Die Studie identifiziert die Leistungsengpässe aktueller updatier barer String-Schlüssel-Lernindizes, die durch die zeitaufwendige Neutrainierung der Modelle in der hierarchischen Struktur verursacht werden. Je länger die Neutrainierungszeit, desto niedriger ist die Gesamtleistung des Lernindex-Systems.
Um dieses Problem anzugehen, entwickelt SIA einen memobasierten inkrementellen Lernalgorithmus, der nur die aktualisierten Schlüssel für die Berechnung verwendet und die Ergebnisse früherer Berechnungen wiederverwendet. Darüber hinaus beschleunigt SIA den Neutrainierungsprozess durch den Einsatz eines FPGA-Beschleunigers, der die CPU-Ressourcen für den Abfragedienst entlastet.
Die Evaluation zeigt, dass SIA-beschleunigte Lernindizes im Vergleich zu ALEX, LIPP und SIndex eine 2,6-fach und 3,4-fach höhere Durchsatzleistung für die beiden Benchmark-Suiten YCSB und Twitter-Cache-Trace bieten.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문