FIFO、LRU、OPT、LFU算法的Python实现
- 一、实验目的
- 二、实验内容：
- 三、实验要求
- 四、思路
- 五、实验代码
- 结果展示
一、实验目的
1、通过请求页式管理中页面置换算法的模拟设计了解虚拟存储技术的特点；
2、掌握请求页式存储管理的页面置换算法。
二、实验内容：
1、通过随机数产生一个指令序列，共320条指令。指令的地址按下述原则生成：
(1) 50％的指令是顺序执行的。
(2) 25％的指令是均匀分布在前地址部分。
(3) 25％的指令是均匀分布在后地址部分。
具体的实施办法是：
(1) 在[0, 319]之间选一起点m；
(2) 顺序执行一条指令，即 m＋1 条；
(3) 向前地址[0, m－1]中执行一条指令m’；
(4) 顺序执行一条指令, 即 m’＋1 条 ;
(5) 向后地址(m’＋2, 319]中执行一条指令g’。
2、将指令序列变换成为页地址流。
假设： (1) 页面大小为1K；
(2) 用户实存容量为4页到32页；
(3) 用户虚存容量为32K。
用户虚存容量32K, 每K中放10条指令, 共320条指令(0～319)。其中0～9为0页,10～19为1页, …, 310～319为31页。
3、使用不同的页面调度算法处理缺页中断，并计算不同实存容量下(4～32K)的命中率。
(1) 先进先出算法(FIFO) ;
(2) 最近最少使用算法(LRU) ;
* (3) 最佳淘汰算法(OPT): 先淘汰最不常用的页地址 ;
* (4) 最少访问页面算法(LFU)。
其中* (3)、* (4)为选做题。
命中率的算法为:
缺页中断次数
命中率＝1－ -------------
页地址流长度
三、实验要求
1、 写出程序，并调试程序，要给出测试数据和实验结果。
2、 整理上机步骤，总结经验和体会。
3、 完成实验报告和上交程序。
四、思路
关于随机数的产生办法。首先要初始化随机数，通过下列语句实现：
srand ( ) ;
1. 产生 320 条指令
m = 160 ;
for (i = 0; i < 80 ;i++)
{
j = i * 4 ;
a[j] = m ;
a[j+1] = m + 1;
a[j+2] = a[j] * 1.0 * rand ( )/32767;
a[j+3] = a[j+2] + 1
m = a[j+3] + (319-a[j+3]) * 1.0×rand ( ) /32767;
}
2. 将指令序列变换成为页地址流
for (k = 0; k < 320; k + +)
{ pt = a[k]/10;
…
}
3. 计算不同算法的命中率:
rate = 1 - 1.0 * U/320 ;
其中U为缺页中断次数, 320是页地址流长度。
4. 输出格式
k FIFO LRU
4 0.23 0.25
… … …
32 1.0 1.0
五、实验代码
import numpy as np
import matplotlib.pyplot as plt
# 产生一个指令序列
def produceAddstream():
instruct = []
m = np.random.randint(0, 319) #在 [0，319] 的指令地址之间随机选取一起点 m
# 每次循环生成 4 条，所以需要循环 80 次
for i in range(80):
instruct.append(m+1) # 顺序 执行一条指令，即执行地址为 m+1 的指令；
n = np.random.randint(0, m+1) #在前地址 [0，m+1] 中随机选取一条指令
instruct.append(n) # 前地址,执行地址为 n 的指令
instruct.append(n+1) # 顺序,n+1
m = np.random.randint(n+2, 319) #后地址 [n+2，319] 中随机选取一条指令并执行
instruct.append(m) # 后地址
# print(instruct) # [143, 40, 41, 101]
return instruct #能看到最终的效果，但难以估计准确性，因此根据书本上的例子给出了一份测试数据
# return [70, 0, 10, 20, 0, 30, 0, 40, 20, 30, 0, 30, 20, 10, 20, 0, 10, 70, 0, 10]
# # 置换算法的核心：遍历中，判断1.不在用户内存中，2.此时用户内存满了
# def alg(n, ins):
# """置换算法"""
# hit = 0 # 命中的个数
# user_mem = [] # 用户内存
# # 遍历所有指令
# for (ind, i) in enumerate(ins):
# # 如果命中 #每k存放10条指令排列虚存地址,i//10得到指令所在的页数
# if (i//10) in user_mem: # 命中的操作
# else:
# if len(user_mem) == n: # 如果用户内存已满
# # 内存满的操作，移出一个页面
# user_mem.append(i//10)
# return hit / len(ins) # 计算命中率 「命中次数」除以「指令总数」
def FIFO(n, ins):
"""先进先出置换算法"""
user_mem = []
hit = 0
for i in ins:
if i // 10 in user_mem:
hit += 1
else:
if len(user_mem) == n:
user_mem.pop(0) # 最前面的 移除内存
user_mem.append(i // 10) # 移入内存
return hit / len(ins)
def OPT(n, ins):
"""最佳置换算法：最近不在访问"""
hit = 0
user_mem = []
dic = dict.fromkeys(range(32), []) #字典大小=页面个数
# 使用字典来保存下一个指令的位置 键：「页号」，值：「指令位置数组」
for (ind, i) in enumerate(ins):
# 这里不能使用 append
dic[i // 10] = dic[i // 10] + [ind]
for (ind, i) in enumerate(ins):
# 更新字典
dic[i // 10].pop(0)
if (i // 10) in user_mem:
hit += 1
else:
if len(user_mem) == n:
temp = [321] * n
for (index, page) in enumerate(user_mem):
if len(dic[page]) > 0:
temp[index] = dic[page][0] #比较「指令位置数组」的第一个元素的大小
user_mem.pop(np.argmax(temp)) #删除最大指令对应的页号
user_mem.append(i // 10)
return hit / len(ins)
def LRU(n, ins):
"""最近最久未使用置换算法：访问的早晚"""
user_mem = []
hit = 0
for i in ins:
if i // 10 in user_mem:
hit += 1
temp = user_mem.pop(user_mem.index(i//10))
user_mem.append(temp) #删除后将该页面放在最后面
else:
if len(user_mem) == n:
user_mem.pop(0) #最前面的页面删除
user_mem.append(i//10)
return hit / len(ins)
def LFU(n, ins):
"""最少使用置换算法：最近一段时间内，被访问的次数"""
user_mem = []
hit = 0
for (ind, i) in enumerate(ins):
if i // 10 in user_mem:
hit += 1
else:
if len(user_mem) == n:
temp = [0] * n
# 使用前 50 条指令来测试，如果不足 50 就从开头
for item in ins[max(0, ind - 20):ind]:
# 统计内存中的页在接下来20条里被访问的次数
for k in range(n):
if user_mem[k] == item // 10:
temp[k] += 1
break
# 访问次数最少的淘汰
user_mem.pop(np.argmin(temp))
user_mem.append(i // 10)
return hit / len(ins)
def main():
"""主函数"""
ins = produceAddstream()
result = np.zeros([4, 29])
x = np.arange(4, 33)
print('k FIFO LRU OPT LFU')
for i in x:
result[0, i-4] = OPT(i, ins)
result[1, i-4] = FIFO(i, ins)
result[2, i-4] = LRU(i, ins)
result[3, i-4] = LFU(i, ins)
print(i,' ',result[0, i-4],' ',result[1, i-4],' ',result[2, i-4],' ',result[3, i-4])
# 画图
plt.figure(figsize=(8, 4))
plt.plot(x, result[0], label="OPT")
plt.plot(x, result[1], label="FIFO")
plt.plot(x, result[2], label="LRU")
plt.plot(x, result[3], label="LFU")
plt.legend()
plt.show()
return
main()结果展示
