論文閱讀 Prefetch-aware fingerprint cache management for data deduplication systems

論文連接 https://link.springer.com/article/10.1007/s11704-017-7119-0

這篇論文試圖解決的問題是在cache 環節以前，prefetch-cache 進來的可能無關的 fingerprint 形成的cache pollution問題，便可能把沒有用的 fingerprint 換入 cache，形成 cache 污染的問題。

這篇論文的貢獻：提出了一種新的針對 prefetch 進來的 fingerprint 替換策略，而且提出了一種 adaptive 的方法，針對不一樣的 fingerprint 有與其對應的替換策略，提升了 deduplication throughput 和 deduplication ratio. 本文並非試圖提出一種新的對 fingerprint 如何進行 prefetch 的方法，而是針對不一樣種類的，已經作過了 prefetch 操做的 fingerprint，針對他們不一樣的種類，作不一樣的replacement。同時，這種 replacement policy 並不和 LRU 等 policy 相沖突，反而能夠和以前的 LRU policy 相結合。

具體方法框架如圖所示：

細節：針對一個被 prefetch 的 fingerprint 分爲了兩大類，一類是 accurate 的fingerprint，一類是 inaccurate 的fingerprint。accurate 的 fingerprint 是說那些prefetch 進 cache 以後，hit 了超過不止一次的 fingerprint，反之則是 inaccurate。對於 inaccurate fingerprint 又能夠劃分爲不一樣的種類，有 Unused prefetched fingerprint，used only once fingerprint，mixed pattern fingerprint，針對這三種不一樣的 fingerprint，提出了不一樣的替換策略，分別是 PreCache-UNU， PreCache-UOO，PreCache-MIX。不一樣的替換策略都有不一樣的假設，天然也有不一樣的操做。

PreCache-UNU 預測全部新被 prefetch 的 fingerprint 都不會被用到（distant future）因此應該直接要被 LRU 算法替換出去（evicted quickly）針對這些 fingerprint，採用的方法是把他們直接移動到 LRU queue 的尾端，這樣當 LRU 進行替換的時候，他們就是第一批被替換出去的 fingerprint。若是這些被認爲是 UNU 的fingerprint 被使用了（即這個時候咱們錯誤的劃分了 fingerprint）那麼根據 LRU 的規則他們也會被放到 head 端，這就是沒有直接把這些 fingerprint 剔除的緣由。

PreCache-UOO 預測全部的新的被 prefetch 的 fingerprint 只會被使用一次，而後就不會被使用。因此，他把這些 fingerprint 放在 LRU 隊列的 head 端，而且當這些 fingerprint 被 hit 的時候，並不會從新調整他們的位置。（由於預測他們只會被使用一次，若是調整了他們的位置，就和傳統的並沒有差異）。針對一些被 prefetch 進 cache，而且較長時間沒有被使用，到快被替換出去的時候才被hit了一次，而後又不會被 hit 的fingerprint 而言，這種策略可以很快的將他們替換出去（由於並無調整他們的位置）。

PreCache-MIX 給全部的 fingerprint 一個統一的策略，放在 LRU 隊列的 tail 端，而且即便命中也不會調整位置。

同時，還存在一個問題，針對一個 fingerprint，如何把它進行分類，如何去選擇一個適合他的替換策略。提出了一種動態適應的選擇器，能夠根據預測的歷史結果，動態選擇合適的策略去替換不一樣的 fingerprint。

選擇器的功能：針對一個 fingerprint，去預測這個 fingerprint 是屬於 accurate 仍是 inaccurate 的，若是是 inaccurate 的，那麼是 UNU 的，仍是 UOO 的，仍是 MIX 的。

選擇器維護了幾個計數器：

• total 記錄了全部被 prefetch 的 fingerprint 個數。
• use_over_once，記錄了cache中全部被 hit 超過一次的 fingerprint 的個數
• unused，記錄了被 prefetch 的，可是沒有被使用的 fingerprint 的個數。
• Use_only_once 記錄了只被使用過一次的 fingerprint 的個數。
• hit_evice_buf 記錄了一個main cache miss 在 evicted 中被 hit 的個數。

選擇器主要的 idea：根據歷史信息來預測。
每一個種類都有一個對應的判別閾值和公式去決定這個 prefetch 的 fingerprint 是不是對應的種類。

效果評估： 在 BLC 和 SiLO 這兩個系統的基礎上加入了 PreCache 算法，使用的數據是 Kernel，MacOS 和 Homes 三種。BLC 系統表明的是 exact deduplication 系統，SiLO 系統表明的是 near exact deduplication 系統，針對兩個不一樣的系統，採起的評價指標也不同。BLC 中，由於 fingerprint 沒法徹底被存入cache，因此使用 look up index 的次數去評價系統，而 SiLO 由於 採用的是 sample feature 的方式，因此使用 deduplication ratio 去評價系統。