ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
Memory management on many-core architectures is a major challenge for improving the overall system performance. Memory resources are distributed over nodes for faster local accesses. Dynamic workloads heavily depend on memory requests and inefficient memory management leads to severe bottlenecks and performance degradation. In this paper, we focus on optimizing dynamic memory allocation on such platforms and present a scalable, microcode-accelerated distributed dynamic memory manager. The proposed manager exploits the presence of a hardware accelerator while offering a C application programming interface to application developers. Experimental results show performance gains on average 10% compared to allocators written purely in C and sufficient scalability as platform size increases.
مدیریت حافظه روی معماری های چند هسته ای، چالشی مهم واساسی برای بهبود عملکردکل سیستم به شمار می رود. برای دسترسی های محلی سریعتر، منابع حافظه روی گره ها توزیع می شوند. حجم کار پویا عمدتاً به درخواست های حافظه بستگی دارد و مدیریت ناکارآمد حافظه منجر به تنگناهای شدید و تحلیل عملکرد می گردد. در این مقاله، بر بهینه سازی تخصیص حافظه روی چنین پلتفرم هایی تمرکز کرده و مدیر حافظه پویای توزیع شده تسریع شده میکروکد(ریزکد) مقیاس پذیری معرفی می کنیم. مدیر پیشنهادی از حضور شتاب دهنده بهره برداری و در عین حال، واسط یا رابط برنامه ریزی برنامه کاربردی C به توسعه دهندگان برنامه عرضه می نماید. نتایج آزمایش بهره عملکرد به طور متوسط 10 درصد در مقایسه با تخصیص دهنده های صرفاًنوشته شده در C و مقیاس پذیری کافی با افزایش اندازه پلتفرم نشان می دهد.