এক্সটারনাল স্পিডআপ ইন এক্সটার্নাল মেমোরি

পটভূমি

বাহ্যিক মেমরি, বা ড্যাম মডেল, আই / ওএস সম্পাদনের সংখ্যার (মূলত, ক্যাশে মিস করার সংখ্যা) দ্বারা একটি অ্যালগরিদমের ব্যয় নির্ধারণ করে। এই চলমান সময়গুলি সাধারণত $M$ , মেমরির আকার এবং এর পরিপ্রেক্ষিতে দেওয়া হয় $B$ , এমন একাধিক শব্দের সংখ্যা যা একবারে স্মৃতিতে স্থানান্তরিত হতে পারে। কখনও কখনও $L$ এবং যথাক্রমে এবং $Z$ জন্য ব্যবহৃত হয়। $B$ $M$

উদাহরণস্বরূপ, বাছাই ব্যয়ে প্রয়োজন $\Theta(N/B\log_{M/B} N/B)$ এবং সাদাসিধা ম্যাট্রিক্স গুণ প্রয়োজন । $\Theta(n^3/B\sqrt{M})$

এই মডেলটি "ক্যাশে-বিস্মৃত অ্যালগরিদম" বিশ্লেষণ করতে ব্যবহৃত হয়, যা বা জ্ঞান নেই । সাধারণত লক্ষ্যটি বাহ্যিক মেমরির মডেলটিতে সর্বোত্তমভাবে সম্পাদন করা ক্যাশে-বিস্মৃত অ্যালগরিদমের জন্য; এটি সর্বদা সম্ভব নয়, যেমন পারমুটেশন সমস্যার ক্ষেত্রে (উদাহরণস্বরূপ ব্রোডাল, ফাদারবার্গে দেখানো হয়েছে )। বাছাই এবং ম্যাট্রিক্সের গুণনের আলোচনা সহ ক্যাশে-বিস্মৃত অ্যালগরিদমগুলির আরও ব্যাখ্যার জন্য এরিক ডামাইন দ্বারা এই রচনাটি দেখুন । $B$ $M$

আমরা দেখতে পাচ্ছি যে পরিবর্তন করার ফলে বাছাইয়ের জন্য লোগারিদমিক স্পিডআপ এবং ম্যাট্রিক্স গুণনের জন্য বহুবর্ষীয় গতিপথ ঘটে। (এই ফলাফলটি মূলত হংক, 1981 এর কুং থেকে এসেছে এবং প্রকৃতপক্ষে ক্যাশে বিস্মৃত হওয়া এবং বাহ্যিক স্মৃতি মডেলের আনুষ্ঠানিককরণ উভয়েরই পূর্বাভাস দেয়)। $M$

আমার প্রশ্নটি হ'ল:

স্পিডআপটি তাত্পর্যপূর্ণ এমন কোনও মামলা আছে কি ? চলমান সময় মত কিছু হবে । আমি বিশেষত ক্যাশে-বিস্মৃত অ্যালগরিদম বা ডেটা স্ট্রাকচারের প্রতি আগ্রহী যা এই বর্ণনার সাথে খাপ খায় তবে ক্যাশে-সচেতন অ্যালগরিদম / ডেটা কাঠামো বা এমনকী একটি সুনির্দিষ্ট লোয়ার বাউন্ডে খুশি হব। $M$ $f(N,B)/2^{O(M)}$

এটি বেশিরভাগ মডেলে সাধারণত ধরে নেওয়া হয় যে শব্দটির আকার যদি ইনপুট আকার এবং পরিষ্কারভাবে । তারপরে স্পিডআপ একটি বহুপদী স্পিডআপ দেয় । এটি আমাকে বিশ্বাস করে যে আমি যে সমস্যাটি সন্ধান করছি তা যদি বিদ্যমান থাকে তবে তা বহুপদী নয়। (অন্যথায় আমরা আই / ওএসের একটি ধ্রুবক সংখ্যা পাওয়ার জন্য ধ্রুবক দ্বারা ক্যাশে আকার পরিবর্তন করতে পারি, যা অসম্ভব বলে মনে হয়)। $w = \Omega(\log N)$ $N$ $M > w$ $2^M$ $N$

ds.algorithms ds.data-structures cache-oblivious

— SamM
সূত্র

অনুমান করতে পারেন, তবে

? স্পীডআপ

হিসাবে দেওয়া কেস পাওয়া গেছে , যথেষ্ট?

N =

$N=$

B^{p o l y l o g (B)}

$B^{\rm{polylog}(B)}$

— vzn

দুর্ভাগ্যক্রমে আমার উদ্দেশ্যে এটি

পদে থাকতে হবে । আমি যদিও রেফারেন্স আগ্রহী।

M

$M$

— স্যামম

ক্যাশে বিস্মৃত অ্যালগরিদমের উইকিপিডিয়া । fyi এই ক্ষেত্র স্বরলিপি কিছু সূক্ষ্মতা আছে। ডেইমেনের পৃষ্ঠার পাদটীকা এই অঞ্চলে বলেছেন,

সমস্যা আকার এবং কখনও কখনও

যেখানে

ব্লকের সংখ্যা, "তবে ছোট ক্ষেত্রে চিহ্নিতকরণ অনুকূলে পড়েছে বলে মনে হয়"। আপনি উপরের

এবং বিকল্পভাবে

উভয় ইনপুট আকার হিসাবে ব্যবহার করবেন । আপনার প্রশ্নে আপনার কমপক্ষে মানক হওয়া উচিত।

N

$N$

n = N / B

$n = N/B$

n

$n$

n

$n$

N

$N$

— vzn

আমি এটি ধারাবাহিকতার জন্য সম্পাদনা করেছি।

ইনপুটের আকার, এবং

কারণ যে সমস্যার জন্য সময় চলমান সাধারণত একটি পদ সংজ্ঞায়িত করা হয় ম্যাট্রিক্স গুণ কেবল ব্যবহার করা হয়

ম্যাট্রিক্স (অর্থাত

)

N

$N$

n

$n$

n \times n

$n\times n$

N = n^{2}

$N = n^2$

— SamM

সাহিত্য স্ক্যান করার পরে এর কেসগুলি দেখতে পাবেন না। এমন কোনও রেফ নেই? হতে পারে এমন কিছু ক্ষেত্রে তৈরি হতে পারে যে এ জাতীয় কোনও অ্যালগোরিদম জটিল হতে পারে এবং তত্বে তাত্ত্বিকভাবে এত দ্রুত গতি অর্জনের জন্য বিশ্লেষণ করা শক্ত ...? বা হতে পারে এটি অবহিত হতে হবে ...? বা, সম্ভবত এটি সম্ভব নয়? এমন কোনও ধারণা থাকতে পারে যে এলোমেলোভাবে মেমরিতে অ্যাক্সেস করা সবচেয়ে খারাপ পরিস্থিতি? মনে হচ্ছে গতি বৃদ্ধি এই ক্ষেত্রে

মধ্যে লিনিয়ার হয় ...? অথবা, মেমোরিতে অ্যাক্সেসের কিছু ফ্র্যাক্টাল প্যাটার্নটি সবচেয়ে খারাপ ক্ষেত্রে? অধ্যয়নের এই লাইনটি এক দশক পুরানো চেয়ে একটু বেশি ....

M

$M$

— ভিজেএন

উত্তর:

আমি নিশ্চিত যে আমি প্রশ্নটি বুঝতে পেরেছি না। কিন্তু এটা আমার মনে হচ্ছে যে ভাবনাটি হলো এই যে অধীনে সূচকীয় সময় লাগবে এমন সমস্যার মধ্যে রয়েছে, এই ধরনের সমস্যা, আপনার প্রয়োজনীয়তা পূরণ যদি যেহেতু হবে হল আপনি ইনপুট / আউটপুট অপারেশন একটি সূচকীয় সংখ্যা প্রয়োজন হবে ( যেহেতু আপনি সাইজ এর একই মেমরি ব্লকে কোনও চক্রের মধ্যে না গিয়ে বহুবর্ষীয় পদক্ষেপের চেয়ে বেশি "থাকতে" পারবেন না এবং যদি $PSPACE$ $M$ $O(\log N)$ $O( \log N)$ $M=N$ আপনার কেবলমাত্র I / O অপারেশনগুলির একটি রৈখিক সংখ্যা প্রয়োজন। এছাড়াও, আপনার পর্যবেক্ষণ বিষয়ে যে এই ধরনের একটি সমস্যা অন্তর্গত করতে পারেন না , এটা সঠিক হয় তাহলে speedup এর মানের জন্য রাখা আবশ্যক যে (এটা মানে হবে আমরা অপারেশনের একটি সূচকীয় নম্বর আছে দেখাও)। তবে যদি স্পিডআপটি কেবলমাত্র ছোট মানগুলিতে প্রযোজ্য হয় তবে স্বজ্ঞাত আমি বিশ্বাস করি এটি সত্য নয়, কারণ আমি মনে করি যে এটি এমন কোনও সমস্যা নকশা করা সম্ভব হয়েছিল যা আসলে প্রতিটি ক্ষুদ্র ক্ষুদ্র সমস্যার সংক্ষেপণ হতে পারে নিজস্ব আকার, ও ইনপুট / আউটপুটের অপারেশনের একটি সূচকীয় নম্বর (যে সময় $P$ $M$ $\Omega(N)$ $M$ $O(\log N)$ , যেহেতু সূচকীয়। বাস্তবে আমি বিশ্বাস করি যেমন -complete সমস্যার আপনার অবস্থা পূর্ণ করা। $poly (N)$ $poly(N)$ $O(\log N)$ $PSPACE$ $TQBF$

— user8477
সূত্র

আমি আশঙ্কা করছি আমি আপনার কিছু যুক্তি অনুসরণ করি না। যদি

হয় তবে বাহ্যিক স্মৃতিতে যে কোনও সমস্যা তুচ্ছ। যেমনটি আমি উল্লেখ করেছি,

কিছুটা নিরীহ কারণ এর অর্থ স্মৃতিতে কেবল স্থির সংখ্যক শব্দ থাকে (বাহ্যিক স্মৃতি কীভাবে সাধারণত পরীক্ষা করা হয় তা নয়)। আমি দেখছি আপনি কী বলছেন যে ক্ষতিকারক লাভ ছিল, কিন্তু এটি মধ্যবর্তী মান সম্পর্কে কিছুই বলে না। উদাহরণস্বরূপ, বাহ্যিক মেমরির সর্বোত্তম পার্টিশন হ'ল দুটি শর্তের নূন্যতম (মূলত যদি মেমরির মধ্যে সমস্ত কিছু ফিট হয় তবে আমরা এটির চেয়ে সম্পূর্ণ ভিন্ন কিছু করি। আপনি কি তা শাসন করতে পারেন?

M = Ω (N)

$M= \Omega(N)$

M = O (\log N)

$M = O(\log N)$

— স্যাম

হলে বাহ্যিক স্মৃতিতে কোনও সমস্যা কেন তুচ্ছ তা আমি বুঝতে পারি না । যদি

এবং অ্যালগোরিদমটি ক্ষতিকারক সময় নেয় তবে আপনাকে মেমরির দুটি অংশের মাঝে একটি ঘনঘন সংখ্যক বারের মাঝে পিছনে পিছনে পরিবর্তন করতে বাধ্য করা যেতে পারে।

M = Ω (N)

$M = \Omega(N)$

M = N / 2

$M=N/2$

— ব্যবহারকারী 8477

আহ, অবশ্যই আপনি ধ্রুবক ফ্যাক্টরটি গুরুত্বপূর্ণ হওয়ার বিষয়ে সঠিক। ওটা অনেক কিছু প্রকাশ করে; এটি অবশ্যই একটি ভাল সূচনা পয়েন্ট।

— স্যামম

মধ্যবর্তী মানের জন্য আমার কোনও যুক্তি নেই। খুব পৃষ্ঠের স্তরে, আমি অনুমান করি যে কিছু ব্যাকট্রাকিং অ্যালগরিদমগুলির মেমরির আকারের উপর নির্ভরশীল নির্ভরতা ঘটবে কারণ অনুসন্ধান বৃক্ষের নীচে গভীরতার নোডে I / O ক্রিয়াকলাপগুলি প্রয়োজন। এই নির্ভরতা মধ্যবর্তী মানগুলির জন্য প্রযোজ্য। এটি অবশ্যই সমস্যার অন্তর্নিহিত জটিলতা সম্পর্কে কিছুই বলে না। এছাড়াও, যদি আপনার

তবে উপরে বর্ণিত কবুতরহোল (সাইক্লিং) যুক্তিটি এখনও

যেখানে

সমস্যার সময় জটিলতা।

M = ω (\log N)

$M=\omega(\log N)$

T (N) / 2^{M}

$T(N)/2^M$

T (N)

$T(N)$

— ব্যবহারকারী 8477

-4

এই প্রশ্নটি টেরা ছদ্মবেশী অর্থাৎ অনাবিষ্কৃত অঞ্চলে প্রবেশ করেছে। কিছু চিন্তাভাবনা এবং পর্যালোচনা করার পরে এখানে এই আপাতদৃষ্টিতে খুব কঠিন / সূক্ষ্ম প্রশ্ন সম্পর্কে কিছু চিন্তাভাবনা / ধারণা রয়েছে যা আশাবাদী বুদ্ধিমান হবে তবে তা নিশ্চিত হওয়ার উদ্দেশ্যে নয়।

আপনি কে লিখেছেন তা নির্ধারণ করুন, "[ক্যাশে বিস্মৃত অ্যালগরিদমের] নীতি ধারণাটি সহজ: এবং না জেনে বাহ্যিক-স্মৃতি অ্যালগোরিদমগুলি নকশা করুন But তবে এই সাধারণ ধারণার বেশ কয়েকটি আশ্চর্যরকম শক্তিশালী পরিণতি রয়েছে।" $B$ $M$

এটি আশ্চর্যজনকভাবে সূক্ষ্ম প্রভাব আছে বলে মনে হয়। অসাধারণ আচরণের জন্য এই মডেলটিকে বিশ্লেষণ করা কঠিন বলে মনে হয় এবং এখনও পর্যন্ত কেউ এটি করেনি বলে মনে হয়। কিছু জরিপ আছে এবং তারা এখনও পর্যন্ত পুরো ক্ষেত্রটি জরিপ করে বলে মনে হচ্ছে। ক্ষেত্রটি কেবলমাত্র ~ 1 দশক পুরানো এই আশ্চর্যজনক নয়।

মডেলটি এখনও টুরিং মেশিনে অনুবাদ করা হয়েছে বলে মনে হয় না যেখানে আরও কঠোর / আনুষ্ঠানিক / তাত্ত্বিক / সাধারণ / মানক বিশ্লেষণ সম্ভব হতে পারে। বিগ-ওহ শিরোনামের সম্পূর্ণ ধারণা এবং এর প্রভাব এবং অন্তর্নিহিত যেমন ধ্রুবকের অপ্রাসঙ্গিকতা অগত্যা এইভাবে ক্যাশে বিস্মৃত অ্যালগরিদমের এই অঞ্চলে বহন করে না। উদাহরণস্বরূপ মডেলটি ইতিমধ্যে কনস্ট্যান্ট সাথে কাজ করছে বলে মনে হচ্ছে যা সঠিক মেমরির আকার পরিমাপ করে। এটি প্রদর্শিত হচ্ছে ক্ষেত্রটির গতিবিদ্যাটির এখনও অবধি মৌলিক অক্সিমের সেট নেই। $B,M$
টিএমগুলি ১৯uring36 সালে টিউরিং দ্বারা আবিষ্কার করা হয়েছিল এবং হার্টম্যানিস-স্টার্নস সময় / মহাকাশ শ্রেণিবিন্যাসের উপপাদ্য (যা আপনি এই প্রশ্নে কিছুটা ইঙ্গিত করছেন) ১৯65৫ সালে আবিষ্কার করা হয়েছিল ~ এটি একটি উল্লেখযোগ্য ~ ৩ দশক যা এখনও সময় / স্থানের শ্রেণিবিন্যাসের উপপাদ্যগুলিকে কিছুটা বিবেচনা করা হচ্ছে প্রাথমিক এবং স্নাতক শ্রেণিতে পড়ানো হয়। এখনও এই মডেলটিতে প্রতিষ্ঠিত হায়ারার্কি উপপাদ্যগুলির সাথে সম্পর্কিত বলে মনে হচ্ছে না এবং এটি কীভাবে করা যায় এটি একটি তুচ্ছ সমস্যা নয়। এই মডেলটির কাছে আসলে স্ট্যান্ডার্ড ট্যুরিং মেশিনের (যা ইতিমধ্যে একটি বরং ধর্মান্ধকর জটিল গতিশীলতা রয়েছে) তুলনায় আরও "চলমান অংশ" রয়েছে বলে মনে হয়, যেমন একটি বর্ধিত টুরিং মেশিনের মতো।
আরেকটি ধারণা হ'ল এই বাহ্যিক মেমরির মডেলটিকে কোনওভাবে টিএমসে রূপান্তর করা, যা আবার ক্যাশে বিস্মৃত অ্যালগরিদমের সাহিত্য / জরিপগুলিতে প্রদর্শিত হবে না এবং সম্ভবত হার্টম্যানিস-স্টার্নস শ্রেণিবদ্ধের উপপাদাগুলি কীভাবে অনুবাদ করতে পারে তা দেখুন। এটি দুটি টেপ টিএম এর সাথে সম্পর্কিত বলে মনে হয় যেখানে একটি টেপ মাপ 'এম' এবং অন্য টেপটি অসীম এবং ব্লকগুলি 'বি' আকারে 'এম' তে স্থানান্তরিত হয়। তবে এছাড়াও, এখানে একটি অসুবিধা হ'ল টুরিং মডেল যা টেপটিতে অনুক্রমিক অ্যাক্সেস ব্যবহার করে তার চেয়ে বেশি র‌্যাম মডেল। অন্যদিকে এটি একক এবং মাল্টিট্যাপ টিএম এর মধ্যে রূপান্তরগুলির সাথে যুক্ত সূক্ষ্মতার মধ্যে চলে যেতে পারে ।
এই সমস্যাটিকে অভিজ্ঞতার সাথে অনুকরণের পরামর্শ দিয়েছিলেন যা সাহিত্যে যেমন মনোনিবেশ করে থাকে যেমন কুমার ক্যাসি বিস্মৃত অ্যালগরিদম (২০০৩) নিয়ে এই দুর্দান্ত সমীক্ষায় । ক্যাশে সিমুলেশনগুলির জন্য অনলাইনে অনেকগুলি প্রোগ্রাম এবং কাগজপত্র রয়েছে এবং কিছু কিছু সরলিকরণ ব্যবহার করে একটি সম্ভবত বিপুল পরিমাণ কোড ছাড়াই আপনার প্রশ্নের উত্তর দিতে পারে। একটি প্রাথমিক ধারণা হ'ল সম্ভাব্যতা ভিত্তিক মেমরির "কাছাকাছি" অঞ্চলে অ্যাক্সেসকারী সম্ভাব্য আলগোরিদিম তৈরি করা। এখানে "কাছাকাছি" অবিচ্ছিন্নভাবে মেমরির প্রয়োজন হয় না, বরং এর পরিবর্তে একটি অ্যালগরিদম যা তার নিজস্ব অতি সম্প্রতি অ্যাক্সেস করা পৃষ্ঠাগুলির উপর নজর রাখার ভিত্তিতে এলোমেলো মেমরি পৃষ্ঠাগুলি (ব্লক) নির্বাচন করে। শক্তি আইন ব্যবহার করার পরামর্শ দিন"অতি সম্প্রতি অ্যাক্সেস করা" তালিকার "কাছাকাছি" পৃষ্ঠাগুলি নির্বাচনের সম্ভাবনা নির্ধারণ করতে। এটি ক্যাশে-ভিত্তিক পারফরম্যান্স উন্নয়নের সাথে সম্পর্কিত এমন মূল দিক হিসাবে উপস্থিত হয়।
মূলত "কোর মেমোরি" বনাম ডিস্ক মেমরির একটি পরিমাপ যা 'এম' এর উপর ভিত্তি করে একটি মোটামুটি যুক্তি দেয় he একটি অ্যালগরিদমের জন্য, কেউ আশা করতে পারে যে কোর মেমরিটি বৃদ্ধি পাবে, কেবলমাত্র একটি [অ্যাসিপোটোটিকভাবে] অ্যালগোরিদমিক গতিতে রৈখিক উন্নতির কাছে চলে আসে, এবং "কোর মেমরি" যুক্ত করে অ্যালগোরিদমের গতিতে কোনও সুপার-লিনিয়ার বৃদ্ধি পেতে স্বতঃস্ফূর্তভাবে প্রায় গতি অতিক্রম করার মতো মনে হয় সীমাবদ্ধ এবং "কিছুই না কিছু পাওয়ার জন্য"। যাইহোক, এটি প্রমাণ করার জন্য মডেলটি যথেষ্ট পরিমাণে আঁকড়ে ধরবেন না [তবে স্পষ্টতই কর্তৃপক্ষ / প্রতিষ্ঠাতা / বিশেষজ্ঞসহ অন্য কারওই নেই]।
এই ক্যাশে-বিস্মৃত অ্যালগরিদম সাহিত্য পি অ্যালগরিদমগুলিতে ফোকাস করেছে এবং এখনও অবধি কোনও নন-পি অ্যালগরিদমের বিশ্লেষণের কোনও ঘটনা দেখেনি এবং সম্ভবত এর কোনটিই উপস্থিত নেই। এটি সম্ভবত কারণ কারণ বিশ্লেষণ খুব কঠিন! কোন ক্ষেত্রে, চূড়ান্ত আচরণ সম্পর্কিত প্রশ্নগুলি দীর্ঘমেয়াদে এই ক্ষেত্রে অনুत्तरিত হতে পারে।
এমনকি "ছোট" জটিলতা অ্যালগরিদম যেমন এল, বা নন-পি (উদাহরণস্বরূপ এক্সপেস স্পেস ইত্যাদি) এর মতো "ছোট" জটিলতা অ্যালগরিদমগুলি কীভাবে এই মডেলটিতে আচরণ করে সে সম্পর্কে এটি স্বজ্ঞাতভাবে পরিষ্কার বা সম্ভবত এখনও অধ্যয়নকৃত বলে মনে হয় না। মডেলটি মেমরির স্থানীয়তা পরিমাপ করছে যা মূলত পৃথক বলে মনে হচ্ছে তবে সময় এবং স্থানের স্তরক্রমের সাথে এটি জড়িত।
ট্যুরিং মেশিন জটিলতার কিছুটা অস্পষ্ট পরিমাপ রয়েছে যার নাম "বিপরীত জটিলতা" যা কিছু গবেষণা, ফলাফল এবং কাগজপত্র যা সম্পর্কিত হতে পারে with মূলত টিএম নির্দিষ্ট সময় এবং স্থানের একটি নির্দিষ্ট পরিমাণ কভার করতে পারে, তবে বিবর্তনগুলি গণনার সময় টেপ হেডের কিছুটা স্বতন্ত্র পরিমাপ। দেখে মনে হয় যে "উচ্চ বিপরীতগুলি" "হাই মেমোরি লোকেশন" সম্পর্কিত হতে পারে কারণ উভয় ক্ষেত্রেই টেপ হেড বৃহত্তর অঞ্চলে চলে যাওয়ার পরিবর্তে "ছোট" অঞ্চলে থাকার জন্য ঝোঁকে থাকে।
এই প্রশ্ন এবং মডেলটি আমদাহলসের আইনের কথা মনে করিয়ে দেয় এবং সন্দেহ করে যে রিটার্ন বা ব্যালেন্স / ট্রেডঅফস হ্রাস সম্পর্কিত সম্পর্কিত এই জাতীয় কিছু ক্ষেত্রে এখনও অবধি আবিষ্কার করা হতে পারে বা এই ক্ষেত্রে প্রযোজ্য হতে পারে। মোটামুটি যুক্তি: ক্যাশে বিস্মৃত অ্যালগরিদম তত্ত্ব একটি সীমাবদ্ধ "স্থানীয়" মেমরি এবং একটি ব্যয় ভিত্তিক বহিরাগত "অসীম" ডিস্কের মধ্যে একটি ভারসাম্য / ট্রেড অফের দিকে তাকিয়ে থাকে। এটি মূলত দুটি সংস্থান যা "সমান্তরালভাবে" আচরণ করে এবং তাদের মধ্যে সম্ভবত একরকম অনুকূল ট্রেড অফ রয়েছে।

— vzn
সূত্র

k

$k$

টিএম মডেলটি টিসিএসের মূল মডেল এবং "ব্রিজ থেমস" এর জটিলতা স্তরক্রমের (সময় / স্থান, বেসিক জটিলতা ক্লাস যেমন পি / এনপি ইত্যাদি) সাথে ক্যাশে বিস্মৃত অ্যালগরিদমগুলি সম্ভবত ম্যাপ করা অবধি থাকে। বাহ্যিক মেমরি মডেলগুলি এবং সম্পর্কিত ক্যাশে বিস্মৃত মডেলগুলি মূলত বাস্তব-বিশ্বের পারফরম্যান্স বৈশিষ্ট্যগুলি মডেল করার চেষ্টা করছে এবং সাহিত্যের এত বেশি তাত্ত্বিক বিমূর্ততা যেমন প্রশ্ন জিজ্ঞাসা করাতে আগ্রহী না।

— vzn