GFPP:一种基于深度图网络的、具有置信度感知功能的文件系统预取方法

《Expert Systems with Applications》:GFPP: A Confidence-Aware File System Prefetching Method based on Deep Graph Networks

【字体: 大 中 小 】 时间:2026年03月30日 来源:Expert Systems with Applications 7.5

编辑推荐:

  文件预取优化与图神经网络融合研究提出基于图神经网络的文件预取框架GFPP,通过并行处理空间拓扑结构和时间序列模式,动态优化预取策略,实验在云平台和异构负载中命中率提升超100%。

  
王思佳|杨洪章|杨帅|杨尚|王平
天津工业大学,天津,300382,中国

摘要

文件系统缓存对于提升I/O性能至关重要;然而,传统的缓存策略在处理复杂、非顺序且数据密集型的工作负载(这些工作负载的特点是并发的多用户访问,如AI和数据库应用程序)时效率较低。现有的基于学习的预取研究面临着预测粒度不匹配和缺乏语义信息的双重挑战。本文提出了GFPP(基于图的文件预取器),这是一个在文件系统层面运行的深度图神经网络框架。GFPP创新性地采用了并行时空解耦架构:图神经网络(GNN)分支从动态I/O交互图中提取微观的空间-拓扑结构,而多尺度时间卷积神经网络(CNN)分支同时捕获宏观的长时间序模式;同时整合了Dynamic-K优化机制。在大型实际云平台的I/O工作负载中,GFPP的缓存命中率显著优于Transformer、GAT和SGDP等先进基线模型。此外,在Web应用程序和数据库工作负载的零样本泛化测试中,GFPP的强大适应性和鲁棒性得到了证明。这项研究揭示了在文件系统层面进行细粒度时空协同建模的核心价值,为构建下一代高性能智能缓存系统提供了有效的框架和新的视角。

引言

长期以来,缩小高速处理器与低速I/O子系统之间的性能差距一直是系统设计中的一个核心挑战。正如一项开创性调查(Smith, 1982)所指出的,缓存技术通过利用局部性这一特性成为了关键的解决方案。虽然基于线性假设的顺序预取技术已成为标准,但随着计算范式向数据密集型工作负载的发展,这一假设面临着严峻的挑战。数据存储已成为深度学习训练和推理中的主要瓶颈。核心挑战体现在三个方面:1)数据集规模的爆炸性增长使得完全内存缓存变得不切实际;2)训练任务中对小文件的随机读取模式导致传统存储系统和缓存策略(如LRU)效率低下;3)存储设备与加速器(如GPU)之间的性能差距不断扩大。
面对这些挑战,现有的智能预取研究陷入了“粒度”和“结构”之间的困境。传统的特征工程方法虽然保留了文件系统层面的语义,但通常在粗粒度的文件层面操作,无法解决文件内部访问局部性的问题。另一方面,新兴的顺序深度学习方法(Chakraborttii, Litz, 2020, Ganfure, Wu, Chang, et al., 2020)虽然实现了细粒度的块级预测,但大多局限于低级别的逻辑块地址(LBA)层,失去了关键的文件系统语义上下文,并且难以捕捉复杂的、非线性的图结构依赖性。尽管最近的研究尝试引入了图神经网络(Yang, Li, Shi et al., 2023),但这些努力主要针对单个LBA地址序列。在语义丰富的文件系统层面,I/O行为由空间、大小和时间的多模态特征共同决定,这些特征在并发多应用程序工作负载下常常受到严重的语义冲突和噪声的影响。现有的简单融合方法无法动态过滤有效信息,导致模型在这种复杂负载下失效。
基于这些观察,本文提出了GFPP(基于图的文件预取器),这是一个为文件系统层面设计的深度图神经网络框架。该框架的核心洞察是,文件内的I/O访问模式不是简单的线性序列,而是空间-拓扑结构(例如索引跳转)和宏观时间模式(例如周期性扫描)的复杂混合体。纯线性模型或静态图模型都无法完全捕捉这种多维度异构性。为此,GFPP创新性地采用了并行解耦架构:它利用图神经网络分支从动态构建的会话图中提取微观的空间结构特征,同时使用多尺度卷积网络分支捕获宏观的时间依赖性。通过引入双重门控融合机制,模型可以根据上下文动态权衡时空信息的重要性。
GFPP采用并行解耦架构的动机源于现代文件系统的物理特性,其中异构的I/O行为经常交织在一起。例如,在并发的数据库工作负载中,由B+树索引查找引发的离散空间跳转和由后台日志记录生成的宏观时间节奏经常同时发生,迫使耦合的单一模型将冲突的多模态信号映射到共享的表示空间中。因此,这些空间跳转被错误地视为突然的中断,而节奏性的日志记录条目将无关的噪声边缘引入结构图中;这种“特征干扰”本质上降低了预测准确性。GFPP通过为不同类型的模式分配独立的参数空间来解决这一冲突:GNN分支作为空间过滤器,桥接逻辑相关的索引节点,同时绕过时间噪声;而多尺度CNN分支同时作为时间过滤器,平滑离散的空间峰值并捕捉长时间序性。这种结构分工实现了特征纯化,从而建立了更稳定的优化环境,并促进了学习机制的收敛。
本文的主要贡献总结如下:
  • •
    问题重新定义和统一框架:本文首次系统地将智能预取问题建模为基于多模态会话图的块级偏移量预测任务,并提出了GFPP统一框架,旨在同时克服粒度不匹配、语义丢失和结构建模分离的核心挑战。
  • •
    时空协同架构创新:设计了一个完整的感知-决策预取流程。在感知方面,该架构通过结合GNN的结构推理和多尺度CNN的时间捕获能力,实现了I/O中微观结构和宏观模式的协同建模。在决策方面,该架构集成了一种基于置信度的Dynamic-K策略,智能地将模型的输出概率分布转换为可变的预取宽度,从而在最大化召回率和控制缓存污染之间实现动态平衡。
  • •
    全面实证验证和泛化:
    在包含超过320万个I/O操作的真实世界云平台工作负载上进行了广泛的评估。实验表明,GFPP在较大缓存配置(CacheSize=1000)下实现了34.28%的显著缓存命中率,相对于随机森林(14.87%)基线,性能提高了100%以上。更重要的是,即使在资源严重受限的环境中(CacheSize=100),GFPP的命中率(31.92%)仍然显著超过所有基线,证明了其高预测精度可以在小缓存中最大化每次预取的价值。在Web应用程序和数据库工作负载的零样本泛化测试中,GFPP在两种异构场景下都实现了超过90%的优异命中率,证明了该框架的泛化能力和在异构工作负载下的鲁棒性。
  • 章节片段

    启发式和统计预取策略

    经典的缓存替换策略,如LRU(Tanenbaum & Woodhull, 1997)和ARC(Megiddo & Modha, 2003),主要关注反应式数据管理。为了提升性能,基于线性假设的顺序预取技术(Fu, Patel, & Janssens, 1992)被集成到标准组件中,如Linux Readahead。然而,现代AI和数据库工作负载在文件系统层面表现出高度复杂、非顺序的I/O模式(Yildirim, Devarajan, Kougkas et al., 2025)

    基本定义

    本研究的核心目标是在文件系统层对块级I/O访问序列进行精确预测。在文件系统层,I/O访问操作具有丰富的语义元组。正式地,I/O访问序列被定义为一个时间有序的操作序列:S=〈r1,r2,?,rt,?〉其中每个I/O请求可以表示为一个四元组:rt=(ft,ot,st)在方程(2)中,f_t表示被访问文件的唯一标识符(例如,节点号);o_t表示

    提出的方法

    为了解决异构文件系统工作负载中的复杂时空依赖性,本文提出了GFPP(基于图的文件预取器)框架。该框架的核心是一个并行的、解耦的深度图神经网络架构,旨在协同提取I/O序列中的微观空间结构和宏观时间模式。

    实验评估

    为了全面评估GFPP框架的有效性、其架构组件的贡献以及在异构工作负载下的泛化能力,本节设计并执行了一系列系统实验。

    特征融合机制的洞察

    GFPP的优越性源于其基于请求级语义(例如I/O大小和间隔)的实例感知门控机制。这种设计通过解耦相互交织的模式(如离散的索引跳转和周期性扫描)实现了特征纯化——否则这些模式在统一的表示空间中会相互抵消。通过将异构依赖性隔离到独立的参数空间中,GFPP保持了结构

    结论

    本文深入研究了通过智能预取有效缓解现代异构文件系统工作负载中的I/O瓶颈的核心挑战。为了解决现有方法在预测粒度、语义理解和结构建模方面的局限性,本文提出了GFPP,这是一个集成并行时空处理架构和动态预取策略的深度图神经网络框架。
    全面

    CRediT作者贡献声明

    王思佳:概念化、方法论、写作——原始草案。杨洪章:验证、可视化、写作——审阅与编辑。杨帅:监督、写作——审阅与编辑。杨尚:方法论、形式分析。王平:验证、写作——审阅与编辑。

    利益冲突声明

    作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。
    相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普

    热点排行

      今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

      版权所有 生物通

      Copyright© eBiotrade.com, All Rights Reserved

      联系信箱:

      粤ICP备09063491号