Multiperspective（多视角） Reuse Prediction

Multiperspective（多视角） Reuse Prediction

1. 通过使用多个能够展示程序和存储器行为的特征（七个参数化特征）来从多个视角对LLC中的缓存块的未来重用进行预测。利用预测的结果，设计三种cache的管理策略：block placement，replacement，bypass

2. 真阳性率：样本实际为正样本，此时预测为正样本的概率

   假阳性率：样本实际为负样本，此时预测为正样本的概率
   

3. LLC的bypass优化：不会被重用的cache block，将直接绕过core cache，bypass到core

4. Multiperspective Reuse Predictor：一个散列感知器预测器，由多种特征集合索引，并且使用感知器学习的修改版本进行训练，允许通过变量的关联性（variable associativities）来参数化特征。

5. SDBP（Sampling Dead Block Prediction）

   • 利用一个采样器保存LLC中部分cache set的tags。当LLC一个在采样器中存在的cache set被访问，采样器中的相应的cache set也会认为被访问了。
   • 当一个属于一个cache set的block被访问时，并且这个cache set在采样器