快取數據預取技術
隨著信息技術的迅速發展，網路規模隨著用戶數呈指數級增長，也越來越龐大，為了支持斷接操作，數據要預先存儲到快取中，由於在斷接過程中只能使用本地的數據，所以要提高用戶的訪問速度，主要採用快取預取技術來減少網路延遲，因此這個數據預先存儲的過程是必需的。
除了套用於網路套用上，快取數據預取技術套用於計算機作業系統快取存儲最佳化技術。數據預取指在處理器訪問該數據進行計算之前，提前將數據從主存儲器載入到快取存儲器上，以降低處理器訪問數據的停頓時間，以提高處理器的性能。數據預取分為軟體預取和硬體預取。
基本介紹
- 中文名：快取數據預取技術
- 性質：預取技術
- 屬性：快取數據
- 計算機結構：快取預取技術
簡介,詳情,
簡介
對於預先存儲的數據進行選擇是預取技術的關鍵，現在比較流行的預取算法主要有六種：
詳情
1、基於訪問機率的預取模型，由於用戶對Web的訪問具有一定的規律，且具有歷史性和相對集中的愛好，因此提出了基於組的興趣和訪問行為對未來將要訪問的資源進行預測。
2、基於數據挖掘的預取模型，利用數據挖掘技術挖掘用戶的興趣關聯規則，作為對用戶即將訪問的頁面進行預取的依據。
3、基於Web語義的預取模型，通過提煉用戶會話特徵，按語義對用戶會話進行分類，伺服器確定用戶會話所屬的類別，預送用戶可能使用的文檔並傳送到客戶端。
4、基於網路性能的預取模型，在對Web代理伺服器上的業務進行分析和對網路RTT進行測量分析的基礎上，對URL的未來訪問進行預測。
5、基於流行度的預取模型，定期地統計網頁的訪問次數，並選取訪問次數較多的網頁組成流行頁面集。然後根據客戶最近發出的請求量的大小，從每個伺服器上的流行頁面集中預取相當於用戶最近發出的請求量的頁面放在快取或直接送給用戶。利用Zipf第1定律和第2定律對訪問流行度建模，提出了基於Web流行度的預取模型。
6、基於神經網路的預取模型，採用基於神經網路的預取模型，利用BP或MA等算法進行學習並預測。通過抽取網頁超鏈描述文字信息中的關鍵字作為神經網路的輸入，神經網路輸出結果作為預取依據，用戶瀏覽路徑頁面作為訓練樣本反饋給神經網路進行學習。
計算機體系結構：快取預取技術
軟體預取：編程人員和編譯器通過插入軟體預取指令來實現數據預取。
硬體預取：現代處理器（CPU）都實現了硬體預取，流預取和步幅預取(stream prefetcher and stride prefetcher)。硬體預取通常只能處理數據訪問模式比較固定情況。
