang merosakkan pada memori asas.

7.5 Keputusan Analisis

Memandangkan angka yang dibentangkan sebelum ini hanya memberikan intuisi untuk kualiti yang dicapai bagi algoritma perataan haus kami yang dicadangkan, kami mengira penunjuk jangka hayat analitik (Bahagian 7.2) untuk semua penanda aras kami dan meringkaskannya dalam Jadual 1. Beberapa pemerhatian boleh dibuat dalam jadual ini. Pertama, dengan hanya mempertimbangkan lajur terakhir (LI), dapat dilihat bahawa jumlah hayat memori ditingkatkan oleh algoritma kami sehingga faktor 955.

Dalam erti kata lain, jangka hayat memori selama beberapa hari tanpa sebarang penyelenggaraan akan dilanjutkan kepada bertahun-tahun dengan hanya menggunakan algoritma berasaskan perisian kami. Kedua, akses baca boleh diratakan sedikit lebih teruk daripada akses tulis dalam beberapa penanda aras, yang boleh disimpulkan daripada peningkatan seumur hidup yang lebih rendah. Seperti yang dijelaskan dalam Bahagian 7.1, satu lagi garis dasar perlu dipertimbangkan untuk NVM yang merosakkan baca. Oleh itu, penambahbaikan boleh menjadi jauh lebih rendah daripada NVM yang tidak boleh dibaca.

Ketiga, dengan menyiasat lajur pertama (AE), dapat disimpulkan betapa optimumnya algoritma yang digunakan. Jika AE ialah 1, tiada penambahbaikan lagi boleh dilakukan. Dapat diperhatikan bahawa dengan meratakan haus berbutir kasar sahaja, dalam kebanyakan kes hanya beberapa peratus daripada ketahanan optimum boleh dicapai. Untuk perataan haus yang halus, algoritma menunjukkan prestasi yang lebih baik dengan ketara tetapi masih membenarkan potensi untuk penambahbaikan selanjutnya. Di samping itu, daya tahan yang dicapai berbeza untuk aplikasi penanda aras yang berbeza.

Penanda aras Rijndael mencapai hasil yang paling teruk setakat ini kerana algoritma kami tidak mengendalikannya dengan betul. Walaupun overhed untuk pelbagai konfigurasi perataan haus secara tersirat disertakan dalam penunjuk LI, overhed sebagai jumlah akses memori tambahan akibat perataan haus boleh disiasat sendiri. Apabila mempertimbangkan aplikasi sensitif prestasi, jumlah tambahan akses memori menjadikan faktor utama kemerosotan prestasi.

Kami mengira overhed dengan membandingkan jumlah keseluruhan akses memori daripada simulasi dengan perataan haus kepada simulasi garis dasar tanpa perataan haus. Dengan mempertimbangkan hanya akses baca, ini menghasilkan overhed baca (RO), untuk akses tulis dalam overhed tulis (WO), dan untuk kedua-dua jenis akses dalam kombinasi dalam overhed baca-tulis (RWO).

Jadual 2 mengandungi overhed yang terhasil untuk pelbagai senario perataan haus. Ia boleh dilihat bahawa untuk meratakan haus berbutir kasar sahaja, semua jenis overhed berada pada beberapa peratus. Apabila perataan haus berbutir halus digunakan, dapat dilihat bahawa hasil perataan haus bergantung pada aplikasi yang dianalisis. Bagi Rijndael, misalnya, walaupun membenarkan overhed yang besar untuk meratakan haus tidak membawa kepada peningkatan jangka hayat memori dengan ketara. Ini boleh dijelaskan oleh fakta bahawa perataan haus tidak menyasarkan jenis akses memori ini dengan baik.

Beberapa kawasan memori yang diakses secara intensif kekal tidak diratakan haus. Walau bagaimanapun, menyiasat tanda aras di mana perataan haus boleh mencapai peningkatan sepanjang hayat memori yang baik, overhed membuat sehingga≈300%-iaitu, dengan perataan haus, empat kali lebih banyak akses memori dilakukan tanpa perataan haus.

Untuk tafsiran keputusan ini, perlu dipertimbangkan bahawa overhed boleh ditala oleh parameter konfigurasi pada kos hasil perataan haus. Walau bagaimanapun, jika aplikasi itu tidak sensitif terhadap prestasi, overhed yang begitu besar mungkin masih besar; jangka hayat ingatan masih meningkat dengan faktor ≈200.

Overhed masa jalan bagi algoritma perataan haus kami ialah penunjuk penting untuk kegunaan praktikal. Bukan sahaja akses memori tambahan memerlukan lebih banyak masa untuk pelaksanaan tetapi juga pelaksanaan penghampiran akses dan keputusan perataan haus memerlukan masa pengiraan tambahan. Untuk menganalisis overhed ini, kami membandingkan jumlah kitaran sistem yang diperlukan untuk konfigurasi garis dasar dan konfigurasi dengan perataan haus yang didayakan. Peningkatan relatif dilaporkan dalam Jadual 3.

Ia boleh diperhatikan bahawa kaedah perataan haus berbutir halus secara amnya menyebabkan overhed masa jalan yang lebih tinggi daripada kaedah berbutir kasar; perataan haus baca memerlukan lebih banyak masa pelaksanaan tambahan daripada perataan haus tulis. Tambahan pula, dapat dilihat bahawa overhed masa adalah berbeza untuk aplikasi penanda aras yang berbeza.

Contohnya, crc32 menghadapi overhed paling banyak32%, manakala Rijndael menghadapi peningkatan masa pelaksanaan hampir tujuh kali ganda. Perlu diingatkan bahawa overhed masa juga boleh dikonfigurasikan dengan mengubah kekerapan tindakan meratakan haus. Walau bagaimanapun, jika kemerosotan prestasi dari segi masa pelaksanaan sehingga hampir dua kali ganda boleh dilaksanakan, kebanyakan aplikasi penanda aras boleh diratakan haus menggunakan penyelesaian yang diuruskan oleh perisian.

8 KESIMPULAN

Dalam kerja ini, kami menyasarkan sistem komputer yang dilengkapi dengan NVM sebagai ingatan utama. Bezakan kes dalam ingatan ini sebagai sama ada tidak membaca-memusnahkan atau membaca-memusnahkan. Kami mencadangkan perataan haus yang diuruskan oleh perisian untuk meningkatkan jangka hayat sistem sedemikian kerana ketahanan sel yang rendah boleh menyebabkan jangka hayat berkurangan dengan teruk.

Untuk jenis sistem yang terdahulu, kami mengambil kira akses tulis untuk menentukan umur semasa memori dan untuk melakukan mengikut tindakan meratakan haus, dan untuk kes kedua, kami mengambil kira akses tulis dan baca secara sama kerana kedua-duanya menekankan memori secara sama rata. Untuk melakukan perataan haus yang sedar penuaan (iaitu, umur ingatan semasa disiasat untuk setiap keputusan perataan haus) semasa masa jalan, kami mencadangkan anggaran masa jalan generik bagi akses tulis dan baca yang tidak bergantung pada perkakasan khas atau keupayaan penyahpepijatan.

Anggaran ini kemudiannya dimasukkan ke dalam algoritma perataan haus yang menukar halaman memori mengikut anggaran umur mereka. Memandangkan banyak aplikasi memerlukan perataan haus tambahan pada butiran halus, kami seterusnya mencadangkan dua mekanisme perataan haus berbutir halus, di mana kami menyasarkan kawasan tindanan dan teks secara khusus.

Penyelesaian khusus ini juga beroperasi tanpa sebarang perkakasan khas atau sebarang keperluan sistem khas, dan dengan itu ia diuruskan perisian. Penyelesaian khusus untuk segmen teks hanya digunakan untuk NVM yang merosakkan baca kerana segmen teks hanya disasarkan oleh akses baca. Penilaian kami membandingkan hayat memori akhir selepas menggunakan algoritma kami dengan jangka hayat memori pelaksanaan garis dasar bagi aplikasi penanda aras tertentu. Untuk NVM yang tidak merosakkan baca, kami boleh memanjangkan hayat sehingga faktor 955×, dan untuk NVM yang merosakkan baca, kami mencapai peningkatan sehingga faktor 418×.

Walaupun nombor ini sangat bergantung pada gelagat ingatan pelaksanaan garis dasar aplikasi tertentu, kami mencapai ≈40% perataan haus yang ideal untuk NVM yang tidak boleh dibaca dan ≈20% daripada perataan haus yang ideal untuk NVM yang merosakkan bacaan. Kelemahan utama yang menyebabkan ini adalah corak akses memori yang tidak ditangani secara eksplisit oleh kaedah kami.

9 PANDANGAN

Seperti yang dinyatakan oleh penilaian kami, kami mencapai peningkatan yang munasabah dalam jangka hayat memori dengan menggunakan algoritma kami dengan sewajarnya. Namun, kita tidak dapat mencapai perataan haus yang ideal (ditunjukkan oleh daya tahan yang dicapai (AE)).

Dalam erti kata lain, algoritma kami mungkin dipertingkatkan lagi untuk mencapai tahap haus yang lebih baik dalam semua senario. Seperti yang boleh diperhatikan untuk penanda aras Dijkstra, bahagian data dan BSS memerlukan perataan haus khusus dalam beberapa kes juga. Di samping itu, penyelesaian khusus untuk segmen teks tidak menyelesaikan titik panas akses dalam GOT dan PLT. Kami berhasrat untuk memperbaiki kekurangan ini dalam kerja akan datang.

RUJUKAN

[1] Hoda Aghaei Khouzani, Yuan Xue, Chengmo Yang, dan Archana Pandurangi. 2014. Memanjangkan hayat PCM melalui peruntukan halaman yang cekap tenaga, sedar segmen dan tahan haus. Dalam Prosiding Simposium Antarabangsa 2014 mengenai Elektronik dan Reka Bentuk Berkuasa Rendah (ISLPED'14). ACM, New York, NY, 327–330.https://doi.org/10.1145/2627369.2627667

[2] Chi-Hao Chen, Pi-Cheng Hsiu, Tei-Wei Kuo, Chia-Lin Yang, dan Cheng-Yuan Michael Wang. 2012. PCMwears berasaskan umur meratakan dengan kos carian hampir sifar. Dalam Prosiding Persidangan Automasi Reka Bentuk Tahunan ke-49 (DAC'12).ACM, New York, NY, 453–458. https://doi.org/10.1145/2228360.2228439[3] Sangyeun Cho dan Hyunjin Lee. 2009. Flip-N-Write: Teknik penentuan mudah untuk meningkatkan prestasi penulisan PRAM, tenaga dan daya tahan. Dalam Prosiding Simposium Antarabangsa IEEE/ACM Tahunan Ke-42 mengenai Senibina Mikro (MICRO'09). ACM, New York, NY, 347–357.https://doi.org/10.1145/1669112.1669157

[4] Jianbo Dong, Lei Zhang, Yinhe Han, Ying Wang, dan Xiaowei Li. 2011. Meratakan kadar pakai: Peningkatan seumur hidup PRAM dengan variasi daya tahan. Dalam Prosiding Persidangan Automasi Reka Bentuk Ke-48. ACM, New York, NY, 972–977.

[5] Alexandre P. Ferreira, Miao Zhou, Santiago Bock, Bruce Childers, Rami Melhem, dan Daniel Mossé. 2010. Meningkatkan seumur hidup ingatan utama PCM. Dalam Prosiding Persidangan Reka Bentuk, Automasi dan Ujian di Eropah (DATE'10).914–919.http://dl.acm.org/citation.cfm?id=1870926.1871147.

[6] Vaibhav Gogte, William Wang, Stephan Diestelhorst, Aasheesh Kolli, Peter M. Chen, Satish Narayanasamy, dan Thomas F. Wenisch. 2019. Pengurusan pemakaian perisian untuk kenangan yang berterusan. Dalam Prosiding Persidangan USENIX ke-17 mengenai Teknologi Fail dan Penyimpanan (FAST'19). 45–63.https://www.usenix.org/conference/fast19/presentation/gogte.

[7] William Goh dan Andreas Dannenberg. 2014. Teknologi MSP430 FRAM-Cara dan Amalan Terbaik. Laporan Teknikal SLAA628. Alat Texas.https://www.ti.com/lit/an/slaa628a/slaa628a.pdf?ts=1609843980784&ref_url=https253A252F252Fwww.ti.com252Fproduct252FMSP430FR5989-EP.

[8] MR Guthaus, JS Ringenberg, D. Ernst, TM Austin, T. Mudge, dan RB Brown. 2001. MiBench: Suite penanda aras tertanam wakil komersial yang percuma. Dalam Prosiding Bengkel Antarabangsa IEEE 2001 mengenai Ciri Beban Kerja (WWC'01). IEEE, Los Alamitos, CA, 3–14.https://doi.org/10.1109/WWC.2001.15

[9] Christian Hakert, Kuan-Hsun Chen, Paul R. Genssler, Georg Brüggen, Lars Bauer, Hussam Amrouch, Jian-Jia Chen, dan Jörg Henkel. 2020. SoftWear: Pemerataan haus dalam memori perisian sahaja untuk memori utama yang tidak meruap. CoRRabs/2004.03244 (2020).https://arxiv.org/pdf/2004.03244.pdf.

[10] Christian Hakert, Kuan-Hsun Chen, Mikail Yayla, Georg von der Brüggen, Sebastian Bloemeke, dan Jian-Jia Chen.2020. Persekitaran analisis memori berasaskan perisian untuk perataan haus dalam memori. Dalam Prosiding Persidangan Automasi Reka Bentuk Asia dan Pasifik Selatan Ke-25 (ASP-DAC'20).

[11] Y. Han, J. Dong, K. Weng, Y. Wang, dan X. Li. 2016. Perataan kadar haus yang dipertingkatkan untuk penambahbaikan seumur hidup PRAM mempertimbangkan variasi proses. Transaksi IEEE pada Sistem Integrasi Skala Sangat Besar (VLSI) 24, 1 (Jan. 2016), 92–102.https://doi.org/10.1109/TVLSI.2015.2395415

[12] Kaixin Huang, Yijie Mei, dan Linpeng Huang. 2020. Puyuh: Menggunakan monitor tulis NVM untuk mendayakan perataan haus telus. Jurnal Seni Bina Sistem 102 (2020), 101658.

For more information:1950477648nn@gmail.com