論文の概要: LearnedCache: An eBPF-Integrated Perceptron-Based Eviction Policy for the Linux Page Cache

• arxiv url: http://arxiv.org/abs/2605.26168v1
• Date: Mon, 25 May 2026 00:15:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.265427
• Title: LearnedCache: An eBPF-Integrated Perceptron-Based Eviction Policy for the Linux Page Cache
• Title（参考訳）: LearnedCache: LinuxページキャッシュのためのeBPF-Integrated Perceptron-based Eviction Policy
• Authors: Zejia Qi,
• Abstract要約: 我々は Linux ページキャッシュのための eBPF 統合単層パーセプトロンベースのキャッシュ消去ポリシーである LearnedCache を開発した。 複数の線形モデルモデリングページの再利用時間に対して,AUCの中央値が80%近くであることを示す。 次に、これらのモデルをLinuxカーネルに組み込んで、リアルタイムのパフォーマンス評価を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Linux is the foundation of the digital age, accounting for the majority of the cloud and mobile OS markets. Any device that runs Linux uses the Linux page cache, a central pillar in OS and application performance, serving to reduce extraneous disk access. Many page cache eviction policies have been developed but remain bound by the rigidity of heuristics. The rise of AI-driven tools in recent years, melded with the ever-increasing variety of workloads for Linux devices, sets the stage for machine-learning-driven cache eviction policies. Promising research has been done in this field, but only in the field of user-space applications such as CDNs. We develop LearnedCache, an eBPF-integrated single-layer perceptron-based cache eviction policy for the Linux page cache, trained on real kernel data from diverse workloads. We demonstrate median AUCs of nearly 80% over multiple linear models modeling page reuse time, then take a step further by embedding these models inside the Linux kernel for real-time performance evaluation. Through statistical testing over 50 paired trials against a baseline of FIFO for each workload, LearnedCache reveals that machine-learning-derived cache eviction policies are practical in the Linux kernel under representative empirical workloads and are able to surpass conventional FIFO by statistically significant margins of up to 10% in insertion rate, a frequency-adjusted derivation of cache hit rate, in specific workloads while incurring minimal overhead.
• Abstract（参考訳）: Linuxはデジタル時代の基盤であり、クラウドとモバイルOS市場の大多数を占めている。 Linuxを動作させるデバイスは、Linuxページキャッシュ、OSの中心的な柱、アプリケーションパフォーマンスを使用しており、余分なディスクアクセスを減らすのに役立っている。 多くのページキャッシュ消去ポリシーが開発されているが、ヒューリスティックスの厳密さに縛られている。 近年のAI駆動ツールの台頭は、Linuxデバイスのさまざまなワークロードの増加と相まって、マシンラーニング駆動のキャッシュ消去ポリシのステージを固めている。 この分野では実証研究が行われてきたが、CDNのようなユーザ空間アプリケーション分野に限られている。 我々は,eBPF 統合された単一層パーセプトロンベースの Linux ページキャッシュのキャッシュ消去ポリシである LearnedCache を開発した。 我々は、複数の線形モデルモデリングページの再利用時間に対して80%近い中央値のAUCを実証し、その上で、これらのモデルをLinuxカーネルに組み込んでリアルタイムのパフォーマンス評価を行う。 LearnedCacheは、各ワークロードのFIFOのベースラインに対する50以上の統計テストを通じて、機械学習によるキャッシュ消去ポリシーが、代表的な経験的ワークロードの下でLinuxカーネルで実用的であり、挿入率の10%という統計的に有意なマージンで従来のFIFOを上回ることができることを明らかにした。

関連論文リスト

• X-Cache: Cross-Chunk Block Caching for Few-Step Autoregressive World Models Inference [37.22440439525785]
  X-Cacheはトレーニング不要なアクセラレーション手法で、連続的な生成チャンクにまたがってキャッシュする。 Xキャッシュは最小の劣化を保ちながら2.6倍のウォールクロックスピードアップで71%のブロックスキップ速度を達成する。
  論文  参考訳（メタデータ） (2026-04-22T07:36:59Z)
• SenCache: Accelerating Diffusion Model Inference via Sensitivity-Aware Caching [75.02865981328509]
  キャッシュは、以前計算されたモデル出力をタイムステップで再利用することで計算を減らす。 本稿では,動的キャッシュポリシーであるSensitivity-Aware Caching(SenCache)を提案する。 SenCacheは、同様の計算予算の下で、既存のキャッシュメソッドよりも視覚的品質が向上する。
  論文  参考訳（メタデータ） (2026-02-27T17:36:09Z)
• Sparse-dLLM: Accelerating Diffusion LLMs with Dynamic Cache Eviction [72.27673320976933]
  Diffusion Large Language Models (dLLMs) は推論と並列デコードにおけるブレークスルーを可能にする。 現在のキャッシュ技術は、フルレイヤ状態を保存することでデコーディングを加速するが、メモリ使用量を大幅に増加させる。 Sparse-dLLMは、動的キャッシュ消去とスパースアテンションを統合した最初のトレーニングフリーフレームワークである。
  論文  参考訳（メタデータ） (2025-08-04T16:14:03Z)
• InstCache: A Predictive Cache for LLM Serving [6.076957323090607]
  キャッシング技術は、大規模言語モデル推論エンジンのパフォーマンスを最適化する機会を提供する。 命令の内容と長さのばらつきが大きいため、同じ命令が短時間のウィンドウ内で再帰することは稀である。 LLMサービスシステムの予測キャッシュ機構であるInstCacheを提案する。
  論文  参考訳（メタデータ） (2024-11-21T03:52:41Z)
• Efficient Inference of Vision Instruction-Following Models with Elastic Cache [76.44955111634545]
  我々は,命令追従型大規模視覚言語モデルの効率的なデプロイのための新しい戦略であるElastic Cacheを紹介する。 本稿では,冗長キャッシュを具現化する重要なキャッシュマージ戦略を提案する。 命令符号化では,キャッシュの重要性を評価するために周波数を利用する。 様々なLVLMの結果は、Elastic Cacheが効率を向上するだけでなく、言語生成における既存のプルーニングメソッドよりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-07-25T15:29:05Z)
• A Learning-Based Caching Mechanism for Edge Content Delivery [2.412158290827225]
  5GネットワークとIoT(Internet of Things)の台頭により、ネットワークのエッジはますます拡大している。 このシフトは、特に限られたキャッシュストレージとエッジにおける多様な要求パターンのために、ユニークな課題をもたらす。 HR-Cacheは、ハザードレート(HR)順序付けの原則に基づく学習ベースのキャッシュフレームワークである。
  論文  参考訳（メタデータ） (2024-02-05T08:06:03Z)
• Sparse-DySta: Sparsity-Aware Dynamic and Static Scheduling for Sparse Multi-DNN Workloads [65.47816359465155]
  複数のディープニューラルネットワーク(DNN)を並列に実行することは、両エッジデバイスで新たなワークロードとなっている。 スパースマルチDNNスケジューリングに静的なスケジューラパターンと動的スケジューラ情報の両方を利用する新しいスケジューラDystaを提案する。 提案手法は, 遅延制約違反率を最大10%削減し, 平均正規化ターンアラウンド時間で約4倍に向上する。
  論文  参考訳（メタデータ） (2023-10-17T09:25:17Z)
• Phoebe: Reuse-Aware Online Caching with Reinforcement Learning for Emerging Storage Models [8.932281655601495]
  Phoebeは、最適なオンラインキャッシュのための再利用対応強化学習フレームワークである。 実験の結果,PhoebeはLRUと最先端のオンライン学習ベースのキャッシュポリシとのキャッシュミス率のギャップを埋めることができた。
  論文  参考訳（メタデータ） (2020-11-13T22:55:15Z)
• Reinforcement Learning for Caching with Space-Time Popularity Dynamics [61.55827760294755]
  キャッシングは次世代ネットワークにおいて重要な役割を果たすと想定されている。 コンテンツをインテリジェントにプリフェッチし、保存するためには、キャッシュノードは、何といつキャッシュするかを学ばなければならない。 本章では、近似キャッシングポリシー設計のための多目的強化学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-19T01:23:51Z)

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。