论文阅读 Prefetch-aware fingerprint cache management for data deduplication systems

论文链接 https://link.springer.com/article/10.1007/s11704-017-7119-0

这篇论文试图解决的问题是在cache 环节之前，prefetch-cache 进来的可能无关的 fingerprint 造成的cache pollution问题，即可能把没有用的 fingerprint 换入 cache，造成 cache 污染的问题。

这篇论文的贡献：提出了一种新的针对 prefetch 进来的 fingerprint 替换策略，并且提出了一种 adaptive 的方法，针对不同的 fingerprint 有与其对应的替换策略，提高了 deduplication throughput 和 deduplication ratio. 本文并不是试图提出一种新的对 fingerprint 如何进行 prefetch 的方法，而是针对不同种类的，已经做过了 prefetch 操作的 fingerprint，针对他们不同的种类，做不同的replacement。同时，这种 replacement policy 并不和 LRU 等 policy 相冲突，反而可以和之前的 LRU policy 相结合。

具体方法框架如图所示：

细节：针对一个被 prefetch 的 fingerprint 分为了两大类，一类是 accurate 的fingerprint，一类是 inaccurate 的fingerprint。accurate 的 fingerprint 是说那些prefetch 进 cache 之后，hit 了超过不止一次的 fingerprint，反之则是 inaccurate。对于 inaccurate fingerprint 又可以划分为不同的种类，有 Unused prefetched fingerprint，used only once fingerprint，mixed pattern fingerprint，针对这三种不同的 fingerprint，提出了不同的替换策略，分别是 PreCache-UNU， PreCache-UOO，PreCache-MIX。不同的替换策略都有不同的假设，自然也有不同的操作。

PreCache-UNU 预测所有新被 prefetch 的 fingerprint 都不会被用到（distant future）所以应该直接要被 LRU 算法替换出去（evicted quickly）针对这些 fingerprint，采用的方法是把他们直接移动到 LRU queue 的尾端，这样当 LRU 进行替换的时候，他们就是第一批被替换出去的 fingerprint。如果这些被认为是 UNU 的fingerprint 被使用了（即这个时候我们错误的划分了 fingerprint）那么根据 LRU 的规则他们也会被放到 head 端，这就是没有直接把这些 fingerprint 剔除的原因。

PreCache-UOO 预测所有的新的被 prefetch 的 fingerprint 只会被使用一次，然后就不会被使用。所以，他把这些 fingerprint 放在 LRU 队列的 head 端，并且当这些 fingerprint 被 hit 的时候，并不会重新调整他们的位置。（因为预测他们只会被使用一次，如果调整了他们的位置，就和传统的并无差别）。针对一些被 prefetch 进 cache，并且较长时间没有被使用，到快被替换出去的时候才被hit了一次，然后又不会被 hit 的fingerprint 而言，这种策略能够很快的将他们替换出去（因为并没有调整他们的位置）。

PreCache-MIX 给所有的 fingerprint 一个统一的策略，放在 LRU 队列的 tail 端，并且即使命中也不会调整位置。

同时，还存在一个问题，针对一个 fingerprint，如何把它进行分类，如何去选择一个适合他的替换策略。提出了一种动态适应的选择器，可以根据预测的历史结果，动态选择合适的策略去替换不同的 fingerprint。

选择器的功能：针对一个 fingerprint，去预测这个 fingerprint 是属于 accurate 还是 inaccurate 的，如果是 inaccurate 的，那么是 UNU 的，还是 UOO 的，还是 MIX 的。

选择器维护了几个计数器：

• total 记录了所有被 prefetch 的 fingerprint 个数。
• use_over_once，记录了cache中所有被 hit 超过一次的 fingerprint 的个数
• unused，记录了被 prefetch 的，但是没有被使用的 fingerprint 的个数。
• Use_only_once 记录了只被使用过一次的 fingerprint 的个数。
• hit_evice_buf 记录了一个main cache miss 在 evicted 中被 hit 的个数。

选择器主要的 idea：根据历史信息来预测。
每个种类都有一个对应的判别阈值和公式去决定这个 prefetch 的 fingerprint 是否是对应的种类。

效果评估：
在 BLC 和 SiLO 这两个系统的基础上加入了 PreCache 算法，使用的数据是 Kernel，MacOS 和 Homes 三种。BLC 系统代表的是 exact deduplication 系统，SiLO 系统代表的是 near exact deduplication 系统，针对两个不同的系统，采取的评价指标也不一样。BLC 中，因为 fingerprint 无法完全被存入cache，所以使用 look up index 的次数去评价系统，而 SiLO 因为 采用的是 sample feature 的方式，所以使用 deduplication ratio 去评价系统。