Preload - это «адаптивный демон readahead», который работает в фоновом режиме вашей системы и отслеживает, какие программы вы используете чаще всего, кэшируя их, чтобы ускорить время загрузки приложения. Используя Preload, вы можете эффективно использовать неиспользуемую оперативную память и повысить общую производительность настольной системы.
Не ожидайте резкого изменения производительности сразу. Кроме того, если вы просто периодически открываете / закрываете приложения, ваш компьютер все равно будет хранить эти файлы в кеше (это называется «горячей» загрузкой), поэтому вы не увидите здесь никакой разницы в скорости. Однако вы увидите улучшение скорости, если, например, вы используете программу с перерывами; Эти программы будут запускаться быстрее, чем без предварительной загрузки.
Предварительная загрузка может значительно улучшить время запуска приложения; Так как большинство современных машин имеют много свободной памяти, Preload эффективно использует эту оперативную память. 1
Теперь, как говорится, кажется, что предварительная загрузка - отличная утилита, и это может быть.
Я думаю, что причина в том, что она не предустановлена с ОС, заключается в том, что пользователь должен точно знать, что он там делает, и иметь достаточно опыта, чтобы иметь возможность его использовать, а система должна иметь достаточно оперативной памяти.
Что касается более технического аспекта, предварительная загрузка работает путем перемещения данных с жесткого диска в оперативную память, что позволяет большинству жестких дисков переходить в спящий режим, если они не используются, а затем при необходимости снова раскручивать обратно. Таким образом, вращение привода вверх / вниз приведет к увеличению числа циклов загрузки / выгрузки и увеличению времени включения, что сократит срок службы привода.
Мы разработали и реализовали предварительную загрузку - схему адаптивной предварительной выборки на основе Маркова, которая работает на предсказаниях на уровне приложений. Кроме того, предварительная загрузка реализована в пользовательском пространстве и никоим образом не меняет среду выполнения приложения. Насколько нам известно, это первая работа, в которой мы экспериментировали с предварительной выборкой файловой системы на этом уровне.
Наши экспериментальные результаты показывают многообещающие улучшения времени запуска приложений по сравнению с холодными кэшами и приличную частоту обращений по сравнению с алгоритмом наивного предсказания.
Однако присутствие в пространстве пользователя создает серьезные препятствия для того, чтобы сделать предварительную загрузку конкурентоспособным решением проблемы времени запуска. В частности, отсутствие полной информации о запросах ввода-вывода приложений и отсутствие надежных каналов связи с подсистемой кэширования страниц значительно снижает эффективность предварительной загрузки, особенно в условиях ограниченного объема памяти.
Другая внутренняя проблема, связанная с конструкцией предварительной нагрузки, - это высокая дисперсия и низкая достоверность предсказания, вызванные относительно слабой корреляцией запусков приложений. Несмотря на то, что мы успешно строим модель для отслеживания корреляций приложений, тот факт, что запуска приложений являются очень редкими событиями по сравнению с временными рамками, на которых работают компьютеры, схема предварительной выборки на уровне приложений обречена на потребление огромной памяти предварительной выборки в течение практически бесконечного периода времени. Эта память может быть использована для улучшения краткосрочного поведения кэша.
Наконец, мы разработали ряд рекомендаций для разработчиков системы о том, как улучшить время загрузки, время входа в систему и время запуска приложения, не прибегая к предварительному извлечению, интегрированному с подсистемой кэша в ядре. Конечно, основанный на файлах предварительный выборщик в ядре может улучшить это. 2
1 Источник: techthrob
2 Источник: Предварительная загрузка - Демон адаптивной предварительной выборки Бехдада Эсфахбода - Диссертация, представленная в соответствии с требованиями степени магистра наук - Аспирантура факультета компьютерных наук - Университет Торонто Copyright (c) 2006 - Бехдад Эсфахбод.