이전 동작을 기반으로 시스템의 동작을 예측하는 방법

Question

시스템의 이전 동작을 기반으로 향후 동작을 예측하는 알고리즘을 찾고 있습니다.

빈 블록의 공개 목록이있는 병렬 메모리 할당자를 만들고 있습니다. 필요한 경우 각 스레드는이 목록에서 블록을 가져 와서 할당 할 수 있습니다. 블록은 할당 크기 (8, 12, 16 바이트 ~ 약 4KB)에 따라 저장소에 그룹화됩니다. 블럭이 비게되면 (물론 동기화 오버 헤드와 함께) 전역 목록으로 돌아 간다. 빈에서 어떤 블럭도 비어 있지 않으면, 새로운 빈을 얻기 전에 다른 빈의 블럭에서 위치를 "훔치려"시도합니다. , 5 개 블록 소요 메모리, 말할 수

1. 스레드가 할당 가능성이있을 수 있습니다 :

   지금 저를 염려 두 가지 상황이 있습니다. 잠시 후,이 메모리를 모두 할당 해제합니다 (블록은 전역 목록으로 이동합니다). 그 직후, 5 블록을 다시 할당하고 할당을 해제합니다. 이 경우 동기화 오버 헤드를 피하기 때문에 항상 5 개의 블록을 유지하고 전체 목록으로 반환하지 않는 것이 좋습니다.

2. 할당자가 위치를 "도용"하는 경우, 낭비되는 메모리를 사용합니다. 그러나 이것이 메모리 사용을 증가시키는 경우가 있습니다.

나는 패턴의이 종류를 관찰 할 수있는 시스템을 확인하고 다음 번 것을의 할당 자 할 것이 현명하다 무엇을 알고 무엇을하지 않도록 어딘가에 결과를 저장할 (빈 적어도 N 블록을 유지 X, bin Y에서 "도용"하지 마십시오).

유전 알고리즘은 어떤 용도로 사용됩니까? 나는 그들에 관해 아무 것도 모른다. 그러나 나는 그들이 기계 학습에 능숙하다고 들었다. 사전에

감사합니다!

Answer 1

나는 artificial neural networks이 유전자 알고리즘보다 더 적합하다고 믿습니다.

체크 아웃이 SO 질문 :

• When to use Genetic Algorithms and when to use Neural Networks?
메모리 관리자의 올바른 구현에 대한 꽤 많은 기사가 있습니다
• What are some good resources for learning about Neural Networks?

Answer 2

. 이 기사의 대부분은 몇시에 무슨 일이 일어 났는지, 왜 그런지에 대한 시간 측정을 제공합니다. 그래서 저는이 분야에서 이미 수행 된 것을 살펴 보도록 권합니다. 꽤 많은 흥미로운 아이디어가 있습니다. 그 중 많은 것들이 잘 작동하고, 현명하고 흥미로운 개념이 있습니다.

기계 학습 기술은 배우고 알아보기에 재미 있지만, 실제 생활에서는 좋은 결과를 내지 않을 것이라고 생각합니다. 그 이유는 일하기 위해 필요한 많은 오버 헤드 때문입니다. 나는 현대의 캐시가 작동하는 방식에 더 가깝다. 가장 최근에 사용 된 방법이 조금 다르다.

그래서 귀하의 예제에서, 나는 다음을 수행합니다 :

• 는 다른 크기로 만든 "캐시"를 사용하고, 그것을 사용할 수 있습니다. 즉, 시스템에 반환되지 않고 '재사용'에 사용되는 최소 크기를 저장하는 것을 의미합니다.
• 캐시 크기는 동적으로 결정될 수 있습니다.이 스레드에 대해 새 메모리 할당 및 할당 해제 빈도를 확인하십시오. 타작이 너무 자주 수행되는 경우 (종종 시간 매개 변수 일 수 있음) 캐시 크기가 증가합니다.
• 훔치기와 관련하여 : 캐시 크기는 훔칠 수 없으므로 캐싱과 타작 문제를 해결할 수 있습니다.

이 방법의 가장 큰 단점은 메모리 오버 헤드입니다. 캐시 크기를 줄이면 (캐시 ​​크기가 줄어들어도) 줄일 수 있습니다.

Answer 3

아마도 초당 특정 스레드에 대한 특정 크기의 블록 할당 및 할당 해제 횟수를 계산해야합니다. 카운터 수가 높고 할당 수가 할당 해제 수와 거의 같으면 다음 초에 해당 할당량을 무시하려고 할 수 있습니다.

Answer 4

크기가 2, 4, 8, 16 등인 무료 블록을 사용하려는 경우 스레드는 크기 2, 4, 8, 16 등의 메모리를 요청해야합니다. 2의 가장 가까운 힘으로