論文の概要: Automated Insertion of Flushes and Fences for Persistency

• arxiv url: http://arxiv.org/abs/2509.19459v1
• Date: Tue, 23 Sep 2025 18:14:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.561852
• Title: Automated Insertion of Flushes and Fences for Persistency
• Title（参考訳）: パーシスタンスのためのフラッシュとフェンスの自動挿入
• Authors: Yutong Guo, Weiyu Luo, Brian Demsky,
• Abstract要約: CXL共有メモリと永続メモリは、メモリの内容がクラッシュを超えて持続することを可能にする。 開発者は、対応するキャッシュラインを手動でフラッシュして、基盤となるストレージにデータを書き込まなければならない。 PMRobustは自動でフラッシュとフェンス操作を挿入するコンパイラで、永続メモリを使ったコードが欠落したフラッシュとフェンスのバグから解放されていることを保証します。
• 参考スコア（独自算出の注目度）: 2.4669755725204845
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: CXL shared memory and persistent memory allow the contents of memory to persist beyond crashes. Stores to persistent or CXL memory are typically not immediately made persistent; developers must manually flush the corresponding cache lines to force the data to be written to the underlying storage. Correctly using flush and fence operations is known to be challenging. While state-of-the-art tools can find missing flush instructions, they often require bug-revealing test cases. No existing tools can ensure the absence of missing flush bugs. In this paper, we present PMRobust, a compiler that automatically inserts flush and fence operations to ensure that code using persistent memory is free from missing flush and fence bugs. PMRobust employs a novel static analysis with optimizations that target newly allocated objects. We have evaluated PMRobust on persistent memory libraries and several persistent memory data structures and measured a geometric mean overhead of 0.26% relative to the original benchmarks with hand-placed flush and fence operations.
• Abstract（参考訳）: CXL共有メモリと永続メモリは、メモリの内容がクラッシュを超えて持続することを可能にする。 永続メモリやCXLメモリへのストアは通常、すぐには永続化されない。開発者は、データを書き込むために、対応するキャッシュラインを手動でフラッシュしなければならない。 洗面所とフェンスの操作を正しく使用するのは困難であることが知られている。 最先端のツールはフラッシュインストラクションの欠如を見つけることができるが、バグ発見テストケースが必要になることが多い。 既存のツールでは、欠落しているフラッシュバグがないことを保証できない。 本稿では,キャッシュやフェンス操作を自動的に挿入するコンパイラPMRobustを提案する。 PMRobustは、新しく割り当てられたオブジェクトをターゲットにした最適化による新しい静的解析を採用している。 我々はPMRobustを永続メモリライブラリといくつかの永続メモリデータ構造で評価し、手動フラッシュとフェンス操作による元のベンチマークと比較して幾何平均オーバーヘッドを0.26%測定した。

関連論文リスト

• CRUST-Bench: A Comprehensive Benchmark for C-to-safe-Rust Transpilation [63.23120252801889]
  CRUST-Benchは100のCリポジトリのデータセットで、それぞれが安全なRustとテストケースで手書きのインターフェースとペアリングされている。 我々は、このタスクで最先端の大規模言語モデル(LLM)を評価し、安全で慣用的なRust生成が依然として難しい問題であることを確認した。 最高のパフォーマンスモデルであるOpenAI o1は、ワンショット設定で15タスクしか解決できない。
  論文  参考訳（メタデータ） (2025-04-21T17:33:33Z)
• AddressWatcher: Sanitizer-Based Localization of Memory Leak Fixes [6.31619298702529]
  メモリリークバグはC/C++プログラムで大きな問題である。 メモリリークを自動的に修正する手法がいくつか提案されている。 静的ベースのアプローチは、すべてのパスにわたるメモリオブジェクトの完全なセマンティクスをトレースしようとする。 動的アプローチは、単一の実行パスでのみメモリオブジェクトの正確なセマンティクスを記述できる。
  論文  参考訳（メタデータ） (2024-08-08T21:40:22Z)
• GWP-ASan: Sampling-Based Detection of Memory-Safety Bugs in Production [30.534320345970286]
  Heap-use-after-freeとheap-buffer-overflowのバグは、CやC++で記述されたアプリケーションのセキュリティ、信頼性、開発者の生産性の主要な問題である。 本稿では,この2種類のメモリセーフなバグを実運用環境でほぼゼロのオーバーヘッドで検出するツール群について述べる。
  論文  参考訳（メタデータ） (2023-11-15T21:41:53Z)
• rCanary: Detecting Memory Leaks Across Semi-automated Memory Management Boundary in Rust [4.616001680122352]
  Rustはコンパイル時の検証を通じてメモリ安全性を保証するシステムプログラミング言語である。 本稿では,半自動境界を越えたリークを検出する静的,非自動,完全自動モデルチェッカーであるrCanaryを提案する。
  論文  参考訳（メタデータ） (2023-08-09T08:26:04Z)
• XMem: Long-Term Video Object Segmentation with an Atkinson-Shiffrin Memory Model [137.50614198301733]
  機能記憶を統一した長ビデオのためのビデオオブジェクトセグメンテーションアーキテクチャであるXMemを提案する。 独立して深く接続された複数の機能記憶を組み込んだアーキテクチャを開発する。 XMemは、ロングビデオデータセットにおける最先端のパフォーマンスを大幅に上回る。
  論文  参考訳（メタデータ） (2022-07-14T17:59:37Z)
• Recurrent Dynamic Embedding for Video Object Segmentation [54.52527157232795]
  一定サイズのメモリバンクを構築するためにRDE(Recurrent Dynamic Embedding)を提案する。 本稿では, SAM を長時間の動画でより堅牢にするため, トレーニング段階での無バイアス誘導損失を提案する。 また、メモリバンクの異なる品質のマスクの埋め込みをネットワークが修復できるように、新たな自己補正戦略を設計する。
  論文  参考訳（メタデータ） (2022-05-08T02:24:43Z)
• Memory Replay with Data Compression for Continual Learning [80.95444077825852]
  古いトレーニングサンプルの記憶コストを低減するため,データ圧縮によるメモリリプレイを提案する。 我々はこれを、クラスインクリメンタル学習のいくつかのベンチマークと、自律運転のためのオブジェクト検出の現実的なシナリオにおいて、広範囲に検証する。
  論文  参考訳（メタデータ） (2022-02-14T10:26:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。