非预测缓存策略的缓存命中概率的新上界
摘要：缓存系统长期以来对于改善各种网络和基于Web的在线应用程序的性能至关重要。在这种系统中，端到端应用程序性能严重依赖于从缓存传输的对象的比例，也称为缓存命中概率。许多缓存策略已提出和实施以提高命中概率。在这项工作中，我们提出了一种计算所有非预测性缓存策略的命中概率上界的新方法，即对于没有未来请求知识的策略。我们的关键见解是根据对象的失效率（HR）函数值与其大小的比率对对象进行排序，并将具有最大比率的对象放置在缓存中，直到缓存容量用尽。在某些统计假设下，我们证明了我们提出的基于HR和大小比率的排序模型计算出最大可实现的命中概率，并作为所有非预测性缓存策略的上界。我们推导出了对于某些特定对象请求到达过程的上界的闭合形式表达式。我们还提供模拟结果来验证其正确性，并将其与最先进的上界进行比较。我们发现它对于各种对象请求到达过程比最先进的上界更加紧密。
作者：Nitish K. Panigrahy, Philippe Nain, Giovanni Neglia and Don Towsley
论文ID：2106.06457
分类：Performance
分类简称：cs.PF
提交时间：2021-06-14