随着非易失性存储器件技术的进步,基于闪存的固态盘得到了广泛的应用。由于固态盘读写性能处于DRAM内存和机械硬盘HDD之间,并且成本相对DRAM内存较低,因此它通常被部署为DRAM和HDD之间的大容量缓存。然而传统的缓存算法主要关注于缓存命中率的提高,而忽略了缓存的写入数据量,而固态盘有写入次数的限制,这将大大缩短固态盘作为缓存的使用寿命。为了应对这一挑战,研究分析了实际的工作负载,发现有很多对缓存的写数据操作是不必要的,如访问概率很低的数据或者周期性的备份数据,对于传统的缓存算法,这些数据仍然会进入缓存中并进行不断的替换。如果能提前阻止这些数据进入缓存中,不仅可以使热度高的块在缓存中保留更长的时间,还可以消除不必要的固态盘写入。为此研究提出了基于数据块图谱分析的缓存架构—CacheRank,该架构通过对块序列的分析,利用滑动窗口技术挖掘块之间的访问关联关系,并构建数据块图谱。图谱中的顶点代表数据块,边表示数据块之间的访问关系,利用Dice系数量化块之间的关联强度,并保存在边的属性中。基于数据块图谱,提出了块重要度分析算法BlockRank,以块重要度来作为数据块的缓存准入阈值。实验表明,CacheRank能显著降低固态盘缓存的写入次数,相比于LRU算法,命中率提高了1%-4%,CacheRank的缓存写入次数减少了25%—41%。