Tierra: matrizes em múltiplos níveis e decisão de dados quentes sensível à recência

Por que alguns dados merecem a pista rápida

Cada vez que você transmite um filme, chama um carro ou verifica seu saldo bancário, computadores decidem silenciosamente quais pedaços de informação devem ficar à mão e quais podem ser empurrados para as prateleiras de trás. Essa divisão entre dados “quentes” (usados com frequência) e “frios” (usados raramente) é vital para fazer com que aplicativos modernos pareçam instantâneos. À medida que o hardware de armazenamento fica mais complexo e os volumes de dados explodem, essas decisões ficam mais difíceis e mais importantes. Este artigo apresenta o Tierra, uma nova forma de identificar dados quentes de maneira rápida e precisa, ajudando os futuros sistemas de armazenamento a rodarem mais rápido e durarem mais.

O desafio de encontrar pontos quentes em oceanos de dados

Nos bastidores, grandes serviços dependem de camadas de memória e armazenamento, desde pequenos caches em chip até drives de estado sólido e memórias não voláteis emergentes. Manter dados usados com frequência na camada mais rápida pode reduzir dramaticamente o tempo de espera e, em dispositivos baseados em flash, pode até estender a vida útil do hardware ao direcionar escritas repetidas para os locais certos. Mas descobrir o que é realmente quente é complicado. Métodos anteriores frequentemente rastreavam quantas vezes cada bloco de dados foi acessado, ignorando em grande parte quão recentes foram esses acessos. Técnicas mais novas tentaram combinar recência e frequência usando estruturas chamadas filtros de Bloom, que são eficientes, porém probabilísticas. Conforme as cargas de trabalho cresceram em tamanho e variedade, essas abordagens passaram a classificar dados incorretamente com frequência, consumir muita memória e tempo de computação, ou ambos.

Lendo padrões em vez de cada passo individual

Tierra toma uma rota diferente: em vez de inspecionar cada bloco de dados em detalhe completo, primeiro procura padrões em como as requisições chegam ao longo do tempo. Uma ideia-chave é a “distância de pilha” (stack distance), uma medida de quantos itens distintos foram tocados entre duas visitas ao mesmo dado. Distâncias pequenas significam que um item tende a voltar em breve e é provavelmente quente; distâncias grandes indicam dados frios. Calcular essa métrica exatamente é caro, então os autores refinam um método de aproximação anterior. Eles limitam o tamanho do histórico que mantêm, descartando referências muito antigas para que as estimativas não derivem ao longo do tempo. Esse desenho de “capacidade fixa” mantém alta a qualidade da aproximação enquanto limita custos de memória e busca, mesmo quando há milhões de requisições únicas.

Deixando um porteiro inteligente filtrar a multidão

Munido da distância de pilha, a segunda etapa do Tierra atua como um porteiro para as requisições entrantes. Se a distância de uma requisição estiver acima de um limiar escolhido, ela é quase certamente fria e é filtrada imediatamente. Se parecer promissora, a requisição é passada adiante como candidata a dado quente. Crucialmente, essa camada de triagem faz mais do que apenas dizer sim ou não: também atribui a cada candidato uma “pontuação de calor” inicial com base em quão recentemente ele e sua aparição anterior ocorreram. Dessa forma, mesmo quando algumas requisições são descartadas, seu timing ainda informa decisões posteriores. Experimentos mostram que essa triagem sensível à recência remove cerca de uma vez e meia mais dados frios do que filtros mais antigos, enquanto descarta incorretamente quase vinte vezes menos itens quentes.

Prateleiras em camadas que respeitam a frescura

Requisições que sobrevivem ao porteiro entram na estrutura central do Tierra: quatro matrizes de tamanhos diferentes que funcionam como prateleiras em níveis. Cada entrada registra uma referência ao dado e dois carimbos de tempo compactos descrevendo quando foi visto pela última vez. Itens recentes e acessados com frequência naturalmente permanecem nas camadas superiores, enquanto itens mais antigos e menos ativos afundam para camadas menores e inferiores e são eventualmente removidos. Quando chega uma requisição, o Tierra verifica se ela já está em uma dessas prateleiras. Se estiver, atualiza os carimbos de tempo e soma suas pontuações de calor armazenadas, incluindo até três acessos anteriores, para decidir se o dado deve ser considerado quente naquele momento. Ao organizar as matrizes de forma assimétrica—maiores no topo e menores abaixo—Tierra reduz drasticamente o embaralhamento interno, cortando o movimento de dados em aproximadamente um fator de três em comparação com camadas de tamanho uniforme.

Como o Tierra se sai no mundo real

Os autores testam o Tierra usando dezesseis rastros reais de armazenamento de serviços em nuvem, smartphones, desktops empresariais e laptops. Eles o comparam com várias linhas de base proeminentes, incluindo contagem tradicional em uma janela deslizante, esquemas baseados em hash e os detectores de dados quentes mais recentes baseados em filtros de Bloom. Ao longo dessas cargas de trabalho diversas, a parcela de dados marcada como quente pelo Tierra coincide de perto com a da linha de base confiável baseada em janela, mas com muito menos erros: sua taxa geral de classificação incorreta fica em média em apenas 0,6 porcento. Isso é aproximadamente 31 vezes menor que um esquema clássico, 13 vezes menor que um projeto melhorado de filtro de Bloom de duas camadas e cinco vezes melhor que o prior estado da arte chamado Multigrain. Ao mesmo tempo, o Tierra é mais rápido, reduzindo o tempo de execução em 1,4–1,7× em relação a métodos concorrentes, graças à sua triagem precoce e ao tratamento grosseiro das requisições.

Por que isso importa para os sistemas dos quais você depende

Em termos simples, o Tierra dá aos computadores um olhar mais aguçado sobre quais dados realmente precisam ficar próximos. Ao combinar uma visão inteligente e limitada do histórico de acessos, um portão de triagem sensível à recência e um conjunto de matrizes cuidadosamente escalonadas, ele equilibra velocidade, custo de memória e precisão de uma forma que abordagens anteriores não conseguiam. Para provedores de nuvem e fabricantes de dispositivos, isso significa serviços mais responsivos, melhor utilização de memórias rápidas caras e hardware de armazenamento com vida útil mais longa. Para usuários cotidianos, significa que os aplicativos e serviços dos quais dependem podem acompanhar o crescimento contínuo de dados sem ficar lentos.

Guia visual: visão geral

Guia visual: como o Tierra funciona por dentro

Citação: Lee, H., Park, D. Tierra: multi-tiered arrays and recency-aware hot data decision. Sci Rep 16, 13733 (2026). https://doi.org/10.1038/s41598-026-44185-1

Palavras-chave: identificação de dados quentes, sistemas de armazenamento, memória não volátil, localidade de cache, otimização de desempenho