写在前面
本篇是CACHE压缩技术的第五篇，解读的论文是
Base-Delta-Immediate Compression: Practical Data Compression for
On-Chip Caches
作者是来自CMU和INTEL的实验室的研究人员
其他Cache压缩、Cache原理的文章链接如下：
FPC压缩论文解读
背景知识
Cache压缩技术是一种很有前途的提高片内Cache容量、降低片内和片外带宽利用率的技术。不幸的是，直接应用众所周知的压缩算法（通常在软件中实现）会导致高硬件复杂性和不可接受的解压缩/压缩特性，进而会对性能产生负面影响。因此，需要一种简单而高效的压缩技术，能够有效地压缩缓存中常见的数据模式，并且对缓存访问延迟的影响最小。
缓存压缩是在缓存填充后（在提供关键字之后）在后台进行的，
而缓存解压缩是在缓存命中的关键路径上进行的，其中最小化延迟对性能极其重要。
事实上，由于一级缓存命中时间是最重要的，因此在本研究中，我们只考虑二级缓存的压缩
三个核心目标
同时解决压缩比小、硬件复杂度高、解压缩延迟大的问题。
数据压缩的几种模式
实际应用程序访问的数据中存在大量冗余。有多种模式导致了这种冗余。我们在下面总结了这些模式中最常见的一些：
- 零模式
零是应用数据中最常见的值。原因是多方面的。例如，零最常用于初始化数据、表示空指针或假布尔值以及表示稀疏矩阵（密集形式）。 - 重复模式
一个大的连续内存区域可能包含一个重复多次的值[23]。这种模式广泛存在于对大数组使用公共初始值的应用程序中，或者在相邻像素的大量数目具有相同颜色的多媒体应用程序中 - 窄模式
一句话就是习惯性把count设成double/long类型结果上限就是10，浪费极大
窄值是使用大数据类型存储的小值：例如，作为四字节整数存储的一个字节值。由于过度配置或数据对齐，应用程序数据中通常会出现窄值。程序员通常会在最坏的情况下预测各种数据结构中的数据类型，即使大多数值可能适合较小的数据类型。例如，存储计数器表需要设置数据类型以容纳计数器的最大可能值。然而，可能的情况是最大可能的计数器值需要4个字节，而一个字节可能足以存储大多数计数器值。 - 其他模式
还有一些其他常见的数据模式不属于上述三类中的任何一类：指向同一内存区域中不同位置的指针表、低颜色梯度变化的图像，等。
下图给出了上述问题方案的一些对比
核心思想
关键思想是，对于许多缓存线，缓存线中的值具有较低的动态范围，即，缓存线中存储的值之间的差异很小。因此，可以使用一个基值和一个差异数组来表示缓存线，这些差异数组的组合大小远小于原始缓存线（我们称之为基+增量编码）
于我们研究的工作负载，最好的选择是有两个基，其中一个基总是零。
使用这两个基值（零和其他值），我们的方案可以有效地压缩包含两个分离率动态范围的混合缓存线：一个以从缓存线的实际内容中选择的任意值（例如指针值）为中心，另一个接近于零（例如小整数值）。
对比的对象
- 频繁值压缩（FVC）
- 频繁模式压缩（FPC）
今天数据库那个贼累，先写到这里，明天继续原理分析
