核心前提：只要独占 cache size 足够大，业务的性能是可以得到保证的
we can conclude that whether CAT can provide perfor mance isolation between workloads is highly dependent on the size of the dedicated cache
思路：基于CPI的动态反馈，来动态调整每个容器的独占 cache 和共享 cache 容量，达到每个容器都可以得到很好的性能
难点：预测 wss（业务真正需要的cache size）。这里面有一个容量失效和冲突失效的问题，冲突失效和容量失效是 有一定的overlap的，冲突失效是因为多条cache数据映射到同一个cache line上，导致的miss，这个问题会导致wss难以预估。这个问题没有什么太好的思路，所以dCat的思路是基于feedback来动态扩大cache size
dCat 的状态机是这样的：
简单来说，是一个实时feedback的过程
Reclaim：初始状态
Recevier：减少cache退化，增加cache会提升
keeper：减少cache退化，增加cache不提升
Donor：减少cache不退化，增加cache不提升
Streaming：增加cache不断提升
系统流程：
备注：
- baseline是基准性能，但是每个阶段，都有不同的 baseline，会动态变化 Baseline performance is only defined for a specifi workload phase, so it has to be determined again at every phase change.
- Categonize workloads，就是识别容器的状态，对应到上面的几个状态机上，Reciver、keeper、Doner
问题：
- 论文中CAT隔离，使用的是qpos，qpos是CAT的前身，只支持core级别的cache隔离，也就是cache隔离相当于是通过绑核实现的