캐시 알고리즘 이론의 최신 기술은 무엇입니까?

최근에 사용 가능한 메모리가 두 종류 이상인 상황에서 메모리 사용을 최적화하는 일반적인 문제에 관심을 갖게되었으며, 주어진 메모리 세그먼트의 용량과 액세스 속도 사이에 상충 관계가 있습니다.

익숙한 예는 프로세서 캐시, RAM 및 하드 드라이브 (가상 메모리를 통해) 에서 읽 거나 쓸 때를 결정하는 프로그램 입니다.

특히로드해야하는 데이터 양 (프로그램 자체 포함)이 사용 가능한 가장 빠른 스토리지 용량을 크게 초과하는 특별한 경우에 관심이 있습니다 (즉, "모든 것을로드"하는 사소한 솔루션은 적용 할 수 없습니다).

나는 일반적인 캐시 알고리즘을 설명 하는 Wikipedia 페이지 를 발견했다 . 불행히도, 이것들은 약간 저수준입니다.

• LRU 또는 MRU와 같은 많은 것은 여러 번 액세스되는 서브 루틴이있는 경우에만 의미가 있습니다. 많은 수의 서브 루틴이있는 프로그램이 있는데, 그 중 일부는 주어진 실행에서 액세스되지 않으며 일부는 한두 번 액세스되면이 전략은 작동하지 않습니다. 일반적으로 사용되는 것과 그렇지 않은 것.
• CLOCK과 같은 다른 사람들은 실제로 문제의 근원을 공격하는 것이 아니라 구현의 특성을 다루는 것 같습니다.
• 테스트 실행 중 프로그램을 먼저 프로파일 링 한 다음 운영 체제가 그에 따라 최적화 할 수있는 프로파일을 제공하는 전략이 있다는 것을 알고 있습니다. 그러나 프로파일을 작성하는 동안 진정한 "예제 사용법"을 제공하는 문제를 여전히 해결해야합니다.

하드웨어와 소프트웨어의 모든 기술을 추상화하고 순전히 이론적 인 맥락에서 말할 때 알고리즘 구조를 분석하고 효과적인 캐시 전략을 수행하는 것이 가능합니까? 알고리즘이 수행하는 작업에 대한 높은 수준의 이해를 기반으로합니까?

나는 일반적으로 캐시 정책을 제시하기 위해 임의의 주어진 알고리즘을 분석하는 방법에 대해 모른다. 분할 및 정복 구조를 분석하여 가장 잘 알려진 캐시 인식 알고리즘에 대한 사례 기반 . 캐시 불명확 한 알고리즘은 FFT, 행렬 곱셈, 정렬 및 기타 몇 가지로 알려져 있습니다. 참고 항목 위키 백과 페이지 및 참조 거기.