JEDI: model-driven trace generation for cache simulations
JEDI: model-driven trace generation for cache simulations
复制标题
JEDI：用于缓存模拟的模型驱动跟踪生成
DOI：
10.1145/3517745.3561466
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Sitaraman, Ramesh K.
中科院分区：
文献类型：
--
作者：
Sabnis, Anirudh;Sitaraman, Ramesh K.
缓存研究的一个主要障碍是从生产缓存系统中获取原始跟踪的难度越来越大。原始痕迹是大量的，也可能包含私人和专有信息，因此通常不向公众提供。原始跟踪的缺乏阻碍了我们评估新缓存设计的能力，并为我们新的合成跟踪生成工具JEDI提供了理论基础。JEDI生成的合成跟踪与从生产缓存收集的原始跟踪“相似”，特别是，这两个跟踪具有相似的对象级属性，并在缓存模拟中产生相似的命中率。JEDI使用一种称为流行度大小足迹描述符（pFD）的新型流量模型，该模型可以简洁地捕获原始跟踪的关键属性，并使用pFD生成合成跟踪。我们表明，由JEDI产生的合成痕迹可以用来准确地模拟各种缓存准入和驱逐算法，从这些模拟中获得的命中率密切对应的模拟，使用原始的痕迹。JEDI将以开源形式向公众提供，同时提供沿着一个pFD库，该库是根据Akamai生产CDN上托管的流量类别计算得出的。这将使研究人员能够为自己的缓存研究产生逼真的合成痕迹。
A major obstacle for caching research is the increasing difficulty of obtaining original traces from production caching systems. Original traces are voluminous and also may contain private and proprietary information, and hence not generally made available to the public. The lack of original traces hampers our ability to evaluate new cache designs and provides the rationale for JEDI, our new synthetic trace generation tool. JEDI generates a synthetic trace that is "similar" to the original trace collected from a production cache, in particular, the two traces have similar object-level properties and produce similar hit rates in a cache simulation. JEDI uses a novel traffic model called Popularity-Size Footprint Descriptor (pFD) that concisely captures key properties of the original trace and uses the pFD to generate the synthetic trace. We show that the synthetic traces produced by JEDI can be used to accurately simulate a wide range of cache admission and eviction algorithms and the hit rates obtained from these simulations correspond closely to those obtained from simulations that use the original traces. JEDI will be provided to the public as open-source, along with a library of pFD's computed from traffic classes hosted on Akamai's production CDN. This will allow researchers to produce realistic synthetic traces for their own caching research.
登录
查看更多内容
DOI：
10.1145/3544216.3544251
发表时间：
2022-08
期刊：
Proceedings of the ACM SIGCOMM 2022 Conference
影响因子：
--
作者：
Yucheng Yin;Zinan Lin;Minhao Jin;G. Fanti;Vyas Sekar
通讯作者：
Yucheng Yin;Zinan Lin;Minhao Jin;G. Fanti;Vyas Sekar
DOI：
10.1109/ispass.2001.990676
发表时间：
2001-11
期刊：
2001 IEEE International Symposium on Performance Analysis of Systems and Software. ISPASS.
影响因子：
--
作者：
K. Kant;V. Tewari;R. Iyer
通讯作者：
K. Kant;V. Tewari;R. Iyer
DOI：
--
发表时间：
2020
期刊：
--
影响因子：
--
作者：
Aditya Sundarrajan;Mangesh Kasbekar;R. Sitaraman;Samta Shukla
通讯作者：
Aditya Sundarrajan;Mangesh Kasbekar;R. Sitaraman;Samta Shukla
DOI：
10.1109/infocom.2016.7524379
发表时间：
2016-04
期刊：
IEEE INFOCOM 2016 - The 35th Annual IEEE International Conference on Computer Communications
影响因子：
--
作者：
M. Shafiq;Amir R. Khakpour;A. Liu
通讯作者：
M. Shafiq;Amir R. Khakpour;A. Liu
ARM Cortex-M3 和 Cortex-M4 处理器权威指南
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
Virgílio A. F. Almeida;Azer Bestavros;M. Crovella;Adriana de Oliveira
通讯作者：
Adriana de Oliveira