這些數據被存在大區塊(或macroblocks)中,允許處理器定位其所需的數據,但也為macroblocks帶來了額外的包含的、不需要的數據檢索——既費時、又費電。
然而随着時間的推移而學習處理器所需的特定數據從每個macroblock中取出,三星和北卡州立大學的研究人員們能夠采取多種方法來提升數據檢索的效率。
首先,它通過允許緩存壓縮macroblock來加速數據檢索的過程,因此隻包含相關的數據。
這麼一來,壓縮後的數據,就為處理器更有可能需要的其它數據騰出了空間。
這項技術被稱作密集足迹緩存(DFC),采用了當前最先進的片疊式DRAM管理方法(借助一顆處理器和内存模拟器)。
研究人員在為每款應用程序測試運行了30億指令之後,發現其速度可提升9.5%、并節省了4.3%的能源消耗。
研究還發現,DFC顯著降低了最後一級緩存(LLC)的失誤影響。這種情況指處理器嘗試檢索并不存在于緩存之中的數據,因此需要從主存(RAM)之外檢索所需的數據,顯然費時又費電。
在測試中,DFC将LLC非命中率減少了43%。
該團隊将于10月3-6号在華盛頓特區召開的國際内存系統研讨會上講解他們的研究論文(PDF)。
[編譯自:New Atlas, 來源:NC State]
,更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!