论文重点
- 采用软件zswap的方式进行cold memory数据压缩
- google的业务有32%的memory数据是cold memory，其中20%的数据是可压缩的，压缩效率中位数为3倍，那么TCO有4.2%的收益
- 该压缩策略保证了SLA不受影响：通过cold memory和promotion rate的模型保证
- 压缩解压缩的开销不大，完全可以接受
- 使用ML进行autotuner
1 introduction
问题：
- 随着资源的scaling，一个资源瓶颈会影响整个scaling的TCO。
- DRAM成为scaling的瓶颈，memory的TCO减少逐渐放缓
- 随着大数据workload的普及，主流的in-memory computing的方式加速了DRAM的需求
方向：far memory（介于DRAM和DISK之间的存储）
far memroy需要解决的问题：
- 不影响应用的性能
- 应用数量多且种类多样，不能对每个应用单独优化（不现实），需要对业务透明且robust的机制，有效使用Far memory
- 动态的cold数据行为：业务的数据冷热是会变化的，比如不同该时间段