4、移动设备缓存算法与轻量级运行时引擎解析

移动设备缓存算法与轻量级运行时引擎解析

1. WAC算法设计与评估

在设计WAC（Workload-Aware Cache）算法时，充分考虑了典型移动工作负载中频繁且大量的顺序I/O请求。为实现这一需求，简单地将缓存中每个块的属性分为两类：顺序和随机。在算法里，通过在访问块具有顺序性或非顺序性时，给L值加上C SEQ或C RAND来体现该属性。由于顺序块被淘汰更有益，所以将C SEQ设为小的正值（实际实现中用1）；为了让随机块在缓存中停留更久以增加缓存命中率，C RAND被设为比C SEQ更大的值。因此，若缓存块最近被访问或为随机访问，其H值会相对较大，更有可能留在缓存中，这可看作是LRU（Least Recently Used）的广义版本。

为评估WAC和LRU的性能，基于PDA跟踪构建了缓存模拟器。当缓存大小从5MB到60MB（增量为5MB，省略55MB，因为此大小附近命中率已饱和）变化时，WAC在所有缓存大小下的命中率都高于LRU。这表明WAC能更好地保留有价值的块，快速淘汰价值低的块。鉴于WAC对移动工作负载的混合I/O请求模式有效，下一步任务是对其进行扩展，使其在异构存储系统而非单设备存储系统中也能发挥作用。

下面是WAC和LRU在不同缓存大小下命中率对比表格：
| 缓存大小（MB） | WAC命中率（%） | LRU命中率（%） |
| ---- | ---- | ---- |
| 5 | [具体值] | [具体值] |
| 10 | [具体值] | [具体值] |
| 15 | [具体值] | [具体值] |
| … | … | … |
| 60 | [具体值] | [具体值] |

<