Softwarově řízené vyrovnávání opotřebení při čtení a zápisu pro energeticky nezávislou hlavní paměť, část 5

7 HODNOCENÍ

V této části hodnotíme dva hlavní scénáře: (1) NVM s destruktivním čtením a (2) NVM s destruktivním čtením. Pro první z nich je použita pouze podmnožina prezentovaných konceptů a pro ty druhé jsou použity všechny prezentované koncepty.

Destruktivní čtení neovlivňuje naši paměť. Ve skutečnosti, na rozdíl od tradičního psaní poznámek nebo čtení, je destruktivní čtení aktivnější metodou učení, která může zlepšit naši efektivitu učení a paměť.

Destruktivní čtení se týká zvýraznění, zdůraznění nebo přidání osobního porozumění klíčovému obsahu při čtení, abychom prohloubili naše sebeporozumění a dojem znalostí. Tato metoda učení nám může pomoci rychleji a přesněji absorbovat znalosti a výrazně zlepšit efektivitu paměti. S hlubším porozuměním a silnější pamětí můžeme naučené znalosti flexibilněji uplatnit ve své budoucí práci, studiu a životě a dosáhnout lepších výkonů a větších úspěchů.

Abychom dosáhli co největšího účinku při destruktivním čtení, musíme být plně připraveni a soustředěni. Vyberte si klidné a pohodlné místo a zaměřte se na čtení a porozumění, abychom pochopili a zvládli co nejvíce. Pokud jste zmatení z nějakého konceptu nebo myšlenky, neváhejte se zbavit svého strachu a hledejte hlubší porozumění. Můžeme komunikovat se spolužáky, učiteli nebo jinými odborníky, abychom těmto pojmům dále porozuměli a své porozumění zaznamenali.

Stručně řečeno, destruktivní čtení je pozitivní metoda učení, která může zlepšit naši efektivitu učení a paměť, což nám umožňuje lépe aplikovat znalosti v naší budoucí práci a životě. Dokud se soustředíme, zachováme si pokorný a pilný přístup a zvykneme si zaznamenávat své nápady, můžeme dosáhnout lepších výsledků učení. Je vidět, že potřebujeme zlepšit paměť. Cistanche může výrazně zlepšit paměť, protože má antioxidační, protizánětlivé účinky a účinky proti stárnutí, což může pomoci snížit oxidaci a zánět v mozku, a tím chránit zdraví nervového systému. Kromě toho může Cistanche také podporovat růst a opravu nervových buněk, čímž zlepšuje konektivitu a funkci neuronových sítí. Tyto účinky mohou pomoci zlepšit paměť, schopnost učení a rychlost myšlení a mohou také zabránit výskytu kognitivní dysfunkce a neurodegenerativních onemocnění.

Klikněte na vědět doplňky pro posílení paměti

U každého scénáře nejprve vyhodnotíme hrubozrnné vyrovnávání opotřebení, které zohledňuje stárnutí. Jak jsme již vysvětlili, touto metodou nelze dosáhnout optimálního vyrovnání opotřebení, a proto ji hodnotíme v kombinaci s jemnozrnnými přístupy následně.

Nejprve podrobně popíšeme naše nastavení hodnocení a metodologii analýzy, poté představíme výsledky našich dvou hlavních scénářů.

7.1 Nastavení hodnocení

Jako technické nastavení pro vyhodnocení používáme simulační prostředí [10], kde také implementujeme naše algoritmy pro vyrovnávání opotřebení z částí 5 a 6.

Přestože nastavení simulace provádí úplnou simulaci systému a naše implementace by tedy běžela i na reálném systému, klíčovou výhodou použití simulačních funkcí je, že můžeme snadno sledovat přístupy do paměti a následně je analyzovat.

V této práci uvažujeme pouze energeticky nezávislé hlavní paměti s adresovatelnými bajty (tj. žádné paměti založené na blocích). Proto analyzujeme pouze počet přístupů do paměti percell a ne další efekty, jako je mazání bloku v pamětích založených na flash.

Zaznamenáváme stopy přístupu do paměti pro několik srovnávacích aplikací pro základní provedení bez jakéhokoli vyrovnávání opotřebení a pro různé kombinace použitých mechanismů vyrovnávání opotřebení.

Vždy provádíme úplnou simulaci systému s funkční implementací algoritmů pro vyrovnávání opotřebení v runtime systému. Poté porovnáme celkový počet přístupů pro každý bajt paměti a vypočítáme indikátory životnosti paměti.

U scénáře NVM nedestruktivních pro čtení bereme v úvahu pouze přístupy pro zápis a u NVM s destruktivním čtením zvažujeme přístupy pro zápis i pro čtení.

To také znamená, že základní linie (žádné vyrovnávání opotřebení) pro oba tyto scénáře je odlišná, a proto hlásíme zlepšení základní linie.

Vzhledem k tomu, že naše implementace je malé jádro, portování a spouštění aplikací ze známých sad benchmarků vyžaduje manuální integraci kódu a implementaci požadovaných systémových služeb. Proto omezujeme hodnocení na malou sadu benchmarkových aplikací.

7.2 Metodika analýzy

U každého zaznamenaného trasování přístupu agregujeme celkové množství filtrovaných přístupů do každého bajtu paměti. Kromě grafického znázornění počtu přístupů do paměti přes paměťový prostor pro šest benchmarků uvažujeme analytický zisk životnosti paměti. Vypočítáme několik výkonnostních ukazatelů:

• Dosažená výdrž: AE=znamená_přístup_countmax_access_countZa předpokladu, že po opotřebování první paměťové buňky již nelze paměť dále používat ,5 maximální počet přístupů ve všech buňkách určuje maximální životnost.

Vezměte prosím na vědomí, že tuto okolnost lze vynechat použitím dodatečné správy špatných bloků. Dokud jsou špatné bloky detekovány pouze s hrubší granularitou než stránky virtuální paměti, stále existuje potřeba vyrovnávání opotřebení na granularitě stránek virtuální paměti a menších granularitách. Za dokonalých podmínek by mohly být přístupy do paměti libovolně přesouvány do jiných paměťových míst, aby byly všechny buňky zcela vyrovnány opotřebením, což by vedlo k tomu, že průměrný počet přístupů by byl aplikován na každou buňku.

Proto kvocient obou udává procento možné ideální životnosti paměti. V tomto hodnocení nebereme v úvahu další náhradní paměť.

Zlepšení vytrvalosti: EI=AE analyzovaná AE základní čára Vzhledem k dosažené vytrvalosti od základní linie a jiné konfiguraci udává kvocient obou zlepšení dosažené vytrvalosti ve srovnání se základní hodnotou.

• Zlepšení životnosti: LI=EIOV+1Vzhledem ke zlepšení odolnosti a režijnímu OV (procento dalších přístupů do paměti) určité stopy ve srovnání se základní linií lze životnost získané paměti vypočítat vztahem obou.

Pokud například algoritmus zlepší výdrž faktorem EI=4, ale způsobí OV=100% režii, což znamená, že kvůli vyrovnávání opotřebení aplikace vyžaduje ke svému dokončení dvojnásobné množství přístupů do paměti, životnost celkový systém je zvýšen faktorem LI=2.

Pro všechna srovnávací měření vypočítáme metriky AE, EI a LI.

7.3 Hrubozrnné vyrovnávání opotřebení

Naše navrhovaná implementace zahrnuje hrubozrnné vyrovnávání opotřebení s ohledem na stárnutí, kde se stáří paměťových stránek odhaduje pomocí vzorkování přístupů během běhu. V této části provádíme pouze aproximaci stáří a přemapování stránky paměti podle algoritmu přemapování (oddíl 5.3). Výslednou paměťovou stopu zaznamenáme a graficky znázorníme celkový počet přístupů na každý byte.

7.3.1 NVM nedestruktivní pro čtení.

V případě NVM nedestruktivního čtení jsou pouze přístupy pro zápis přibližné a stáří je pouze odhadováno podle počtu přístupů pro zápis na paměťovou stránku. Na obrázku 5 znázorňujeme celkový počet přístupů pro zápis (osa y) přes použitý paměťový prostor (osa x) pro našich šest srovnávacích aplikací, když je aktivována aproximace věku a algoritmus přemapování stránky.

Nastavili jsme vzorkovací frekvenci přístupů k zápisu do Cwritesample=2,000 a poté oznámili prahovou hodnotu pro algoritmus vyrovnávání opotřebení na nreloc=64. Výsledky ukazují, že algoritmus s vědomím stárnutí funguje, protože přístupy k zápisu jsou distribuovány takovým způsobem, že všechny oblasti paměti jsou zapsány podobným vzorem.

Přístupy pro zápis však stále nejsou zcela na úrovni opotřebení, což lze odvodit z obrovského množství vrcholů na obrázku. Je také vidět, že u benchmarků s většími paměťovými stopami (sha a Rijndael) nebyla doba simulace dostatečná pro rovnoměrné zacílení celého paměťového prostoru.

Pokud aplikace nemůže běžet delší dobu, bylo by nutné změnit konfiguraci vyrovnávání opotřebení, aby bylo dosaženo častějšího vyrovnávání opotřebení, aby se tento nedostatek překonal.

7.3.2 Čtení-destruktivní NVM.

Když je cílový systém vybaven NVM destruktivním čtením, povolíme aproximaci zápisu a čtení a odhadneme stáří stránky paměti na základě jejich kumulativního množství přístupů pro čtení a zápis, protože se předpokládá, že oba způsobí stejné opotřebení.

Algoritmus vyrovnávání opotřebení zůstává nezměněn; jen vstup (tj. odhadovaný věk) je jiný. Konfiguraci aproximace zápisu a prahových hodnot přemapování ponecháme v sekci 7.3.1. Dále konfigurujeme vzorkovací frekvenci přístupů pro čtení k Creadsample=12,000, protože přístupy pro čtení mají mnohem vyšší poměr než přístupy pro zápis.

Obrázek 6 znázorňuje celkové množství kumulativních přístupů pro čtení a zápis (osa y) přes paměťový prostor (osa x). Lze provést pozorování podobné tomu na obrázku 5: vyrovnávání opotřebení s vědomím stárnutí funguje, dokonce i pokud jde o destruktivní přístupy ke čtení.

Přesto lze pozorovat, že hrubozrnné vyrovnávání opotřebení není dostatečné k dosažení celkové paměti vyrovnání opotřebení. Aplikace s většími nároky na paměť vedou k lepšímu vyrovnávání opotřebení, než je uvedeno v části 7.3.1. Protože se tedy vyskytují přístupy pro čtení a zápis, je prováděno více akcí vyrovnávání opotřebení.

7.4 Jemnozrnné vyrovnávání opotřebení

Jak ukazuje hodnocení v části 7.3, hrubozrnné vyrovnávání opotřebení nemůže dosáhnout celé paměti s úrovní opotřebení, protože nejsou vyřešeny horké body s hustým přístupem na stránkách paměti. V důsledku toho tento článek navrhuje další jemnozrnné vyrovnávání opotřebení, které je hodnoceno v této části. Kromě hrubozrnného vyrovnávání opotřebení provádíme jemnozrnné vyrovnávání vrstev a textu, abychom dosáhli celkového vyrovnávání opotřebení s ohledem na stárnutí.

7.4.1 NVM nedestrukční pro čtení

U NVM nedestruktivních pro čtení se jemnozrnné rozšíření zaměřuje pouze na zásobník, protože textová oblast je zaměřena pouze na přístupy pro čtení. Zachováváme stejnou konfiguraci jako v části 7.3.1 a provádíme přesun zásobníku při každém přemapování stránek virtuální paměti (tj. se stejným poměrem jako algoritmus přemapování stránek). Vzdálenost přemístění (tj. pohyb zásobníku) nakonfigurujeme na 64 bajtů.

Obrázek 7 představuje výsledný počet přístupů k zápisu (osa y) přes paměťový prostor (osa x). Lze pozorovat, že u některých benchmarků je dosaženo téměř zcela nulové paměti.

Nedostatek v benchmarku Dijkstra vyplývá ze skutečnosti, že Dijkstra intenzivně využívá datový segment ke správě kroků algoritmu. V datovém segmentu se proto objevují hustá místa pro zápis, která nelze vyřešit naším jemně zrnitým zásobníkovým mechanismem.

7.4.2 Čtení-destruktivní NVM

Chcete-li provést jemnozrnné vyrovnávání opotřebení na NVM s destruktivním čtením, je třeba vyřešit hustá horká místa pro čtení i zápis. Proto kromě hrubozrnného nastavení s ohledem na stárnutí z oddílu 7.3.2 používáme náš mechanismus pro vyrovnávání opotřebení zásobníku a textu.

Zachováme stejnou konfiguraci pro hrubozrnný algoritmus a provedeme zásobník a přemístění textu při každém přemístění hrubozrnné stránky. Obecně však platí, že oba poměry lze samostatně konfigurovat na libovolnou hodnotu.

Vzdálenost přemístění pro přemístění zásobníku i textu je nastavena na 64 bajtů. Výsledky na obrázku 8 opět umožňují podobná pozorování jako v případě nedestrukčního čtení v části 7.4.1.

Obecně platí, že paměť je na úrovni opotřebení s ohledem na destruktivní vliv čtení a psaní. U benchmarků crc32 a Rijndael lze stále pozorovat větší nerovnoměrnost. To pramení ze skutečnosti, že vyrovnávání textu opotřebovává pouze přemístitelný kód, ale ne GOT a PLT. Tyto dvě tabulky jsou však čteny během provádění benchmarku, a proto způsobují destruktivní vliv na základní paměť.

7.5 Analytické výsledky

Vzhledem k tomu, že výše uvedená čísla poskytují pouze intuici o dosažené kvalitě námi navrženého algoritmu pro vyrovnávání opotřebení, vypočítáme analytické ukazatele životnosti (část 7.2) pro všechny naše benchmarky a shrnujeme je v tabulce 1. V této tabulce lze uvést několik postřehů. Za prvé, když vezmeme v úvahu pouze poslední sloupec (LI), lze vidět, že celková životnost paměti se naším algoritmem prodlouží až na faktor 955.

Jinými slovy, životnost paměti několik dní bez jakékoli údržby by se prodloužila na mnoho let pouze použitím našich softwarových algoritmů. Za druhé, přístupy pro čtení mohou být v některých benchmarcích o něco hůře opotřebované než přístupy pro zápis, což lze odvodit z nižšího zlepšení životnosti. Jak je vysvětleno v části 7.1, u NVM s destruktivním čtením je třeba vzít v úvahu další základní úroveň. Zlepšení tedy může být výrazně nižší než u nedestrukčních NVM.

Za třetí, zkoumáním prvního sloupce (AE) lze odvodit, jak optimální jsou použité algoritmy. Pokud by AE byla 1, nebylo by možné žádné další zlepšení. Lze pozorovat, že pouze s hrubozrnným vyrovnáváním opotřebení lze ve většině případů dosáhnout pouze několika procent optimální výdrže. Pro jemnozrnné vyrovnávání opotřebení fungují algoritmy výrazně lépe, ale stále umožňují další zlepšení. Dosahovaná výdrž se navíc u různých benchmarkových aplikací liší.

Benchmark Rijndael dosahuje zdaleka nejhorších výsledků, protože naše algoritmy s ním nepracují správně. Přestože režie pro různé konfigurace vyrovnávání opotřebení je implicitně zahrnuta v indikátoru LI, režie jako množství dalších přístupů do paměti v důsledku vyrovnávání opotřebení může být vyšetřen sám. Při zvažování aplikací citlivých na výkon je hlavním faktorem snížení výkonu dodatečné množství přístupů do paměti.

Režii vypočítáme porovnáním celkového množství přístupů do paměti ze simulace s vyrovnáváním opotřebení se základní simulací bez vyrovnávání opotřebení. Při zohlednění pouze přístupů pro čtení to má za následek režii čtení (RO), pro přístupy zápisu režii zápisu (WO) a pro oba typy přístupu v kombinaci v režii čtení a zápisu (RWO).

Tabulka 2 obsahuje výsledné režijní náklady pro různé scénáře vyrovnávání opotřebení. Je vidět, že pouze pro hrubozrnné vyrovnávání opotřebení jsou všechny typy nad hlavou umístěny v několika procentech. Při použití jemnozrnného vyrovnávání opotřebení je vidět, že výsledek vyrovnávání opotřebení závisí na analyzované aplikaci. Například pro Rijndaela ani povolování obrovských režijních nákladů na vyrovnávání opotřebení nevede k výraznému prodloužení životnosti paměti. To lze vysvětlit tím, že vyrovnávání opotřebení necílí dobře na tyto typy přístupů do paměti.

Několik intenzivně přístupných paměťových oblastí zůstává bez opotřebení. Při zkoumání srovnávacích testů, kde může vyrovnávání opotřebení dosáhnout dobrého zlepšení životnosti paměti, však režie činí až ≈300 % – to znamená, že při vyrovnávání opotřebení je provedeno čtyřikrát více přístupů do paměti bez vyrovnávání opotřebení.

Pro interpretaci tohoto výsledku je třeba vzít v úvahu, že režii lze vyladit konfiguračním parametrem na cenu výsledku vyrovnání opotřebení. Pokud však aplikace není citlivá na výkon, může být taková velká režie stále značná; životnost paměti se stále zvyšuje faktorem ≈200.

Provozní režie našich algoritmů pro vyrovnávání opotřebení je důležitým ukazatelem pro praktické použití. Nejen, že další přístupy do paměti vyžadují více času na provedení, ale také provedení aproximace přístupu a rozhodnutí o vyrovnání opotřebení vyžaduje další výpočetní čas. Abychom analyzovali tuto režii, porovnáváme celkové požadované systémové cykly pro základní konfiguraci a konfigurace s povoleným vyrovnáváním opotřebení. Relativní nárůst je uveden v tabulce 3.

Je možné pozorovat, že jemnozrnné metody vyrovnávání opotřebení obecně způsobují vyšší provozní náklady než hrubozrnné metody; vyrovnávání opotřebení při čtení vyžaduje delší dobu provádění než vyrovnávání opotřebení zápisu. Kromě toho je vidět, že časová režie se značně liší pro různé benchmarkové aplikace.

Například crc32 čelí režii nejvýše 32 %, zatímco Rijndael čelí téměř sedminásobnému zvýšení doby provádění. Je třeba poznamenat, že časovou režii lze také nakonfigurovat vyladěním frekvence akcí vyrovnávání opotřebení. Pokud je však možné snížení výkonu z hlediska doby provádění až téměř dvojnásobně, lze většinu benchmarkových aplikací vyrovnat pomocí softwarově řízených řešení.

8 ZÁVĚR

V této práci se zaměřujeme na počítačové systémy, které jsou vybaveny NVM jako hlavní pamětí. Rozlišujte případy v této paměti buď jako nedestruktivní pro čtení, nebo jako destruktivní pro čtení. Navrhujeme softwarově řízené vyrovnávání opotřebení, abychom zlepšili životnost takových systémů, protože nízká životnost může způsobit výrazné snížení životnosti.

U prvního typu systému bereme v úvahu přístupy pro zápis, abychom určili aktuální stáří paměti a provedli se podle akcí vyrovnávání opotřebení, a u druhého případu bereme v úvahu přístupy pro zápis a čtení stejně, protože oba zatěžují paměť stejně. Pro provádění vyrovnávání opotřebení (tj. aktuální stáří paměti je zkoumáno pro každé rozhodnutí o vyrovnání opotřebení) během běhu navrhujeme obecnou aproximaci přístupů pro zápis a čtení za běhu, která se nespoléhá na speciální hardware nebo schopnosti ladění.

Tato aproximace je následně vložena do algoritmu pro vyrovnávání opotřebení, který vyměňuje paměťové stránky podle jejich odhadovaného stáří. Protože mnoho aplikací vyžaduje dodatečné vyrovnávání opotřebení na jemných zrnitostech, navrhujeme dále dva jemnozrnné mechanismy vyrovnávání opotřebení, kde se zaměřujeme konkrétně na oblast zásobníku a textu.

Tato specifická řešení také fungují bez jakýchkoli speciálních hardwarových nebo speciálních systémových požadavků, a proto jsou softwarově řízena. Specifické řešení pro textový segment se používá pouze pro NVM s destruktivním čtením, protože přístupy pro čtení cílí pouze na textový segment. Naše hodnocení porovnává konečnou životnost paměti po použití našich algoritmů s životností paměti základního provádění určitých benchmarkových aplikací. U nedestrukčních NVM můžeme prodloužit životnost až o faktor 955× a u NVM s destruktivním čtením dosáhneme zlepšení až o faktor 418×.

Ačkoli tato čísla silně závisí na chování paměti základního provedení konkrétní aplikace, dosahujeme ≈40 % ideálního vyrovnání opotřebení pro nedestrukční NVM bez čtení a ≈20 % ideálního vyrovnání opotřebení u NVM s destruktivní čtením. Hlavní nedostatky, které to způsobují, jsou vzorce přístupu do paměti, které naše metody explicitně neřeší.

9 VÝHLED

Jak ukazuje naše hodnocení, odpovídajícím nasazením našich algoritmů dosahujeme přiměřeného zlepšení životnosti paměti. Přesto se nám nedaří dosáhnout ideálního vyrovnání opotřebení (indikované dosaženou výdrží (AE)).

Jinými slovy, naše algoritmy mohou být dále vylepšeny, aby bylo dosaženo lepšího vyrovnání opotřebení ve všech scénářích. Jak lze pozorovat u benchmarku Dijkstra, data a sekce BSS potřebují v některých případech také specifické vyrovnání opotřebení. Kromě toho specifické řešení pro textový segment neřeší přístupová aktivní místa v GOT a PLT. Tyto nedostatky hodláme v budoucí práci zlepšit.

ODKAZY

[1] Hoda Aghaei Khouzani, Yuan Xue, Chengmo Yang a Archana Pandurangi. 2014. Prodloužení životnosti PCM energeticky efektivní alokace stránek s ohledem na segmenty a odolné proti opotřebení. In Proceedings of the 2014 International Symposium on Low Power Electronics and Design (ISLPED'14). ACM, New York, NY, 327–330.https://doi.org/10.1145/2627369.2627667

[2] Chi-Hao Chen, Pi-Cheng Hsiu, Tei-Wei Kuo, Chia-Lin Yang a Cheng-Yuan Michael Wang. 2012. Vyrovnání PCMwears na základě věku s téměř nulovými náklady na vyhledávání. In Proceedings of the 49th Annual Design Automation Conference (DAC'12).ACM, New York, NY, 453–458. https://doi.org/10.1145/2228360.2228439[3] Sangyeun Cho a Hyunjin Lee. 2009. Flip-N-Write: Jednoduchá deterministická technika pro zlepšení výkonu zápisu PRAM, energie a výdrže. In Proceedings of the 42nd Annual IEEE/ACM International Symposium on Microarchitecture (MICRO'09). ACM, New York, NY, 347–357.https://doi.org/10.1145/1669112.1669157

[4] Jianbo Dong, Lei Zhang, Yinhe Han, Ying Wang a Xiaowei Li. 2011. Vyrovnání míry opotřebení: Doživotní vylepšení PRAM s variací odolnosti. In Sborník příspěvků ze 48. konference Design Automation. ACM, New York, NY, 972–977.

[5] Alexandre P. Ferreira, Miao Zhou, Santiago Bock, Bruce Childers, Rami Melhem a Daniel Mossé. 2010. Zvýšení životnosti hlavní paměti PCM. In Proceedings of the Conference on Design, Automation, and Test in Europe (DATE'10).914–919.http://dl.acm.org/citation.cfm?id=1870926.1871147.

[6] Vaibhav Gogte, William Wang, Stephan Diestelhorst, Aasheesh Kolli, Peter M. Chen, Satish Narayanasamy a Thomas F. Wenisch. 2019. Software pro správu opotřebení pro trvalé paměti. In Proceedings of the 17th USENIX Conference on File and Storage Technologies (FAST'19). 45–63.https://www.usenix.org/conference/fast19/presentation/gogte.

[7] William Goh a Andreas Dannenberg. 2014. MSP430 FRAM technologie – jak na to a osvědčené postupy. Technická zpráva SLAA628. Texas Instruments.https://www.ti.com/lit/an/slaa628a/slaa628a.pdf?ts=1609843980784&ref{3}}url=https253A252F252Fwww.ti.com252Fproduct252FMSP430FR5989-EP.

[8] MR Guthaus, JS Ringenberg, D. Ernst, TM Austin, T. Mudge a RB Brown. 2001. MiBench: Bezplatná, komerčně reprezentativní embedded benchmarková sada. In Proceedings of 2001 IEEE International Workshop onWorkload Characteristics (WWC'01). IEEE, Los Alamitos, CA, 3.–14.https://doi.org/10.1109/WWC.2001.15

[9] Christian Hakert, Kuan-Hsun Chen, Paul R. Genssler, Georg Brüggen, Lars Bauer, Hussam Amrouch, Jian-Jia Chen a Jörg Henkel. 2020. SoftWear: Pouze softwarové vyrovnávání opotřebení v paměti pro energeticky nezávislou hlavní paměť. CoRRabs/2004.03244 (2020).https://arxiv.org/pdf/2004.03244.pdf.

[10] Christian Hakert, Kuan-Hsun Chen, Mikail Yayla, Georg von der Brüggen, Sebastian Bloemeke a Jian-Jia Chen. 2020. Softwarová prostředí pro analýzu paměti pro vyrovnávání opotřebení v paměti. In Proceedings of the 25th Asiaand South Pacific Design Automation Conference (ASP-DAC'20).

[11] Y. Han, J. Dong, K. Weng, Y. Wang a X. Li. 2016. Vylepšené vyrovnávání rychlosti opotřebení pro zlepšení životnosti PRAM s ohledem na variace procesu. IEEE Transactions on Very Large Scale Integration Systems (VLSI) 24, 1 (leden 2016), 92–102.https://doi.org/10.1109/TVLSI.2015.2395415

[12] Kaixin Huang, Yijie Mei a Linpeng Huang. 2020. Quail: Používání monitoru zápisu NVM k umožnění transparentního vyrovnávání opotřebení. Journal of Systems Architecture 102 (2020), 101658.

For more information:1950477648nn@gmail.com