MARC

 008240612s2023      us  |||||||||||||||c||eng  d
■001000016934826
■00520240214101658
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380585033
■035    ▼a(MiAaPQ)AAI30635349
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aXu,  Yi.
■24510▼aMulti-Level  Methodology  for  PMEM  Data  Consistency▼h[electronic  resource]
■260    ▼a[S.l.]:▼bUniversity  of  California,  San  Diego.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(133  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-04,  Section:  B.
■500    ▼aAdvisor:  Swanson,  Steven.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  San  Diego,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aPersistent  memory  (PMEM)  allows  direct  access  to  persistent  storage  via  a  load/store  interface.  It  promises  to  realize  a  vision  of  high  performance,  data  persistence,  a  simple  programming  interface,  low  cost  with  minimal  storage  overhead.  Previously,  processor  caches  backed  by  PMEM  were  volatile,  complicating  the  design  of  persistent  applications  and  reducing  their  performance.  The  new  generation  of  systems  with  flush-on-fail  semantics  provides  persistent  caches,  offering  the  potential  for  much  simpler,  faster  PMEM  programming  and  execution  models.PMEM  programming  systems  provide  the  means  to  apply  sets  of  writes  to  persistent  states  atomically.  Unfortunately,  most  of  these  systems  impose  significant  overhead  and  are  not  easy  to  use.  Moreover,  most  existing  approaches  to  incorporating  PMEM  realize  only  a  subset  of  the  benefits  of  PMEM.This  dissertation  first  presents  Clobber-NVM,  a  failure-atomicity  library  that  ensures  data  consistency  by  reexecution.  Clobber-NVM's  novel  logging  strategy,  clobber  logging,  records  only  those  transaction  inputs  that  are  overwritten  during  transaction  execution.  Then,  after  a  failure,  it  recovers  to  a  consistent  state  by  restoring  overwritten  inputs  and  reexecuting  any  interrupted  transactions.  Clobber-NVM  utilizes  a  clobber  logging  compiler  pass  for  identifying  the  minimal  set  of  writes  that  need  to  be  logged.  Based  on  our  experiments,  Clobber-NVM  provides  up  to  2.5x  performance  improvement  over  existing  solutions.Second,  it  introduces  Whole  Process  Persistence  (WPP),  a  new  programming  model  for  systems  with  persistent  caches.  In  the  WPP  model,  all  process  state  is  made  persistent.  On  restart  after  a  power  failure,  this  state  is  reloaded  and  execution  resumes  in  an  application-defined  interrupt  handler.  We  describe  the  Zhuque  runtime,  which  transparently  provides  WPP  by  interposing  on  the  C  bindings  for  system  calls  in  userspace.  It  requires  little  or  no  programmer  effort  to  run  applications  on  Zhuque.  Our  measurements  show  that  Zhuque  significantly  outperforms  state-of-the-art  PMEM  libraries.  More  important,  unlike  existing  systems,  Zhuque  places  no  restrictions  on  how  applications  implement  concurrency,  allowing  us  to  run  a  newer  version  of  Memcached  on  Zhuque  and  gain  more  than  7.5x  throughput  over  the  fastest  existing  persistent  implementations.Finally,  it  presents  PERSISTRON,  a  key-value  store  that  exploits  PMEM  effectively  with  almost  no  change  to  the  storage  layer.  Our  main  observation  is  that  most  key-value  stores  employ  a  cache  to  avoid  expensive  access  to  storage.  By  moving  the  cache  layer  to  PMEM  and  using  regular  cache-management  functions  to  manage  PMEM,  most  code  is  untouched,  and  the  cache  is  potentially  reusable  for  other  applications.  We  have  implemented  PERSISTRON  by  modifying  SplinterDB.  PERSISTRON  can  improve  query  performance  by  up  to  46%  over  a  cost-equivalent  all-DRAM  configuration  of  SplinterDB.
■590    ▼aSchool  code:  0033.
■650  4▼aComputer  science.
■650  4▼aComputer  engineering.
■650  4▼aInformation  technology.
■653    ▼aData  consistency
■653    ▼aPersistent  memory
■653    ▼aProgramming  systems
■653    ▼aStorage  system
■653    ▼aClobber  logging
■690    ▼a0984
■690    ▼a0489
■690    ▼a0464
■71020▼aUniversity  of  California,  San  Diego▼bComputer  Science  and  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g85-04B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0033
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16934826▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서