圖劃分在混合內存系統的實現與性能優化

摘要：圖劃分是大圖數據并行計算的基礎,目前主要采用分布式算法實現大圖劃分.非易失存儲器(Non-Volatile Memory,NVM)速度接近動態隨機存儲器(Dynamic Random Access Memory,DRAM),且具有低功耗、高密度、低時延等優點,本文針對分布式圖劃分算法難以分析和調試等問題,設計了基于混合內存的單機圖劃分算法框架.作者提出了基于鄰邊結構的圖劃分結果動態緩存管理策略(AeFdy),以提高緩存區鄰居節點的搜索效率.在17種真實應用數據上的實驗結果表明,采用新方法的平均圖劃分速度是基于鄰點結構算法的4.9倍.本文還針對NVM壽命有限的問題,設計了基于內存頁讀寫特征的遷移算法,實現了NVM寫操作受限條件下的遷移優化方案.相對于Linux Swap、M-CLOCK、Dr.Swap混合內存管理策略,使用AeFdy策略的性能分別提升了128.5%、87.4%與50.4%.仿真實驗結果表明,本文設計的混合內存管理方法實現了NVM+DRAM高效協同.