52386401b3
Major Features: - Debug counter infrastructure for Refill Stage tracking - Free Pipeline counters (ss_local, ss_remote, tls_sll) - Diagnostic counters for early return analysis - Unified larson.sh benchmark runner with profiles - Phase 6-3 regression analysis documentation Bug Fixes: - Fix SuperSlab disabled by default (HAKMEM_TINY_USE_SUPERSLAB) - Fix profile variable naming consistency - Add .gitignore patterns for large files Performance: - Phase 6-3: 4.79 M ops/s (has OOM risk) - With SuperSlab: 3.13 M ops/s (+19% improvement) This is a clean repository without large log files. 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude <noreply@anthropic.com>
5.5 KiB
5.5 KiB
% ACE‑Alloc: Agentic Context Engineering for Runtime‑Adaptive Small‑Object Allocation % Authors: (TBD) % Draft v0.1 — 2025‑11‑02
概要（Abstract）
本論文は、Agentic Context Engineering（ACE）をメモリアロケータに適用し、実運用に耐える低オーバーヘッドの学習層を備えた小型オブジェクト向けアロケータ「ACE‑Alloc」を提案する。ACE‑Alloc は、観測（軽量イベント）、意思決定（cap/refill/trim の動的制御）、適用（非同期スレッド）から成るエージェント型最適化ループを実装しつつ、ホットパスから観測負荷を排除する TLS バッチ化を採用する。また、標準 API 互換の free(ptr) を保ちながら per‑object ヘッダを削除し、スラブ末尾の 32B prefix メタデータにより密度劣化なく即時判定を実現する。実験では、mimalloc と比較して Tiny/Mid における性能で優位性を示し、メモリ効率の差は Refill‑one、SLL 縮小、Idle Trim の ACE 制御により縮小可能であることを示す。
- はじめに（Introduction）
- 小型オブジェクトの高速割り当ては、多くのアプリケーションにとって主要な性能決定因子である。
- 既存の高速アロケータは、性能とメモリ効率のトレードオフに直面する。エージェント型の制御（ACE）により、ワークロードに追従した動的最適化を可能にする。
- 本論文の貢献：
- ACE（Agentic Context Engineering）をメモリアロケータに実装し、低オーバーヘッドで動作させる設計（TLS バッチ化、非同期適用）。
- 標準 API に準拠しながら per‑object ヘッダを排し、スラブ末尾 32B prefix で即時判定を実現する設計。
- 性能/メモリのスイートスポット探索（Refill‑one、SLL 縮小、Idle Trim/Flush）と評価。
- 背景（Background）
- メモリアロケータの基礎（小型クラス、TLS キャッシュ、スラブ/スーパー・スラブ）。
- mimalloc などの関連実装の要点（ページ記述子、低メタデータ、局所性）。
- Agentic Context Engineering（ACE）の要旨：観測→意思決定→適用のエージェント型ループを、ホットパスを汚染せず実装する考え方。
- 設計（Design of ACE‑Alloc）
- 目標：
- ホットパスの命令・分岐・メモリアクセスを最小化（ゼロに近い）。
- 標準 API 互換（free(ptr)）とメモリ密度の維持。
- 学習層は非同期・オフホットパスで適用。
- キー設計：
- TLS バッチ化（alloc/free の観測カウンタは TLS に蓄積、しきい値到達時のみ atomic 反映）。
- 観測リング＋背景ワーカー（イベントの集約とポリシ適用）。
- スラブ末尾 32B prefix（pool/type/class/owner を格納）により per‑object ヘッダを不要化。
- Refill‑one（ミス時 1 個だけ補充）と SLL 縮小、Idle Trim/Flush のポリシ。
- 実装（Implementation）
- 主要コンポーネント：
- Prefix メタデータ:
core/hakmem_tiny_superslab.h/c - TLS バッチ＆ACE メトリクス:
core/hakmem_ace_metrics.h/c - 観測・意思決定・適用（INT エンジン）:
core/hakmem_tiny_intel.inc - Refill‑one／SLL 縮小／Idle Trim の適用箇所。
- Prefix メタデータ:
- 互換性と安全性：標準 API、LD_PRELOAD 環境での安全モード、Remote free の扱い（設計と今後の拡張）。
- 評価（Evaluation）
- ベンチマーク：Tiny Hot、Mid MT、Mixed（本リポジトリ同梱）。
- 指標：スループット（M ops/sec）、帯域、RSS/VmSize、断片化比（オプション）。
- 比較：mimalloc、システム malloc。
- アブレーション：
- ACE OFF 対比（学習層無効）。
- Refill‑one/SLL 縮小/Idle Trim の有無。
- Prefix メタ（ヘッダ無し） vs per‑object ヘッダ（参考）。
- 関連研究（Related Work）
- 既存アロケータ（mimalloc、jemalloc など）。
- 動的最適化・学習型手法（エージェントベースの最適化）。
- 考察・限界（Discussion & Limitations）
- Idle Trim の即時 RSS への効き方（短時間測定 vs 長時間）。
- Remote free 多発時の設計トレードオフ（将来の安全なリモートキュー）。
- MT スケール時のスラブ粒度と ACE ポリシのチューニング。
- 結論（Conclusion）
- ACE‑Alloc は、ホットパスのオーバーヘッドを極小化しつつ、学習層によって動的にメモリ効率と性能のスイートスポットを探索できる実装である。今後は、長時間の断片化評価と MT スケール最適化を進める。
付録 A. Artifact（再現手順）
- ビルド（メタデフォルト）:
make bench_tiny_hot_hakmem - Tiny（性能）:
./bench_tiny_hot_hakmem 64 100 60000 - Mixed（性能）:
./bench_random_mixed_hakmem 2000000 400 42 - メモリ重視モード（推奨プリセット）:
HAKMEM_MEMORY_MODE=1 ./bench_tiny_hot_hakmem 64 1000 400000000 HAKMEM_MEMORY_MODE=1 ./bench_random_mixed_hakmem 2000000 400 42 - スイープ計測（短時間のCSV出力）:
scripts/sweep_mem_perf.sh both | tee sweep.csv - 平均推移ログ（EMA）:
HAKMEM_TINY_OBS=1 HAKMEM_TINY_OBS_LOG_AVG=1 HAKMEM_TINY_OBS_LOG_EVERY=2 HAKMEM_INT_ENGINE=1 \ ./bench_random_mixed_hakmem 2000000 400 42 2>&1 | less
謝辞（Acknowledgments）
（TBD）