☕️ 并行化地址翻译
论文浏览笔记 弹性布谷哈希页表
Elastic Cuckoo Page Tables: Rethinking Virtual Memory Translation for Parallelism
https://dl.acm.org/doi/pdf/10…
???? 简介
???? 根本思维
将传统多层基数页表的程序指针追踪，转化为齐全并行查找，第一次实现了内存级并行的地址翻译。
???? 背景
- 地址转换是存取的性能瓶颈
- 传统多层基数页表的程序指针追踪，没有充分利用内存级并行，理当被取代。
- 哈希页表局限：空间局部性的缺失；每个页表项都须要哈希标签，耗费更多空间；哈希抵触须要屡次存取操作。（前两项可通过精心设计页表 [73] 来解决，页表项汇集和压缩）
- 凋谢地址、链地址需昂扬存取开销。为防止哈希抵触，哈希页表需动静调整大小，开销大。
- 繁多全局哈希页表的毛病：在不减少额定地址翻译层下，不反对过程间页表共享、多种页表大小；完结过程时，需线性扫描整个页表，删除相干项。
- 可调整大小的哈希页表：超过占用阈值，需调配新的大哈希表，需从新哈希、迁徙到新哈希表，十分耗时。
- 渐进式可调整大小的哈希页表：保护新、旧哈希表约需两倍内存开销；需查找新、旧页表，两倍 cache 存取时间。
- 布谷哈希：多个哈希函数，踢出法。
???? 弹性布谷页表
- 地址翻译时应用齐全并行查找，升高指针追踪开销。
- 应用弹性布谷哈希，这种哈希无效反对页表大小动静调整。
- 这种页表可无效解决哈希抵触，提供过程公有页表，反对多种页表大小，反对过程间共享页表，以及按需动静调整页表大小。
- 试验：8 核处理器全系统模拟，包含图剖析、生物信息学、HPC、零碎负载试验。与传统基数页表相比，在地址转换上有 41% 晋升，在应用程序执行上有 3 -18% 的减速。
???? 弹性布谷哈希
$d$- 路布谷哈希。
从旧 $d$- 表路中随机选取一路 $T_i$，用哈希函数 $H_i$，若哈希值落在 live 区，直接插入；否则，应用新的 $d$- 路表的同一路 $T_i’$ 的哈希函数 $H_i’$，被踢出的元素插入 $T_i’$。
查找元素只需 $d$ 次探查：应用旧的 $d$- 表的所有 $H_D$ 函数，对每一路，若哈希值落在 live 区，则探查到，否则应用 $T_i’$。
从两方面改良布谷哈希的渐进式扩大：$d$ 次探查（存取），而非 $2d$ 次；不用从旧表的迁徙区取条目到 cache 中。
???? Rehash
???? Look-up
能够并行化。
例子：
case1：探查 $T_1[H_1(x)],T_2[H_2(x)]$
case2：探查 $T_1′[H_1′(x)],T_2′[H_2′(x)]$
case3：探查 $T_1′[H_1′(x)],T_2[H_2(x)]$
case4：探查 $T_1[H_1(x)],T_2′[H_2′(x)]$
???? Delete
查找到后，革除条目。耗时与 Look-up 雷同。
???? Insert
- $d$ 组中随机选取一组 $i$
- 若 $H_i(x) \ge P_i $，元素插入 $T_i[H_i(x)]$ 地位；否则，插入 $T_i'[H_i'(x)]$ 地位
- 若原来的地位有元素 $y$，则 $y$ 被踢出。从剩下的路中随机选一组，对 $y$ 进行同样的插入操作。
⊥示意空值
???? Hash Table Resize
- 参数：再哈希阈值 $r_t$，乘法因子 $k$。一个哈希表的占有率达到 $r_t$ 时，调配一个新的哈希表，其大小为原来的 $k$ 倍。
- 选 $ r_t $，使得有较小的插入抵触和渺小的插入失败。$d$ = 3 时，较好的 $r_t$ 为 0.6 或更小。
- 选 $k$，使得不占用过多间断内存，且不造成过多页表大小调整。
- $ k > (r_t + 1) / r_t $（附录 A）
- 若在调整大小之外产生插入失败，则触发调整大小；若在调整大小期间产生插入失败，则将多个元素散列到其余中央，再从新插入。试验证实，选取适合的 $r_t$，可完全避免插入失败。
- downsize 参数：downsize 阈值 $d_t$, downsize 因子 $g$。
???? 弹性布谷哈希页表
???? 结构
多级独立页表，可反对任意大小的页面。（基数页表只能反对固定几种大小的）
两层并行：（与基数页表不同）
- 并行查找独立的页表（有 cache 减速）
- 并行查找不同的组
页表项：8 个 PTE 项和 1 个 tag 放在一个 cache line 里。
Cuckoo Walk
???? Cuckoo Walk Tables
- 有 PUD-CWT, PMD-CWT, PTE-CWT：渐进保留更细粒度的信息，按程序拜访。
- 为缩小提早，将它们缓存到 MMU 的Cuckoo walk caches (CWCs)。只缓存前两个。缓存 PTE-CWT 提供的局部性太少（相似于基数页表不缓存 PTE 项）
- OS 线程应用锁更新 PUD-CWT 和 PMD-CWT。
CMT 项：蕴含一个 VPN 标签、多个间断的 Section 头，一个项占一个缓存行。Section 是虚拟内存地址范畴。每个 section 头保留由页表中一个条目映射的虚拟内存段的信息（指定该 section 中页面的大小、页表哪一组保留着这个 section 对应的翻译）。
如图。2MB 位：该 section 是否映射到一或多个 2MB 页面；4KB 位：该 section 是否映射到一或多个 4KB 页面。仅当 2MB 位为 1 时，最初的 way bits 才有意义（哪一组）。
含意：
调配 2MB 和 4KB 页面时，2MB bit 和 4KB bit 第一次更新。当 4KB 页面调配或 rehash 时，way bits 不用更新。
PUD-CWT 相似于 PMD-CWT。每个 section 头有 5bit：1GB 位、2MB 位、4KB 位、2 way bits（记录 1GB 页面映射到哪一路）。
???? Cuckoo Walk Caches
- CWCs 缓存页大小、路信息（传统的基数页表游走缓存存页表项），CWC 项十分小、命中率高。
- CWC 和 CWT 可独立拜访
???? 地址翻译过程
（这里假如没有 1GB 的页）
TLB 缺失后，页表游走硬件查看 PUD-CWC。失去翻译后果，写回 TLB。
- PUD-CWC 命中，3 种状况：仅 4KB，⑤失去翻译后果或页缺失；后两种，访 PMD-CWC。
- PMD-CWC 命中，3 种状况。
- PMD-CWC 缺失，应用 PUD-CWC 的信息进一步探查，2 种状况。
- PUD-CWC 缺失，拜访 PWD-CWC。
- 若思考 1GB 的页，PUD-CWC 缺失和 PMD-CWC 命中，须要取出 PUD-CWT 项。
???? 并发管制
- 页缺失时，仍可查找。相似于 Linux 下基数页表的并发解决。OS 更新弹性布谷页表或 CWT 时，应用锁。读线程临时读到旧的数据。
- 应用同步和原子指令执行：插入、挪动（way 间、resize 时不同页表间）、更新重哈希指针、更新 CWT。
- 若应用 CWC 的内容去找地址映射而失败了，再次执行游走：只拜访指标页表的残余路（若呈现 resize，则拜访两个页表的残余 way）。这就会发现条目挪动到另一路。这样 CWC 的旧条目就失去更新。
???? 试验
baseline 4 KB, Cuckoo 4KB; baseline THP, Cuckoo THP. (THP：通明大页面)
- 图利用：2 个社交图剖析算法（BC, DC）；2 个图遍历算法；单源点最短门路（SSSP)；连通分支（CC）；三角计数（TC）；PageRank
- 生物信息：BioBench suite 的 MUMmer。
- HPC：GUPS，度量整数随机内存更新。
- 零碎：SysBench suite 的内存基准测试。
试验做得挺充沛……学学……
???? 其余
作者的后续工作：将弹性布谷哈希页表用于虚拟环境。
缩小 TLB 缺失的办法：clustering, coalescing, contiguity, prefetching, speculative TLBs, large part-of-memory TLBs
减少 TLB reach 的办法：OS 层改良的大页面反对，去虚拟化内存，应用程序治理虚拟内存。
这些办法着眼于制作 translation contiguity：大的间断虚拟空间映射到大的物理间断空间。这可缩小翻译，升高 TLB 缺失率，从而缩小多步页面游走。
然而，大面积的连续性毁坏了内核和其他软件享有的映射灵活性 counterproductive performance-wise。
该论文着眼于通过一个单步翻译过程来大大降低 page walk 的开销，同时保护了内核和其他软件的现有的形象。因此，不须要连续性，且保留了以后零碎的映射灵活性。
未懂：
- 乘法因子选取的论证（附录 A）