标签：recently 之一 enum 高效 一周 证明 执行 简单的 算法
其选择淘汰的页面将是以后永不使用的，或许是在最长时间内不再被访问的页面。采用最佳置换算法通常可以保证获得最低的缺页率。但由于人们目前还无法预知，一个进程在内存的若干个界面中，哪一个页面是未来最长时间内不再被访问的，因而该算法是无法实现的，但可以利用它来评价其他算法。现举例如下：
最佳置换算法可以用来评价其他算法。假定系统为某进程分配了三个物理块，并考虑有以下页面号引用串：
7, 0, 1, 2, 0, 3, 0, 4, 2, 3, 0, 3, 2, 1, 2, 0, 1, 7, 0, 1
进程运行时，先将7, 0, 1三个页面依次装入内存。进程要访问页面2时，产生缺页中断，根据最佳置换算法，选择第18次访问才需调入的页面7予以淘汰。然后，访问页面0时，因为已在内存中所以不必产生缺页中断。访问页面3时又会根据最佳置换算法将页面1淘汰……依此类推，如图3-26所示。从图中可以看出釆用最佳置换算法时的情况。
可以看到，发生缺页中断的次数为9，页面置换的次数为6。
| 访问页面 | 7 | 0 | 1 | 2 | 0 | 3 | 0 | 4 | 2 | 3 | 0 | 3 | 2 | 1 | 2 | 0 | 1 | 7 | 0 | 1 |
| 1 | 7 | 7 | 7 | 2 | 2 | 2 | 2 | 2 | 7 | |||||||||||
| 2 | 0 | 0 | 0 | 0 | 4 | 0 | 0 | 0 | ||||||||||||
| 3 | 1 | 1 | 3 | 3 | 3 | 1 | 1 | |||||||||||||
| 缺页否 | √ | √ | √ | √ | √ | √ | √ | √ | √ |
1 void Optimal(vector<int> PageOrder, vector<vector<int> > &Simulate, int &PageNum,int &LackNum, int m, int n){ 2 vector<bool> found(n,false); // 记录页面中是否存在 3 vector<int> lump; // 物理块 4 5 for(int i = 0; i < n; found[PageOrder[i]] = true, i ++){ 6 //物理块中不存在 7 if( !found[PageOrder[i]] ){ 8 // 物理块未满时 9 if(lump.size() < m){ 10 lump.push_back(PageOrder[i]); 11 } 12 // 物理块满需要置换 13 else{ 14 int temp, max = 0; 15 for(int j = 0; j < lump.size(); j ++){ 16 int count = i; 17 for(; count < n + 1; count ++) 18 if(PageOrder[count] == lump[j]) break; 19 if(count > max){ 20 max = count;temp = j; // 记录当前最远页面序号 21 } 22 } 23 found[lump[temp]] = false; 24 lump[temp] = PageOrder[i]; 25 } 26 for(int j = 0; j < lump.size(); j ++) 27 Simulate[i].push_back(lump[j]); 28 LackNum ++; //访问页面失败 29 } 30 //物理块中存在 31 else 32 PageNum ++; //访问页面成功 33 } 34 }
是最简单的页面置换算法。这种算法的基本思想是：当需要淘汰一个页面时，总是选择驻留主存时间最长的页面进行淘汰，即先进入主存的页面先淘汰。其理由是：最早调入主存的页面不再被使用的可能性最大。
| 访问页面 | 7 | 0 | 1 | 2 | 0 | 3 | 0 | 4 | 2 | 3 | 0 | 3 | 2 | 1 | 2 | 0 | 1 | 7 | 0 | 1 |
| 1 | 7 | 7 | 7 | 2 | 2 | 2 | 4 | 4 | 4 | 0 | 0 | 0 | 7 | 7 | 7 | |||||
| 2 | 0 | 0 | 0 | 3 | 3 | 3 | 2 | 2 | 2 | 1 | 1 | 1 | 0 | 0 | ||||||
| 3 | 1 | 1 | 1 | 0 | 0 | 0 | 3 | 3 | 3 | 2 | 2 | 2 | 1 | |||||||
| 缺页否 | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ |
这里仍用上面的实例，釆用FIFO算法进行页面置换。进程访问页面2时，把最早进入内存的页面7换出。然后访问页面3时，再把2, 0, 1中最先进入内存的页换出。由图 3-27可以看出，利用FIFO算法时进行了 12次页面置换，比最佳置换算法正好多一倍。
1 void FIFO(vector<int> PageOrder, vector<vector<int> > &Simulate, int &PageNum,int &LackNum, int m, int n){ 2 vector<bool> found(n,false); 3 vector<int> lump; 4 queue<int> buffer; //用来记录先后顺序 5 6 for(int i = 0; i < n; found[PageOrder[i]] = true, i ++){ 7 if( !found[PageOrder[i]] ){ 8 if(lump.size() < m){ 9 lump.push_back(PageOrder[i]); 10 buffer.push(PageOrder[i]); 11 } 12 else{ 13 for(int j = 0; j < lump.size(); j ++) 14 if(lump[j] == buffer.front()){ 15 found[lump[j]] = false; 16 lump[j] = PageOrder[i]; //替换 17 buffer.push(PageOrder[i]); 18 buffer.pop(); break; 19 } 20 } 21 for(int j = 0; j < lump.size(); j ++) 22 Simulate[i].push_back(lump[j]); 23 LackNum ++; 24 } 25 else 26 PageNum ++; 27 } 28 }
这种算法的基本思想是：利用局部性原理，根据一个作业在执行过程中过去的页面访问历史来推测未来的行为。它认为过去一段时间里不曾被访问过的页面，在最近的将来可能也不会再被访问。所以，这种算法的实质是：当需要淘汰一个页面时，总是选择在最近一段时间内最久不用的页面予以淘汰。
再对上面的实例釆用LRU算法进行页面置换，如图3-29所示。进程第一次对页面2访问时，将最近最久未被访问的页面7置换出去。然后访问页面3时，将最近最久未使用的页面1换出。
| 访问页面 | 7 | 0 | 1 | 2 | 0 | 3 | 0 | 4 | 2 | 3 | 0 | 3 | 2 | 1 | 2 | 0 | 1 | 7 | 0 | 1 |
| 1 | 7 | 7 | 7 | 2 | 2 | 4 | 4 | 4 | 0 | 1 | 1 | 1 | ||||||||
| 2 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 3 | 3 | 0 | 0 | |||||||||
| 3 | 1 | 1 | 3 | 3 | 2 | 2 | 2 | 2 | 2 | 7 | ||||||||||
| 缺页否 | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ |
实际上，LRU算法根据各页以前的情况，是“向前看”的，而最佳置换算法则根据各页以后的使用情况，是“向后看”的。
注：LRU性能较好，但需要寄存器和栈的硬件支持。LRU是堆栈类的算法。理论上可以证明，堆栈类算法不可能出现Belady异常。FIFO算法基于队列实现，不是堆栈类算法。
1 void LRU(vector<int> PageOrder, vector<vector<int> > &Simulate, int &PageNum,int &LackNum, int m, int n){ 2 vector<int> count(n,0); // 记录页面存在时间 3 vector<bool> found(n,false); 4 vector<int> lump; 5 6 for(int i = 0; i < PageOrder.size(); count[PageOrder[i]] = i,found[PageOrder[i]] = true, i ++){ 7 if( !found[PageOrder[i]] ){ 8 if( lump.size() < m){ 9 lump.push_back(PageOrder[i]); 10 } 11 else{ 12 int temp, max = 0; 13 // 计录当前物理块中存在最长时间的元素 14 for(int j = 0; j < lump.size(); j ++){ 15 if(i - count[lump[j]] > max){ 16 max = i - count[lump[j]]; 17 temp = j; 18 } 19 } 20 found[lump[temp]] = false; 21 lump[temp] = PageOrder[i]; 22 } 23 for(int j = 0; j < lump.size(); j ++) 24 Simulate[i].push_back(lump[j]); 25 LackNum ++; 26 } 27 else 28 PageNum ++; 29 } 30 }
LRU算法的性能接近于OPT,但是实现起来比较困难，且开销大；FIFO算法实现简单，但性能差。所以操作系统的设计者尝试了很多算法，试图用比较小的开销接近LRU的性能，这类算法都是CLOCK算法的变体。
简单的CLOCK算法是给每一帧关联一个附加位，称为使用位。当某一页首次装入主存时，该帧的使用位设置为1;当该页随后再被访问到时，它的使用位也被置为1。对于页替换算法，用于替换的候选帧集合看做一个循环缓冲区，并且有一个指针与之相关联。当某一页被替换时，该指针被设置成指向缓冲区中的下一帧。当需要替换一页时，操作系统扫描缓冲区，以查找使用位被置为0的一帧。每当遇到一个使用位为1的帧时，操作系统就将该位重新置为0；如果在这个过程开始时，缓冲区中所有帧的使用位均为0，则选择遇到的第一个帧替换；如果所有帧的使用位均为1,则指针在缓冲区中完整地循环一周，把所有使用位都置为0，并且停留在最初的位置上，替换该帧中的页。由于该算法循环地检查各页面的情况，故称为CLOCK算法，又称为最近未用(Not Recently Used, NRU)算法。
CLOCK算法的性能比较接近LRU，而通过增加使用的位数目，可以使得CLOCK算法更加高效。在使用位的基础上再增加一个修改位，则得到改进型的CLOCK置换算法。这样，每一帧都处于以下四种情况之一：
算法执行如下操作步骤：
改进型的CLOCK算法优于简单CLOCK算法之处在于替换时首选没有变化的页。由于修改过的页在被替换之前必须写回，因而这样做会节省时间。
标签：recently 之一 enum 高效 一周 证明 执行 简单的 算法
原文地址：https://www.cnblogs.com/john1015/p/13021237.html
