本發(fā)明涉及計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)領(lǐng)域，涉及一種自適應(yīng)緩沖塊替換方法。

背景技術(shù)：

緩存替換算法的核心在于充分局部性原理提高緩存命中率，各種替換算法的主要不同在于如何量化局部性。常見的兩種緩存替換策略包括：基于訪問時(shí)間的lru(leastrecentlyused)策略和基于訪問頻率的lfu(leastfrequentlyused)策略。lru策略僅維護(hù)了緩存塊的訪問時(shí)間信息，沒有考慮被訪問頻率等因素，在某些訪問模式下無法獲得理想命中率。與lru策略的缺點(diǎn)類似，lfu策略僅維護(hù)各項(xiàng)的被訪問頻率信息，對(duì)于某緩存項(xiàng)，如果該項(xiàng)在過去有著極高的訪問頻率而最近訪問頻率較低，當(dāng)緩存空間已滿時(shí)該項(xiàng)很難被從緩存中替換出來，進(jìn)而導(dǎo)致命中率下降。

spark是ucberkeleyamplab(加州大學(xué)伯克利分校的amp實(shí)驗(yàn)室)所開源的類hadoopmapreduce的通用并行框架，主要特點(diǎn)是提供了一個(gè)集群的分布式內(nèi)存抽象—彈性分布式數(shù)據(jù)集rdd，以支持需要工作集的應(yīng)用。在hadoopmapreduce框架中，shuffle過程是連接map和reduce之間的橋梁，shuffle過程會(huì)產(chǎn)生大量的中間文件，內(nèi)存需求巨大，涉及到了磁盤的讀寫和網(wǎng)絡(luò)的傳輸，它的性能高低直接影響到了整個(gè)程序的運(yùn)行效率。隨著大數(shù)據(jù)時(shí)代應(yīng)用的規(guī)模不斷增加，內(nèi)存資源的需求量也隨之增加，當(dāng)內(nèi)存大小無法滿足應(yīng)用的工作集的需求時(shí)，必然導(dǎo)致頻繁的緩存塊替換。若采用普通的lru策略，驅(qū)逐被訪問最少的數(shù)據(jù)塊，那么很可能出現(xiàn)當(dāng)某一個(gè)不在內(nèi)存中的數(shù)據(jù)塊需要被訪問時(shí)，由于內(nèi)存資源不夠，必須先驅(qū)逐另一個(gè)之后很可能被訪問的相鄰數(shù)據(jù)塊，再把該塊讀入內(nèi)存，會(huì)導(dǎo)致不必要的開銷。因此，需要一種全面的、效率高的緩沖塊替換策略。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明提供一種解決或部分解決上述問題的一種自適應(yīng)緩沖塊替換方法。

為達(dá)到上述技術(shù)方案的效果，本發(fā)明的技術(shù)方案為：一種自適應(yīng)緩沖塊替換方法，在通用并行框架spark提供的彈性分布式數(shù)據(jù)集rdd上運(yùn)行，彈性分布式數(shù)據(jù)集rdd為集群的分布式內(nèi)存抽象，步驟如下：

1)結(jié)合彈性分布式數(shù)據(jù)集rdd的變換序列關(guān)系判斷并得到屬于彈性分布式數(shù)據(jù)集rdd的所有數(shù)據(jù)塊的重計(jì)算開銷，初始化記錄數(shù)據(jù)塊的重計(jì)算開銷的數(shù)據(jù)結(jié)構(gòu)，為其分配內(nèi)存空間，并將內(nèi)存空間的內(nèi)部所有位初始化為0；

2)根據(jù)分配方案為彈性分布式數(shù)據(jù)集rdd的動(dòng)作分配權(quán)重，分配方案為：

首先，將彈性分布式數(shù)據(jù)集rdd的動(dòng)作分為transformations動(dòng)作類型和actions動(dòng)作類型，transformations動(dòng)作類型為一種惰性操作，定義了一個(gè)新的彈性分布式數(shù)據(jù)集rdd，沒有立即對(duì)其進(jìn)行計(jì)算，actions動(dòng)作類型則是對(duì)彈性分布式數(shù)據(jù)集rdd立即計(jì)算，并返回結(jié)果或者將結(jié)果寫入到外部存儲(chǔ)中；

將transformations動(dòng)作類型分為map動(dòng)作、flatmap動(dòng)作、filter動(dòng)作、distinct動(dòng)作、union動(dòng)作、intersection動(dòng)作、subtract動(dòng)作、cartesian動(dòng)作；map動(dòng)作表示對(duì)彈性分布式數(shù)據(jù)集rdd中的每一個(gè)元素進(jìn)行一個(gè)操作，map動(dòng)作的權(quán)重為t1；flatmap動(dòng)作表示彈性分布式數(shù)據(jù)集rdd中的當(dāng)前元素，并生成新的元素集合，flatmap動(dòng)作的權(quán)重為t2；filter動(dòng)作表示過濾彈性分布式數(shù)據(jù)集rdd中的一些元素，filter動(dòng)作的權(quán)重為t3；distinct動(dòng)作表示對(duì)彈性分布式數(shù)據(jù)集rdd中元素去重，distinct動(dòng)作的權(quán)重為t4；union表示返回彈性分布式數(shù)據(jù)集rdd1、彈性分布式數(shù)據(jù)集rdd2的合并結(jié)果，在這其中對(duì)合并結(jié)果不去重，union動(dòng)作的權(quán)重為t5；intersection動(dòng)作表示返回彈性分布式數(shù)據(jù)集rdd1、彈性分布式數(shù)據(jù)集rdd2的合并結(jié)果，在這其中對(duì)合并結(jié)果去重，intersection動(dòng)作的權(quán)重為t6；subtract動(dòng)作表示對(duì)彈性分布式數(shù)據(jù)集rdd1、彈性分布式數(shù)據(jù)集rdd2的合并，合并后只保留在一個(gè)彈性分布式數(shù)據(jù)集rdd1中出現(xiàn)的元素而在另一個(gè)彈性分布式數(shù)據(jù)集rdd2不出現(xiàn)的元素，subtract動(dòng)作的權(quán)重為t7；cartesian動(dòng)作表示對(duì)對(duì)彈性分布式數(shù)據(jù)集rdd1、彈性分布式數(shù)據(jù)集rdd2進(jìn)行笛卡爾積計(jì)算，cartesian動(dòng)作的權(quán)重為t8；

將actions動(dòng)作類型分為collect動(dòng)作、count動(dòng)作、take動(dòng)作、top動(dòng)作、takeordered動(dòng)作、fold動(dòng)作、foreach動(dòng)作；collect動(dòng)作表示將彈性分布式數(shù)據(jù)集rdd轉(zhuǎn)換為數(shù)組，collect動(dòng)作的權(quán)重為a1；count動(dòng)作返回彈性分布式數(shù)據(jù)集rdd中的元素?cái)?shù)量，count動(dòng)作的權(quán)重為a2；take動(dòng)作表示獲取彈性分布式數(shù)據(jù)集rdd中從0到指定標(biāo)號(hào)的元素，指定標(biāo)號(hào)用常量num表示，take動(dòng)作的權(quán)重為a3；top動(dòng)作表示從彈性分布式數(shù)據(jù)集rdd中，按照默認(rèn)或給定的排序規(guī)則，返回其中的從0到指定標(biāo)號(hào)的元素，top動(dòng)作的權(quán)重為a4；takeordered動(dòng)作表示按照與top動(dòng)作的排序規(guī)則相反的順序返回從0到指定標(biāo)號(hào)的元素，takeordered動(dòng)作的權(quán)重為a5；fold動(dòng)作表示將彈性分布式數(shù)據(jù)集rdd中的每個(gè)元素累積求和，fold動(dòng)作的權(quán)重為a6；foreach動(dòng)作表示遍歷彈性分布式數(shù)據(jù)集rdd中的每個(gè)元素，foreach動(dòng)作的權(quán)重為a7；

3)彈性分布式數(shù)據(jù)集rdd執(zhí)行第2)步所分類的動(dòng)作時(shí)，數(shù)據(jù)塊的重計(jì)算開銷的數(shù)據(jù)結(jié)構(gòu)中對(duì)應(yīng)的彈性分布式數(shù)據(jù)集rdd的記錄位增加相應(yīng)動(dòng)作的權(quán)重；彈性分布式數(shù)據(jù)集rdd分為父彈性分布式數(shù)據(jù)集以及子彈性分布式數(shù)據(jù)集，數(shù)據(jù)塊的重計(jì)算開銷與彈性分布式數(shù)據(jù)集rdd的動(dòng)作以及父彈性分布式數(shù)據(jù)集和子彈性分布式數(shù)據(jù)集的依賴關(guān)系有關(guān)，其中，父彈性分布式數(shù)據(jù)集和子彈性分布式數(shù)據(jù)集的依賴關(guān)系分為窄依賴、寬依賴兩種；窄依賴表示子彈性分布式數(shù)據(jù)集中的每個(gè)數(shù)據(jù)塊只依賴于父彈性分布式數(shù)據(jù)集中的有限個(gè)固定數(shù)據(jù)塊，寬依賴表示子彈性分布式數(shù)據(jù)集可以依賴于父彈性分布式數(shù)據(jù)集中的所有數(shù)據(jù)塊；

4)判斷彈性分布式數(shù)據(jù)集rdd的緩存塊替換開銷，并調(diào)整其的閾值，并定義緩沖塊替換策略，緩沖塊替換策略分為lru策略、lcc策略兩種，lrc策略為驅(qū)逐最少訪問的數(shù)據(jù)塊策略，lcc策略為驅(qū)逐最小重計(jì)算開銷的數(shù)據(jù)塊策略，初始時(shí)默認(rèn)緩存塊替換策略為lru策略，并設(shè)置其替換閾值為threshold-lru，其后根據(jù)替換條件判斷是否將緩沖塊替換策略修改為lcc策略，并設(shè)置其替換閾值為threshold-lcc；lcc策略的初始替換閾值threshold-lcc＝0；lru策略的初始替換閾值threshold-lcc＝3；

5)動(dòng)態(tài)地選擇緩沖塊替換策略；

初始時(shí)默認(rèn)緩存塊替換策略為lru策略，并設(shè)置其替換閾值為threshold-lru，設(shè)置初始緩沖塊替換策略的數(shù)據(jù)塊讀取開銷c＝0，當(dāng)其的內(nèi)存塊在時(shí)間段t內(nèi)，被驅(qū)逐后又重新被讀入時(shí)，緩沖塊替換策略的數(shù)據(jù)塊讀取開銷c＝c+1，當(dāng)連續(xù)三個(gè)緩沖塊替換策略的數(shù)據(jù)塊在時(shí)間段t內(nèi)被驅(qū)逐并被重新讀入時(shí)，緩沖塊替換策略的數(shù)據(jù)塊讀取開銷c的值超過threshold-lru，修改緩存塊替換策略為lcc策略；選取權(quán)重最低的彈性分布式數(shù)據(jù)集rdd所對(duì)應(yīng)的數(shù)據(jù)塊，將根據(jù)lcc策略將其修改為驅(qū)逐重計(jì)算開銷最小的數(shù)據(jù)塊；當(dāng)緩沖塊替換策略為lcc策略時(shí)，驅(qū)逐完屬于權(quán)重最低的彈性分布式數(shù)據(jù)集rdd的所有數(shù)據(jù)塊之后，權(quán)重最低的彈性分布式數(shù)據(jù)集rdd的重計(jì)算開銷設(shè)置為無效，根據(jù)彈性分布式數(shù)據(jù)集rdd的重計(jì)算開銷對(duì)彈性分布式數(shù)據(jù)集rdd重新進(jìn)行排序，選擇重計(jì)算開銷最小的彈性分布式數(shù)據(jù)集rdd作為新的驅(qū)逐對(duì)象，當(dāng)緩沖塊替換策略的數(shù)據(jù)塊讀取時(shí)間小于threshold-lru，lcc策略替換開銷過大，將緩存塊替換策略修改為lru策略；

6)通過彈性分布式數(shù)據(jù)集rdd的容錯(cuò)特點(diǎn)恢復(fù)其的數(shù)據(jù)塊；

彈性分布式數(shù)據(jù)集rdd的容錯(cuò)機(jī)制采用記錄更新的方式，只支持粗顆粒變換，粗顆粒變換只記錄彈性分布式數(shù)據(jù)集rdd上的單個(gè)數(shù)據(jù)塊上執(zhí)行的單個(gè)操作，然后將創(chuàng)建彈性分布式數(shù)據(jù)集rdd的變換序列存儲(chǔ)下來，彈性分布式數(shù)據(jù)集rdd的變換序列為彈性分布式數(shù)據(jù)集rdd由其他彈性分布式數(shù)據(jù)集rdd變換的信息以及重建其中的數(shù)據(jù)的信息；當(dāng)需要恢復(fù)彈性分布式數(shù)據(jù)集rdd中的數(shù)據(jù)塊時(shí)，根據(jù)彈性分布式數(shù)據(jù)集rdd記錄的動(dòng)作以及與父彈性分布式數(shù)據(jù)集的依賴關(guān)系選擇不同的恢復(fù)方法；窄依賴可以直接通過計(jì)算父彈性分布式數(shù)據(jù)集的某塊數(shù)據(jù)計(jì)算得到子彈性分布式數(shù)據(jù)集對(duì)應(yīng)的某塊數(shù)據(jù)；寬依賴需要將父彈性分布式數(shù)據(jù)集中的所有數(shù)據(jù)塊全部重新計(jì)算來恢復(fù)，并根據(jù)其的重新計(jì)算時(shí)間，設(shè)置新的緩存塊替換策略轉(zhuǎn)換閾值threshold-lcc＝t，其中t為ccb中權(quán)重最低的彈性分布式數(shù)據(jù)集rdd中數(shù)據(jù)塊的重計(jì)算時(shí)間。

本發(fā)明的有益成果是：本發(fā)明結(jié)合彈性分布式數(shù)據(jù)集rdd自身特點(diǎn)，通過其的依賴關(guān)系恢復(fù)數(shù)據(jù)塊，降低了內(nèi)存的i/o需求；本發(fā)明采用低內(nèi)存開銷的重計(jì)算開銷的數(shù)據(jù)結(jié)構(gòu)記錄彈性分布式數(shù)據(jù)集rdd的動(dòng)作權(quán)重，屬于同一rdd的所有數(shù)據(jù)塊重計(jì)算開銷相同，極大地降低了內(nèi)存開銷；本發(fā)明針對(duì)大數(shù)據(jù)應(yīng)用的特點(diǎn)優(yōu)化緩存替換策略，通過記錄rdd的動(dòng)作權(quán)重判斷重計(jì)算開銷，來驅(qū)逐重計(jì)算開銷較小的數(shù)據(jù)塊，避免了lru策略導(dǎo)致的數(shù)據(jù)塊重復(fù)驅(qū)逐與讀入，能夠顯著減少內(nèi)存開銷；本發(fā)明涉及的緩存策略能夠動(dòng)態(tài)識(shí)別負(fù)載特征，自動(dòng)切換緩沖塊替換策略，實(shí)現(xiàn)了性能最大化。

附圖說明

圖1是本發(fā)明的流程示意圖。

具體實(shí)施方式

為了使本發(fā)明所要解決的技術(shù)問題、技術(shù)方案及有益效果更加清楚明白，以下結(jié)合實(shí)施例，對(duì)本發(fā)明進(jìn)行詳細(xì)的說明。應(yīng)當(dāng)說明的是，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明，能實(shí)現(xiàn)同樣功能的產(chǎn)品屬于等同替換和改進(jìn)，均包含在本發(fā)明的保護(hù)范圍之內(nèi)。具體方法如下：

實(shí)施例1：緩存替換算法的核心在于充分局部性原理提高緩存命中率，各種替換算法的主要不同在于如何量化局部性。常見的兩種緩存策略包括：基于訪問時(shí)間的lru(leastrecentlyused)策略和基于訪問頻率的lfu(leastfrequentlyused)策略。lru算法維護(hù)一個(gè)緩存項(xiàng)隊(duì)列,隊(duì)列中的緩存項(xiàng)按每項(xiàng)的最后被訪問時(shí)間排序。當(dāng)緩存空間已滿時(shí),將處于隊(duì)尾,即刪除最后一次被訪問時(shí)間距現(xiàn)在最久的項(xiàng),將新的區(qū)段放入隊(duì)列首部。但lru算法僅維護(hù)了緩存塊的訪問時(shí)間信息,沒有考慮被訪問頻率等因素,在某些訪問模式下無法獲得理想命中率。lfu算法按每個(gè)緩存塊的被訪問頻率將緩存中的各塊排序,當(dāng)緩存空間已滿時(shí),替換掉緩存隊(duì)列中訪問頻率最低的一項(xiàng)。與lru的缺點(diǎn)類似,lfu僅維護(hù)各項(xiàng)的被訪問頻率信息,對(duì)于某緩存項(xiàng),如果該項(xiàng)在過去有著極高的訪問頻率而最近訪問頻率較低,當(dāng)緩存空間已滿時(shí)該項(xiàng)很難被從緩存中替換出來,進(jìn)而導(dǎo)致命中率下降。

spark是ucberkeleyamplab(加州大學(xué)伯克利分校的amp實(shí)驗(yàn)室)所開源的類hadoopmapreduce的通用并行框架，主要特點(diǎn)是提供了一個(gè)集群的分布式內(nèi)存抽象，以支持需要工作集的應(yīng)用。這個(gè)抽象就是rdd(resilientdistributeddataset)，也被稱為彈性分布式數(shù)據(jù)集。rdd一種有容錯(cuò)機(jī)制的特殊集合，可以分布在集群的節(jié)點(diǎn)上，以函數(shù)式編操作集合的方式，進(jìn)行各種并行操作?？梢詫dd理解為一個(gè)具有容錯(cuò)機(jī)制的特殊集合，它提供了一種只讀、只能有已存在的rdd變換而來的共享內(nèi)存，然后將所有數(shù)據(jù)都加載到內(nèi)存中，方便進(jìn)行多次重用。spark的特點(diǎn)總結(jié)如下：a.rdd是分布式的，可以分布在多臺(tái)機(jī)器上，進(jìn)行計(jì)算。b.rdd是彈性的，計(jì)算過程中內(nèi)存不夠時(shí)它會(huì)和磁盤進(jìn)行數(shù)據(jù)交換。c.這些限制可以極大的降低自動(dòng)容錯(cuò)開銷d.spark實(shí)質(zhì)是一種更為通用的迭代并行計(jì)算框架，用戶可以顯示的控制計(jì)算的中間結(jié)果，然后將其自由運(yùn)用于之后的計(jì)算。

在mapreduce框架中，shuffle是連接map和reduce之間的橋梁，當(dāng)map的輸出結(jié)果要被reduce使用時(shí)，輸出結(jié)果需要按key哈希，并且分發(fā)到每一個(gè)reducer上去，這個(gè)過程就是shuffle。shuffle過程會(huì)產(chǎn)生大量的中間文件，內(nèi)存需求巨大。由于shuffle涉及到了磁盤的讀寫和網(wǎng)絡(luò)的傳輸，因此shuffle性能的高低直接影響到了整個(gè)程序的運(yùn)行效率。隨著大數(shù)據(jù)時(shí)代應(yīng)用的規(guī)模不斷增加，內(nèi)存資源的需求量也隨之增加，當(dāng)內(nèi)存大小無法滿足應(yīng)用的工作集的需求時(shí)，必然導(dǎo)致頻繁的緩存塊替換。若采用普通的lru策略，驅(qū)逐被訪問最少的數(shù)據(jù)塊，那么很可能出現(xiàn)當(dāng)某一個(gè)不在內(nèi)存中的數(shù)據(jù)塊需要被訪問時(shí)，由于內(nèi)存資源不夠，必須先驅(qū)逐另一個(gè)之后很可能被訪問的相鄰數(shù)據(jù)塊，再把該塊讀入內(nèi)存，導(dǎo)致不必要的開銷。

實(shí)施例2：本實(shí)施例基于sparkrdd的一種自適應(yīng)緩存塊替換策略的實(shí)施步驟如下：

1)根據(jù)主機(jī)內(nèi)存資源和彈性分布式數(shù)據(jù)集rdd的數(shù)量，初始化重計(jì)算開銷的數(shù)據(jù)結(jié)構(gòu)，為其分配相應(yīng)內(nèi)存空間，為每個(gè)rdd建立權(quán)重信息，所有位初始化為0。跳轉(zhuǎn)執(zhí)行步驟2)；

2)根據(jù)彈性分布式數(shù)據(jù)集rdd經(jīng)歷的動(dòng)作及其與父rdd的依賴關(guān)系，記錄每個(gè)rdd的權(quán)重。跳轉(zhuǎn)執(zhí)行步驟3)；

3)設(shè)置數(shù)據(jù)塊的替換策略為lru策略，監(jiān)控短時(shí)間內(nèi)是否有內(nèi)存塊被驅(qū)逐后又重新讀入內(nèi)存，若有則c+1。跳轉(zhuǎn)執(zhí)行步驟4)；

4)若c的值超過替換策略轉(zhuǎn)換閾值threshold-lru，且數(shù)據(jù)塊的讀取開銷t0大于重計(jì)算開銷閾值threshold-lcc，則跳轉(zhuǎn)執(zhí)行步驟5)，否則跳轉(zhuǎn)執(zhí)行步驟3)；

5)數(shù)據(jù)塊替換策略為lcc策略，驅(qū)逐重計(jì)算開銷最小的數(shù)據(jù)塊。當(dāng)需要恢復(fù)數(shù)據(jù)塊時(shí)，讀取rdd血統(tǒng)關(guān)系，重新計(jì)算數(shù)據(jù)塊，并根據(jù)重計(jì)算開銷設(shè)置新的轉(zhuǎn)換閾值threshold-lcc。跳轉(zhuǎn)執(zhí)行步驟6)；

6)比較數(shù)據(jù)讀取開銷與重計(jì)算開銷。若數(shù)據(jù)塊的讀取開銷t0大于重計(jì)算開銷閾值threshold-lcc，則跳轉(zhuǎn)執(zhí)行步驟5)，否則跳轉(zhuǎn)執(zhí)行步驟3)。

本實(shí)施例設(shè)計(jì)一種基于sparkrdd的一種自適應(yīng)緩存塊替換策略，通過低內(nèi)存開銷的cbb記錄rdd的重計(jì)算權(quán)重。為了結(jié)合應(yīng)用特點(diǎn)優(yōu)化數(shù)據(jù)塊替換策略，本發(fā)明設(shè)計(jì)了一種動(dòng)態(tài)緩存替換策略，結(jié)合rdd的血統(tǒng)關(guān)系判斷屬于某一rdd的所有數(shù)據(jù)塊的重計(jì)算開銷，動(dòng)態(tài)識(shí)別當(dāng)前緩存替換策略下數(shù)據(jù)塊的讀取延遲，當(dāng)短時(shí)間內(nèi)多個(gè)數(shù)據(jù)塊被驅(qū)逐后又重新讀入內(nèi)存時(shí)，將數(shù)據(jù)塊替換策略更改為lcc。之后在數(shù)據(jù)塊恢復(fù)階段，根據(jù)數(shù)據(jù)塊的重計(jì)算開銷設(shè)置新的閾值threshold-lcc，當(dāng)重計(jì)算開銷大于內(nèi)存讀取數(shù)據(jù)塊的延遲后，將數(shù)據(jù)塊的替換策略更改為lru。本實(shí)施例具有低內(nèi)存開銷、動(dòng)態(tài)更改數(shù)據(jù)塊替換策略，自適應(yīng)負(fù)載特點(diǎn)等優(yōu)點(diǎn)。

本發(fā)明的有益成果是：本發(fā)明結(jié)合彈性分布式數(shù)據(jù)集rdd自身特點(diǎn)，通過其的依賴關(guān)系恢復(fù)數(shù)據(jù)塊，降低了內(nèi)存的i/o需求；本發(fā)明采用低內(nèi)存開銷的重計(jì)算開銷的數(shù)據(jù)結(jié)構(gòu)記錄彈性分布式數(shù)據(jù)集rdd的動(dòng)作權(quán)重，屬于同一rdd的所有數(shù)據(jù)塊重計(jì)算開銷相同，極大地降低了內(nèi)存開銷；本發(fā)明針對(duì)大數(shù)據(jù)應(yīng)用的特點(diǎn)優(yōu)化緩存替換策略，通過記錄rdd的動(dòng)作權(quán)重判斷重計(jì)算開銷，來驅(qū)逐重計(jì)算開銷較小的數(shù)據(jù)塊，避免了lru策略導(dǎo)致的數(shù)據(jù)塊重復(fù)驅(qū)逐與讀入，能夠顯著減少內(nèi)存開銷；本發(fā)明涉及的緩存策略能夠動(dòng)態(tài)識(shí)別負(fù)載特征，自動(dòng)切換緩沖塊替換策略，實(shí)現(xiàn)了性能最大化。

以上所述僅為本發(fā)明之較佳實(shí)施例，并非用以限定本發(fā)明的權(quán)利要求保護(hù)范圍。同時(shí)以上說明，對(duì)于相關(guān)技術(shù)領(lǐng)域的技術(shù)人員應(yīng)可以理解及實(shí)施，因此其他基于本發(fā)明所揭示內(nèi)容所完成的等同改變，均應(yīng)包含在本權(quán)利要求書的涵蓋范圍內(nèi)。