Локальное замещение, динамическое резидентное множество
Этот подход наиболее часто используется в современных операционных системах. Его основная идея состоит в следующем:
использование локального замещения: для размещения новой страницы процесса, если лимит страничных кадров процесса исчерпан, освобождается один из страничных кадров этого же процесса;
лимит страничных кадров каждого процесса периодически пересматривается, для согласования размеров резидентного и рабочего множеств.
В идеале, лимит резидентного множества должен устанавливаться равным величине рабочего множества в период стабильности. При переходе процесса к новому периоду стабильности рабочего множества, лимит на размер резидентного множества должен соответственно измениться (см. рис. 37).
Рис.37. Соответствие между резидентным и рабочим множествами
Однако, оценивать величину рабочего множества непосредственно по определению сложно, кроме того, в момент роста рабочего множества, неизвестно, на каком уровне оно стабилизируется, а включать в резидентное множество все станицы, попавшие в во временной интервал неразумно. Наконец, оптимальная величина неизвестна и может несколько различаться для различных процессов.
Поэтому, на практике, вместо прямой оценки величины рабочего множества по его определению, используют косвенные оценки величины рабочего множества на основе анализа страничных прерываний процессов.
Алгоритм на основе оценки частоты прерываний – дисциплина pff (Page Fault Frequency)
Хорошей оценкой, позволяющей судить о том, включен ли в резидентное множество процесса весь его текущий рабочий набор, является частота страничных прерываний, инициируемых данным процессом.
Типичная зависимость частоты страничных прерываний от размера резидентного набора процесса показана на рис. 38.
Рис.38. Зависимость частоты страничных прерываний от размера резидентного множества
Когда рабочий набор оказывается полностью включенным в резидентное множество, частота прерываний по отсутствию страницы резко падает, и это может служить хорошим индикатором для оценки достаточности резидентного множества процесса.
На практике, более удобно оценивать не частоту страничных прерываний, а интервал времени, прошедший между двумя последовательными прерываниями. дисциплина PFF основана на сравнении временного интервала между последними страничными прерываниями с пороговой величиной.
Если между двумя последовательными страничными прерываниями одного процесса проходит интервал времени, меньший порогового, то к резидентному множеству процесса добавляется новый страничный кадр. В противном случае, в резидентном множестве процесса выбирается страничный кадр для замещения, при этом может использоваться любой из рассмотренных ранее алгоритмов.
Для сокращения резидентных множеств всех процессов, периодически активизируется сборщик страниц. Сборщик страниц исключает из резидентных множеств процессов те страничные кадры, к которым не было обращений за последнее время, а для всех остальных страничных кадров сбрасывает бит-признак обращения. Те страничные кадры, для которых бит обращения не установится к следующему циклу сборщика страниц, будут удалены из резидентных множеств.
Таким образом, дисциплина PFF обеспечивает согласование резидентных и рабочих множеств процессов без прямой оценки величины рабочего множества.
Однако дисциплина PFF обладает и существенным недостатком. В момент перехода процесса от одного периода стабильности к другому, интервалы между страничными прерываниями резко сокращаются – процесс ведет активную подкачку страниц нового рабочего множества, что ведет к резкому росту резидентного множества процесса. Сокращение же резидентного множества сборщиком страниц запаздывает.
В результате, резидентное множество процессов, при переходном состоянии рабочего множества, может неоправданно расширяться в ущерб другим процессам, которые получат недостаточный резидентный набор, и эффективность их работы снизится.