फेसबुकच्या अभियंत्यांनी खुलासा केला, एका अहवालाद्वारे, तंत्रज्ञानाचा परिचय टीएमओ (पारदर्शक मेमरी ऑफलोडिंग) गेल्या वर्षी, जे सर्व्हरवर लक्षणीयरित्या RAM जतन करण्यास अनुमती देते NVMe SSDs सारख्या स्वस्त ड्राइव्हवर काम करण्यासाठी आवश्यक नसलेला दुय्यम डेटा हलवून.
फेसबुक TMO प्रत्येक सर्व्हरवर 20% आणि 32% RAM ची बचत करते असा अंदाज आहे. सोल्यूशन इन्फ्रास्ट्रक्चरमध्ये वापरण्यासाठी डिझाइन केले आहे जेथे अनुप्रयोग वेगळ्या कंटेनरमध्ये चालतात. TMO चे कर्नल-साइड घटक ते आधीपासून Linux कर्नलमध्ये समाविष्ट आहेत.
लिनक्स कर्नल बाजूला, ऑपरेशन तंत्रज्ञानाचा PSI उपप्रणालीद्वारे प्रदान केले जाते (प्रेशर स्टॉल माहिती), आवृत्ती 4.20 नुसार पुरवलेली.
उपनिरीक्षक आधीपासून विविध आउट ऑफ मेमरी ड्रायव्हर्समध्ये वापरले जाते आणि विविध संसाधनांसाठी (CPU, मेमरी, I/O) प्रतीक्षा वेळेबद्दल माहितीचे विश्लेषण करण्यास अनुमती देते. PSI सह, वापरकर्ता स्पेस प्रोसेसर सिस्टम लोड आणि स्लोडाउन पॅटर्नचे अधिक अचूकपणे मूल्यांकन करू शकतात, ज्यामुळे कार्यक्षमतेवर लक्षणीय परिणाम होण्यापूर्वी विसंगती शोधल्या जाऊ शकतात.
वापरकर्ता जागेत, Senpai घटक TMO चालवतो, जे PSI कडून प्राप्त झालेल्या डेटावर आधारित cgroup2 द्वारे ऍप्लिकेशन कंटेनर्ससाठी मेमरी मर्यादा डायनॅमिकरित्या समायोजित करते.
सेनपाई संसाधनांच्या कमतरतेच्या सुरुवातीच्या लक्षणांचे विश्लेषण करते PSI द्वारे, स्लो मेमरी ऍक्सेस करण्यासाठी ऍप्लिकेशन्सच्या संवेदनशीलतेचे मूल्यांकन करते आणि आवश्यक मेमरीचा किमान आकार निर्धारित करण्याचा प्रयत्न करते कंटेनरसाठी, ज्यामध्ये जॉबसाठी आवश्यक डेटा RAM मध्ये राहतो, आणि संबंधित डेटा जो फाइल कॅशेमध्ये बसलेला आहे किंवा सध्या थेट वापरला जात नाही, तो स्वॅप विभाजनासाठी सक्तीने बाहेर काढला जातो.
ट्रान्सपरंट मेमरी ऑफलोड (TMO) हे विषम डेटा सेंटर वातावरणासाठी मेटाचे समाधान आहे. हे एक नवीन लिनक्स कर्नल यंत्रणा सादर करते जी रिअल टाइममध्ये CPU, मेमरी आणि I/O मधील संसाधनांच्या कमतरतेमुळे गमावलेले कार्य मोजते. या माहितीच्या मार्गदर्शनाने आणि ऍप्लिकेशनच्या कोणत्याही पूर्व ज्ञानाशिवाय, TMO आपोआप मेमरीचे प्रमाण संकुचित मेमरी किंवा SSD सारख्या विषम उपकरणावर ऑफलोड करण्यासाठी समायोजित करते. हे डिव्हाइसच्या कार्यप्रदर्शन वैशिष्ट्यांवर आणि स्लो मेमरी ऍक्सेससाठी ऍप्लिकेशनच्या संवेदनशीलतेच्या आधारावर करते.
म्हणूनच, स्मरणशक्तीच्या वापराच्या बाबतीत "कडक आहार" वर प्रक्रिया ठेवणे हे TMO चे सार आहे., न वापरलेली मेमरी पृष्ठे स्वॅप विभाजनामध्ये हलवण्यास भाग पाडणे, जे काढून टाकल्याने कार्यक्षमतेवर लक्षणीय परिणाम होत नाही (उदाहरणार्थ, केवळ प्रारंभ करताना वापरला जाणारा कोड असलेली पृष्ठे आणि डिस्कवर एकदाच कॅश केलेला डेटा). कमी मेमरीच्या प्रतिसादात स्वॅप विभाजनाची माहिती फ्लश करण्याच्या विपरीत, TMO भविष्यसूचक अंदाजावर आधारित डेटा फ्लश करते.
5 मिनिटांच्या आत मेमरी पृष्ठावर प्रवेश नसणे हा प्राधान्याच्या निकषांपैकी एक म्हणून वापरला जातो. या पृष्ठांना थंड पृष्ठे म्हणतात आणि, सरासरी, ते अनुप्रयोगाच्या मेमरीपैकी सुमारे 35% बनवतात (अनुप्रयोगाच्या प्रकारावर अवलंबून, 19% ते 65% पर्यंत फरक आहे).
प्राधान्य मेमरीच्या निनावी पृष्ठांशी संबंधित खाते क्रियाकलाप (अॅप्लिकेशनद्वारे वाटप केलेली मेमरी) आणि फाइल कॅशिंगसाठी वापरली जाणारी मेमरी (कर्नलद्वारे वाटप) विचारात घेते. काही अनुप्रयोगांमध्ये निनावी मेमरी मुख्य वापर आहे, परंतु इतरांमध्ये फाइल कॅशे देखील खूप महत्वाची आहे.
कॅशेमध्ये मेमरी फ्लश करताना असंतुलन टाळण्यासाठी, TMO नवीन पेजिंग अल्गोरिदम वापरते जे निनावी पृष्ठे आणि फाइल कॅशेशी संबंधित पृष्ठे प्रमाणानुसार फ्लश करते.
क्वचितच वापरल्या जाणार्‍या पृष्ठांना स्लो मेमरीवर ढकलल्याने कार्यक्षमतेवर फार मोठा परिणाम होत नाही, परंतु ते हार्डवेअर खर्चात लक्षणीय घट करू शकते. डेटा SSDs किंवा RAM मध्ये संकुचित स्वॅप स्पेसला पाठविला जातो. डेटाचा एक बाइट संचयित करण्याच्या किंमतीवर, NVMe SSDs वापरणे RAM वर कॉम्प्रेशन वापरण्यापेक्षा 10 पट स्वस्त आहे.
शेवटी, जर तुम्हाला त्याबद्दल अधिक जाणून घेण्यात स्वारस्य असेल तर तुम्ही तपशीलांचा सल्ला घेऊ शकता पुढील लिंकवर.
हे सामान्य अॅप्ससह सामान्य संगणकांमध्ये वापरले जाऊ शकते?