抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
近似メンバーシップ(AMQ)データ構造は,データベース,記憶システム,および他のドメインで広く使われている。非揮発性メモリ(NVM)技術の最近の進歩は,可能,高性能持続性メモリを可能にした。本論文は,AniFilter(AF)と呼ばれるNVMのための最適化持続性AMQを提示した。Cuckoフィルタ(CF)に基づいて,AFは,Spillable Buckets and Lokahead EvictionによるNVM上の挿入スループットを改善し,Bucket Primacyによるスループットを検索した。この最適化の効果を解析するために,CFとAFの性能を推定する確率的モデルを設計した。故障原子性のために,AFは,その一貫性を維持するための伐採の最小量を書き込む。AFおよび4つの他のAMQs-CF,Mortonフィルタ(MF),Rank-and-Select Quotent Filter(RSQF)およびBloomフィルタ(BF)-on NVMを評価した。評価にはIntel Optan DC持続メモリと石英エミュレーションを用いた。AFとCFは,通常,逐次運転のための他のフィルタよりはるかに速い。しかし,高負荷因子において,CFの挿入スループットは,逸脱オーバヘッドのため,禁止的に低い。この最適化により,AFの挿入スループットは,高負荷因子でも最速である。並列評価において,AFの性能は,挿入とルックアップの両方に対してCFより実質的に高かった。この最適化は帯域幅消費を低減し,帯域幅制限NVM上のCFよりもAFの並列性能をはるかに速くする。平行挿入AFはCFよりも10.7X速く(平均で2.6X),並列ルックアップAFは1.2Xまで高速(平均1.1X)であった。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】