一種基于云計算的合并io裝置制造方法
【專利摘要】本發(fā)明公開了一種基于云計算的合并IO裝置，包括任務(wù)分解器，用于在接收到批量任務(wù)時，提取出每個任務(wù)的輸入信息和輸出信息；輸入合并器，以原子數(shù)據(jù)塊為單位，分別將輸入信息中相同的原子數(shù)據(jù)塊合并為一個原子數(shù)據(jù)塊；輸出合并器，用于將輸出信息及對應(yīng)任務(wù)名分別合并為對應(yīng)的一個數(shù)組，每個任務(wù)只保留對應(yīng)其在不同數(shù)組中的序號值；智能數(shù)據(jù)總線，用于以原子數(shù)據(jù)塊為單位管理輸入和輸出信息，并以原子數(shù)據(jù)塊為單位向hadoop傳遞以輸入或輸出信息為對應(yīng)讀寫內(nèi)容的讀寫數(shù)據(jù)。本發(fā)明在批量處理多個任務(wù)時，提取合并每個任務(wù)的輸入和輸出信息，共享相同的數(shù)據(jù)，把需要使用的數(shù)據(jù)，映射入內(nèi)存，最大限度的使用內(nèi)存，提升讀寫效率。
【專利說明】—種基于云計算的合并1裝置

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，特別是一種基于云計算的合并1裝置。

【背景技術(shù)】
[0002]Hadoop 是一個分布式文件系統(tǒng)(Hadoop Distributed File System),簡稱 HDFS。HDFS有高容錯性的特點(diǎn)，并且設(shè)計用來部署在低廉的(low-cost)硬件上；而且它提供高傳輸率(high throughput)來訪問應(yīng)用程序的數(shù)據(jù),適合那些有著超大數(shù)據(jù)集(large dataset)的應(yīng)用程序。
[0003]大型數(shù)據(jù)量一般都是T級別或P級別(IT = 1024GB, IP = 1024TB)，對于數(shù)據(jù)密集型的任務(wù)，在hadoop執(zhí)行mapreduce的時候(MapReduce是一種編程模型,用于大規(guī)模數(shù)據(jù)集(大于1TB)的并行運(yùn)算，其極大地方便了編程人員在不會分布式并行編程的情況下，將自己的程序運(yùn)行在分布式系統(tǒng)上)，大部分時間都是用在磁盤和網(wǎng)絡(luò)讀寫上面，而系統(tǒng)的CPU和內(nèi)存都沒有被充分的利用起來。假設(shè)一個任務(wù)讀取一個P級的數(shù)據(jù)需要的時間為T，則批量N個任務(wù)同時處理的情況下，可能需要的時間為T*N，處理的速度太慢，效率太低。


【發(fā)明內(nèi)容】

[0004]為解決上述問題，本發(fā)明的目的在于提供一種基于云計算的合并10裝置，把Hadoop讀寫時可能需要使用的數(shù)據(jù)，通過內(nèi)存映射的方式，最大限度的使用內(nèi)存，減少對磁盤和網(wǎng)絡(luò)的讀寫，提升讀寫效率。
[0005]本發(fā)明解決其問題所采用的技術(shù)方案是:
一種基于云計算的合并10裝置，包括:
任務(wù)分解器，用于在接收到批量任務(wù)時，提取出每個任務(wù)的輸入信息和輸出信息；
輸入合并器，以原子數(shù)據(jù)塊為單位，分別將輸入信息中相同的原子數(shù)據(jù)塊合并為一個原子數(shù)據(jù)塊；
輸出合并器，用于將輸出信息及對應(yīng)任務(wù)名分別合并為對應(yīng)的一個數(shù)組，每個任務(wù)只保留對應(yīng)其在不同數(shù)組中的序號值；
智能數(shù)據(jù)總線，用于以原子數(shù)據(jù)塊為單位管理輸入和輸出信息，并以原子數(shù)據(jù)塊為單位向hadoop傳遞以輸入或輸出信息為對應(yīng)讀寫內(nèi)容的讀寫數(shù)據(jù)。
[0006]進(jìn)一步，所述每個任務(wù)的輸入信息包括輸入數(shù)據(jù)的地址及輸入數(shù)據(jù)的時間范圍，以輸入信息作為value值,任務(wù)分解器以對應(yīng)任務(wù)的任務(wù)名作為key值,將每個任務(wù)的key值與value值存入至任務(wù)分解器的輸入緩存對象中。
[0007]進(jìn)一步，所述每個任務(wù)的輸出信息包括輸出數(shù)據(jù)地址，任務(wù)分解器以輸出信息作為value值，以對應(yīng)任務(wù)的任務(wù)名作為key值,將每個任務(wù)的key值與value值存入至任務(wù)分解器的輸出緩存對象中。
[0008]進(jìn)一步，所述輸入合并器以輸入緩存對象中存儲的數(shù)據(jù)作為合并對象，根據(jù)每個任務(wù)的輸入數(shù)據(jù)的地址及輸入數(shù)據(jù)的時間范圍判斷是否有相同的原子數(shù)據(jù)塊，如果有，則將其合并為一個原子數(shù)據(jù)塊。
[0009]進(jìn)一步，所述輸出合并器以輸出緩存對象中的數(shù)據(jù)作為合并對象，首先對不同任務(wù)的key值與value值進(jìn)行分析合并，之后，分別將key值與value值并成對應(yīng)一個大的key值數(shù)組和value值數(shù)組,每個任務(wù)只保留對應(yīng)其在key值數(shù)組和value值數(shù)組中的序號值。
[0010]進(jìn)一步，所述智能數(shù)據(jù)總線為與hadoop通信的唯一接口，且
當(dāng)hadoop讀取數(shù)據(jù)時，其每次讀取的數(shù)據(jù)大小均為智能數(shù)據(jù)總線處理后的輸入數(shù)據(jù)，此輸入數(shù)據(jù)的大小為原子數(shù)據(jù)塊的整數(shù)倍，不足以零補(bǔ)充；
當(dāng)hadoop寫入數(shù)據(jù)時，其首先將數(shù)據(jù)傳輸至智能數(shù)據(jù)總線，智能數(shù)據(jù)總線將寫入數(shù)據(jù)拼裝成原子數(shù)據(jù)塊的整數(shù)倍大小的輸出數(shù)據(jù)后，再統(tǒng)一寫入磁盤。
[0011]進(jìn)一步，所述合并10裝置還包括數(shù)據(jù)緩存器，當(dāng)系統(tǒng)內(nèi)存不能承受過多的原子數(shù)據(jù)塊時，智能數(shù)據(jù)總線將多余的原子數(shù)據(jù)塊下放給數(shù)據(jù)緩存器，數(shù)據(jù)緩存器用于根據(jù)原子數(shù)據(jù)塊的下放時間信息構(gòu)成時間索引樹。
[0012]進(jìn)一步，所述時間索引樹的樹枝分為三級，其中，第I級樹枝存放天，第2級樹枝存放小時，第3級樹枝存放分鐘，葉子節(jié)點(diǎn)存放原子數(shù)據(jù)塊，且時間索引樹的樹枝節(jié)點(diǎn)全部存放內(nèi)存中，葉子節(jié)點(diǎn)上的原子數(shù)據(jù)塊經(jīng)過壓縮后，存放至磁盤。
[0013]進(jìn)一步，所述原子數(shù)據(jù)塊具有權(quán)重，權(quán)重的大小與該原子數(shù)據(jù)塊被不同任務(wù)重復(fù)使用的次數(shù)成正比，當(dāng)智能數(shù)據(jù)總線將多余的原子數(shù)據(jù)塊下放給數(shù)據(jù)緩存器時，首先下放權(quán)利最小的原子數(shù)據(jù)塊。
[0014]進(jìn)一步，所述原子數(shù)據(jù)塊的大小為1024KB。
[0015]本發(fā)明的有益效果是:
本發(fā)明采用一種基于云計算的合并10裝置，在批量處理多個任務(wù)的時候，提取每個任務(wù)的輸入和輸出信息，改變目前hadoop只是通過磁盤來讀寫數(shù)據(jù)和緩存數(shù)據(jù)的方式，共享相同的數(shù)據(jù)，把可能需要被使用的數(shù)據(jù)，通過內(nèi)存映射的方式，最大限度的使用內(nèi)存，盡量把數(shù)據(jù)存放到內(nèi)存，減少對磁盤和網(wǎng)絡(luò)讀寫，提升讀寫效率。

【專利附圖】

【附圖說明】
[0016]下面結(jié)合附圖和實(shí)例對本發(fā)明作進(jìn)一步說明。
[0017]圖1是本發(fā)明的原理示意圖。

【具體實(shí)施方式】
[0018]實(shí)施例1:
參照圖1所示，本發(fā)明提供了一種基于云計算的合并10裝置，包括:
任務(wù)分解器，用于在接收到批量任務(wù)時，提取出每個任務(wù)的輸入信息和輸出信息；
輸入合并器，以原子數(shù)據(jù)塊為單位，分別將輸入信息中相同的原子數(shù)據(jù)塊合并為一個原子數(shù)據(jù)塊；
輸出合并器，用于將輸出信息及對應(yīng)任務(wù)名分別合并為對應(yīng)的一個數(shù)組，每個任務(wù)只保留對應(yīng)其在不同數(shù)組中的序號值；
智能數(shù)據(jù)總線，用于以原子數(shù)據(jù)塊為單位管理輸入和輸出信息，并以原子數(shù)據(jù)塊為單位向hadoop傳遞以輸入或輸出信息為對應(yīng)讀寫內(nèi)容的讀寫數(shù)據(jù)。
[0019]其中，所述每個任務(wù)的輸入信息包括輸入數(shù)據(jù)的地址及輸入數(shù)據(jù)的時間范圍，任務(wù)分解器以輸入信息作為value值，以對應(yīng)任務(wù)的任務(wù)名作為key值,將每個任務(wù)的key值與value值存入至任務(wù)分解器的輸入緩存對象中。
[0020]輸入緩存對象存儲于內(nèi)存之中，當(dāng)任務(wù)分解器提取輸入信息后，將輸入緩存對象傳遞至輸入合并器，輸入合并器根據(jù)每個任務(wù)的輸入數(shù)據(jù)的地址和輸入數(shù)據(jù)的時間范圍進(jìn)行分析，判斷在本地磁盤中是否有相同的原子數(shù)據(jù)塊，其中，每個原子數(shù)據(jù)塊的大小被規(guī)定為1024k，且每個原子數(shù)據(jù)塊均有一個權(quán)重，此權(quán)重的大小與該原子數(shù)據(jù)塊被不同任務(wù)重復(fù)使用的次數(shù)成正比，如果有相同的原子數(shù)據(jù)塊，則將輸入緩存對象中的key值與value值進(jìn)行對應(yīng)合并，減小輸入緩存對象的空間，釋放對應(yīng)內(nèi)存空間，提升內(nèi)存利用效率。
[0021]其中，所述每個任務(wù)的輸出信息包括輸出數(shù)據(jù)地址，任務(wù)分解器以輸出信息作為value值，以對應(yīng)任務(wù)的任務(wù)名作為key值,將每個任務(wù)的key值與value值存入至任務(wù)分解器的輸出緩存對象中。
[0022]輸出緩存對象存儲于內(nèi)存中，當(dāng)任務(wù)分解器提取輸出信息后，把輸出緩存對象傳遞給輸出合并器。輸出合并器就輸出的key和value值進(jìn)行分析,把多個輸出key和value值分別對應(yīng)合并成一個大的key值數(shù)組和value值數(shù)組,每個任務(wù)只是保留key值數(shù)組和value值數(shù)組里面的對應(yīng)的數(shù)組序號值。
[0023]本發(fā)明設(shè)置了與hadoop通信的唯一接口——智能數(shù)據(jù)總線。當(dāng)hadoop讀取數(shù)據(jù)時，hadoop就會從智能數(shù)據(jù)總線讀取數(shù)據(jù)，每次讀取的數(shù)據(jù)大小都是原子數(shù)據(jù)塊的整數(shù)倍，不夠用零來補(bǔ)充；當(dāng)hadoop寫數(shù)據(jù)時，hadoop就會從把數(shù)據(jù)寫入智能數(shù)據(jù)總線,從hadoop提交的數(shù)據(jù)，不會被立即寫入到磁盤，而是首先被智能數(shù)據(jù)總線拼裝成原子數(shù)據(jù)塊的整數(shù)倍后，統(tǒng)一寫入磁盤。智能數(shù)據(jù)總線統(tǒng)一管理原子數(shù)據(jù)塊。如果當(dāng)前系統(tǒng)內(nèi)存比較大，則保存到系統(tǒng)內(nèi)存中的原子數(shù)據(jù)塊就多；如果當(dāng)前系統(tǒng)內(nèi)存比較小，則保存到系統(tǒng)內(nèi)存中的原子數(shù)據(jù)塊就少。其中，智能數(shù)據(jù)總線將原子數(shù)據(jù)塊添加入內(nèi)存時，按照原子數(shù)據(jù)塊的權(quán)重，由大到小進(jìn)行添加，智能數(shù)據(jù)總線將原子數(shù)據(jù)塊從內(nèi)存中刪除時，按照原子數(shù)據(jù)塊的權(quán)重，由小到大進(jìn)行刪除。
[0024]智能數(shù)據(jù)總線是輸入和輸出數(shù)據(jù)的管理者，且以原子數(shù)據(jù)塊為單位管理數(shù)據(jù)。當(dāng)hadoop讀取數(shù)據(jù)時，其每次讀取的數(shù)據(jù)大小均為智能數(shù)據(jù)總線處理后的輸入數(shù)據(jù)，此輸入數(shù)據(jù)的大小為原子數(shù)據(jù)塊的整數(shù)倍，不足以零補(bǔ)充；當(dāng)hadoop寫入數(shù)據(jù)時，其首先將數(shù)據(jù)傳輸至智能數(shù)據(jù)總線，智能數(shù)據(jù)總線將寫入數(shù)據(jù)拼裝成原子數(shù)據(jù)塊的整數(shù)倍大小的輸出數(shù)據(jù)后，再統(tǒng)一寫入磁盤。由此，每次讀寫的數(shù)據(jù)均為原子數(shù)據(jù)塊的整數(shù)倍，提升了讀寫效率。
[0025]由于智能數(shù)據(jù)總線要實(shí)時向內(nèi)存中添加原子數(shù)據(jù)塊或從內(nèi)存中刪除原子數(shù)據(jù)塊，為了提高操作速度，本發(fā)明設(shè)置了數(shù)據(jù)緩存器，主要是通過時間索引樹來管理磁盤上緩存數(shù)據(jù)，此緩存數(shù)據(jù)主要是智能數(shù)據(jù)總線管理的動態(tài)原子數(shù)據(jù)塊。當(dāng)系統(tǒng)內(nèi)存不能承受過多的數(shù)據(jù)時，智能數(shù)據(jù)總線就把多余的原子數(shù)據(jù)塊交給數(shù)據(jù)緩存器，數(shù)據(jù)緩存器會根據(jù)原子數(shù)據(jù)塊的時間信息，構(gòu)成時間索引樹。本發(fā)明將時間索引樹樹枝分3級，第I級樹枝存放天，第2級樹枝存放小時，第3級樹枝存放分鐘，葉子節(jié)點(diǎn)存放原子數(shù)據(jù)塊。其中時間索引樹的樹枝節(jié)點(diǎn)全部存放內(nèi)存中，葉子節(jié)點(diǎn)上的原子數(shù)據(jù)塊經(jīng)過壓縮后，存放到磁盤。
[0026]設(shè)置數(shù)據(jù)緩存器，可進(jìn)一步提高智能數(shù)據(jù)總線的處理效率，提升整體運(yùn)行速度。
[0027]實(shí)施例2: 本實(shí)施便例以具體的實(shí)例作為說明，對本發(fā)明作進(jìn)一步的解釋。
[0028]現(xiàn)在同時提交任務(wù)I與任務(wù)2，任務(wù)I與任務(wù)2具體如下:
任務(wù)I =Whdfs的bssap目錄中，匯總2014年6月10日9點(diǎn)到12點(diǎn)打電話的用戶次數(shù)，結(jié)果輸出到call counter文件中。
[0029]任務(wù)2:從hdfs的bssap目錄中，匯總2014年6月10日10點(diǎn)到13點(diǎn)打電話和發(fā)短信的用戶次數(shù)，結(jié)果輸出到callsmcounter文件中。
[0030]具體流程參照圖1所示:
(I)任務(wù)分解器從任務(wù)I與2里面提取出輸入和輸出信息。任務(wù)I的輸入地址為hdfs中的bssap目錄，時間是2014年6月10日9點(diǎn)到12點(diǎn)；任務(wù)2的輸入地址為hdfs中的bssap目錄，時間是2014年6月10日10點(diǎn)到13點(diǎn)。任務(wù)I的輸出地址是callcounter文件中，其中key值是電話號碼,value是打電話的個數(shù)；任務(wù)2的輸出地址是callsmcounter文件中，其中key值是電話號碼，value是打電話的個數(shù)、發(fā)短信個數(shù)。
[0031](2)輸入合并器把輸入的數(shù)據(jù)分成3個塊--第I塊:bssap目錄下面的2014年6月10日10點(diǎn)到12點(diǎn)；第2塊:bssap目錄下面的2014年6月10日9點(diǎn)到10點(diǎn)；第3塊:bssap目錄下面的2014年6月10日12點(diǎn)到13點(diǎn)。
[0032](3)輸出合并器把2個任務(wù)key和value合并成一個大的key和value數(shù)組。它的key值是電話號碼，value值是打電話的個數(shù)、發(fā)短信個數(shù)。其中任務(wù)I的key值索引為O, value值索引為O,輸出地址callcounter文件；任務(wù)2的key值索引為O, value值索引為O, I,輸出地址為callsmcounter。
[0033](4)智能數(shù)據(jù)總線分析輸入合并器，因?yàn)榈贗塊被2個應(yīng)用同時使用，權(quán)重最高，再把第I塊的數(shù)據(jù)分割成多個原子數(shù)據(jù)塊，預(yù)先加載到內(nèi)存中。其他權(quán)重低的數(shù)據(jù)，繼續(xù)存放到磁盤上。
[0034](5)hadoop的處理流程。在mapper階段從智能總線讀取數(shù)據(jù)時，當(dāng)hadoop從智能數(shù)據(jù)總線讀取到2014年6月10日10點(diǎn)到12點(diǎn)的數(shù)據(jù)時，直接從內(nèi)存中讀取。因?yàn)閿?shù)據(jù)是從內(nèi)存中直接讀取，因此數(shù)據(jù)的速度比從磁盤讀取快很多倍。因?yàn)檩斎氲臄?shù)據(jù)都是bssap目錄下，hadoop只是需要對記錄讀取一次就可以了，不需要重復(fù)讀取2次，然后把讀取的數(shù)據(jù)同時發(fā)送給任務(wù)I和任務(wù)2。在mapper計算結(jié)束時,任務(wù)I生成對象的key值是電話號碼，value值是打電話的個數(shù)，把這個對象發(fā)送給智能數(shù)據(jù)總線。任務(wù)2把生成對象的key值是電話號碼，value值是打電話的個數(shù)，發(fā)短信的個數(shù)，把這個對象發(fā)送給智能數(shù)據(jù)總線。智能總線接收到2條記錄后，合并成一個對象，其中它的key值是電話號碼，value值是打電話的個數(shù)，發(fā)短信個數(shù)。其中電話號碼的key值和打電話次數(shù)value可以使用一個，不需要重復(fù)發(fā)送2條相同的值，大大減少了磁盤的和網(wǎng)絡(luò)10的數(shù)據(jù)量。當(dāng)reducer階段時，根據(jù)索引值和輸出的地址，任務(wù)I從key值中提取出電話號碼，從value中提取出打電話的次數(shù)，寫入callcounter文件中；任務(wù)2從key值中提取出電話號碼,從value中提取出打電話的次數(shù)和發(fā)短信次數(shù)，寫入callsmcounter文件中。
[0035]以上所述，只是本發(fā)明的較佳實(shí)施例而已，本發(fā)明并不局限于上述實(shí)施方式，只要其以相同的手段達(dá)到本發(fā)明的技術(shù)效果，都應(yīng)屬于本發(fā)明的保護(hù)范圍。
【權(quán)利要求】
1.一種基于云計算的合并1裝置，其特征在于，包括: 任務(wù)分解器，用于在接收到批量任務(wù)時，提取出每個任務(wù)的輸入信息和輸出信息； 輸入合并器，以原子數(shù)據(jù)塊為單位，分別將輸入信息中相同的原子數(shù)據(jù)塊合并為一個原子數(shù)據(jù)塊； 輸出合并器，用于將輸出信息及對應(yīng)任務(wù)名分別合并為對應(yīng)的一個數(shù)組，每個任務(wù)只保留對應(yīng)其在不同數(shù)組中的序號值； 智能數(shù)據(jù)總線，用于以原子數(shù)據(jù)塊為單位管理輸入和輸出信息，并以原子數(shù)據(jù)塊為單位向hadoop傳遞以輸入或輸出信息為對應(yīng)讀寫內(nèi)容的讀寫數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的合并1裝置，其特征在于，所述每個任務(wù)的輸入信息包括輸入數(shù)據(jù)的地址及輸入數(shù)據(jù)的時間范圍，任務(wù)分解器以輸入信息作為value值，以對應(yīng)任務(wù)的任務(wù)名作為key值,將每個任務(wù)的key值與value值存入至任務(wù)分解器的輸入緩存對象中。
3.根據(jù)權(quán)利要求1所述的合并1裝置，其特征在于，所述每個任務(wù)的輸出信息包括輸出數(shù)據(jù)地址，任務(wù)分解器以輸出信息作為value值，以對應(yīng)任務(wù)的任務(wù)名作為key值，將每個任務(wù)的key值與value值存入至任務(wù)分解器的輸出緩存對象中。
4.根據(jù)權(quán)利要求2所述的合并1裝置，其特征在于，所述輸入合并器以輸入緩存對象中存儲的數(shù)據(jù)作為合并對象，根據(jù)每個任務(wù)的輸入數(shù)據(jù)的地址及輸入數(shù)據(jù)的時間范圍判斷是否有相同的原子數(shù)據(jù)塊，如果有，則將其合并為一個原子數(shù)據(jù)塊。
5.根據(jù)權(quán)利要求3所述的合并1裝置，其特征在于，所述輸出合并器以輸出緩存對象中的數(shù)據(jù)作為合并對象，首先對不同任務(wù)的key值與value值進(jìn)行分析合并，之后，分別將key值與value值并成對應(yīng)一個大的key值數(shù)組和value值數(shù)組,每個任務(wù)只保留對應(yīng)其在key值數(shù)組和value值數(shù)組中的序號值。
6.根據(jù)權(quán)利要求1所述的合并1裝置，其特征在于，所述智能數(shù)據(jù)總線為與hadoop通信的唯一接口，且 當(dāng)hadoop讀取數(shù)據(jù)時，其每次讀取的數(shù)據(jù)大小均為智能數(shù)據(jù)總線處理后的輸入數(shù)據(jù)，此輸入數(shù)據(jù)的大小為原子數(shù)據(jù)塊的整數(shù)倍，不足以零補(bǔ)充； 當(dāng)hadoop寫入數(shù)據(jù)時，其首先將數(shù)據(jù)傳輸至智能數(shù)據(jù)總線，智能數(shù)據(jù)總線將寫入數(shù)據(jù)拼裝成原子數(shù)據(jù)塊的整數(shù)倍大小的輸出數(shù)據(jù)后，再統(tǒng)一寫入磁盤。
7.根據(jù)權(quán)利要求1所述的合并10裝置，其特征在于，所述合并10裝置還包括數(shù)據(jù)緩存器，當(dāng)系統(tǒng)內(nèi)存不能承受過多的原子數(shù)據(jù)塊時，智能數(shù)據(jù)總線將多余的原子數(shù)據(jù)塊下放給數(shù)據(jù)緩存器，數(shù)據(jù)緩存器用于根據(jù)原子數(shù)據(jù)塊的下放時間信息構(gòu)成時間索引樹。
8.根據(jù)權(quán)利要求7所述的合并10裝置，其特征在于，所述時間索引樹的樹枝分為三級，其中，第I級樹枝存放天，第2級樹枝存放小時，第3級樹枝存放分鐘，葉子節(jié)點(diǎn)存放原子數(shù)據(jù)塊，且時間索引樹的樹枝節(jié)點(diǎn)全部存放內(nèi)存中，葉子節(jié)點(diǎn)上的原子數(shù)據(jù)塊經(jīng)過壓縮后，存放至磁盤。
9.根據(jù)權(quán)利要求7所述的合并10裝置，其特征在于，所述原子數(shù)據(jù)塊具有權(quán)重，權(quán)重的大小與該原子數(shù)據(jù)塊被不同任務(wù)重復(fù)使用的次數(shù)成正比，當(dāng)智能數(shù)據(jù)總線將多余的原子數(shù)據(jù)塊下放給數(shù)據(jù)緩存器時，首先下放權(quán)利最小的原子數(shù)據(jù)塊。
10.根據(jù)權(quán)利要求1一 9任一所述的合并10裝置，其特征在于，所述原子數(shù)據(jù)塊的大小為 1024KB。
【文檔編號】G06F12/08GK104407811SQ201410640777
【公開日】2015年3月11日 申請日期:2014年11月12日 優(yōu)先權(quán)日:2014年11月12日
【發(fā)明者】別志銘, 張健明, 張勇鵬, 王旭, 王禮, 吳楠 申請人:珠海世紀(jì)鼎利通信科技股份有限公司