¿Cuánto tiempo debemos recordar las cosas?

En este trabajo analizamos el desempeño de sistemas de caché. Un sistema de caché es una memoria que permite almacenar localmente contenidos para luego acceder rápidamente a ellos, sin tener que contactar a la fuente, reduciendo los tiempos de acceso. En el caso de cachés TTL (time-to-live), los contenidos se guardan un cierto tiempo en memoria, lo que genera un compromiso entre el tiempo durante el cual se recuerda el archivo (memoria ocupada) y la probabilidad de que esté guardado localmente cuando es requerido (probabilidad de hit). Nos planteamos entonces encontrar, para un catálogo de objetos de tamaño N, el tiempo óptimo que es necesario mantener cada archivo para maximizar la probabilidad de hit, sujeto a una restricción de memoria ocupada en media. En este trabajo, probamos que la política óptima depende fuertemente de la forma de la función "hazard-rate" del proceso de pedidos. En el caso en que el hazard-rate es creciente, la política óptima resulta ser estática. En el caso de hazard-rate decreciente, caracterizamos la política óptima, y para el caso de tiempos entre pedidos Pareto (de relevancia práctica), caracterizamos el "límite fluido" de la política cuando el tamaño del catálogo tiende a infinito. Compararemos también el desempeño de esta política con políticas más clásicas de caché, como ser "least-recently-used" o "least-frequently-used", entre otras.
  • ¿Cuánto tiempo debemos recordar las cosas?
  • 2017-06-16T10:00:00-03:00
  • 2017-06-16T11:30:00-03:00
  • En este trabajo analizamos el desempeño de sistemas de caché. Un sistema de caché es una memoria que permite almacenar localmente contenidos para luego acceder rápidamente a ellos, sin tener que contactar a la fuente, reduciendo los tiempos de acceso. En el caso de cachés TTL (time-to-live), los contenidos se guardan un cierto tiempo en memoria, lo que genera un compromiso entre el tiempo durante el cual se recuerda el archivo (memoria ocupada) y la probabilidad de que esté guardado localmente cuando es requerido (probabilidad de hit). Nos planteamos entonces encontrar, para un catálogo de objetos de tamaño N, el tiempo óptimo que es necesario mantener cada archivo para maximizar la probabilidad de hit, sujeto a una restricción de memoria ocupada en media. En este trabajo, probamos que la política óptima depende fuertemente de la forma de la función "hazard-rate" del proceso de pedidos. En el caso en que el hazard-rate es creciente, la política óptima resulta ser estática. En el caso de hazard-rate decreciente, caracterizamos la política óptima, y para el caso de tiempos entre pedidos Pareto (de relevancia práctica), caracterizamos el "límite fluido" de la política cuando el tamaño del catálogo tiende a infinito. Compararemos también el desempeño de esta política con políticas más clásicas de caché, como ser "least-recently-used" o "least-frequently-used", entre otras.
  • Cuándo 16/06/2017 de 10:00 a 11:30 (America/Montevideo / UTC-300)
  • Dónde Salón de Seminarios - CMAT
  • Nombre
  • Speaker Andrés Ferragut
  • Agregar evento al calendario iCal