The background application cache for embedded system maintains applications in memory when applications become inactive. The cache improves the launch time of applications by switching back into the foreground quickly without re-initializing the applications. The cache usually manages background applications through an LRU-based victim selection policy. To improve the total launch time benefit by the cache, prior works enhances LRU-based victim selection policy by predicting the next applications. However, they ignore that the launch time benefit is rather reduced during some periods. In addition, the works do not consider cache footprint issue that arises from background applications consuming a lot of memory in background application cache based on memory budget. In this paper, we describe the sluggish issue caused by the prior works, and we propose a novel victim selection policy to reduce the sluggish issue by considering reliable prediction probability. In addition, we further improve the total launch time benefit by considering memory factor in background application cache based on memory budget. The algorithm reduces the sluggish issue by 31\% and improves the launch time benefit 36\%. In addition, in dynamic background cache based on memory budget, the algorithm further improves the launch time benefit by 4.5\% and the algorithm further reduces the sluggish issue by 9.3\%. Finally, the algorithm is more practical because the algorithm does not utilize contextual factors causing unnecessary power consumption and unavailability issue. We expect that the proposed algorithm will improve user experience in personalized embedded device.
임베디드 시스템에서 백그라운드 앱 캐쉬는 응용프로그램이 비활성화될 때 메모리에 해당 응용프로그램을 유지시킨다. 그 캐쉬는 응용프로그램을 포그라운드로 재 초기화 없이 빠르게 활성화시킴으로써 응용프로그램의 실행시간을 개선한다. 일반적으로 그 캐쉬는 LRU 기반 Victim 선택 정책에 따라 백그라운드 응용프로그램을 관리한다. 응용프로그램 실행시간을 좀 더 개선하기 위해, 이전 연구들은 다음에 실행될 응용프로그램을 예측하는 기법을 통해 Victim 선택 정책을 개선하였다. 하지만, 이전 연구들은 특정 기간 동안에는 그러한 알고리즘에 의해 오히려 실행시간이 더 느려지는 둔화 현상이 존재한다는 것을 간과했다. 또한, 이전 연구들은 메모리 할당량 기반의 백그라운드 앱 캐쉬에서 많은 양의 메모리를 사용하는 응용프로그램에 의해 캐쉬 공간 문제가 발생하는 것도 고려하지 않았다. 이 논문에서는, 신뢰할 수 있는 예측 확률을 고려함으로써 둔화 현상을 줄이는 새로운 Victim 선택 정책을 제시한다. 또한, 메모리 할당량 기반 백그라운드 앱 캐쉬에서 메모리 요소를 추가적으로 고려함으로써, 응용프로그램 실행시간을 좀 더 개선시킨다. 제시되는 알고리즘에 의해 둔화현상은 31\% 줄어들었으며, 응용프로그램 실행시간은 36\% 개선되었다. 또한, 메모리 요소를 고려함으로써, 둔화현상은 9.3\% 추가적으로 줄어들었으며, 응용프로그램 실행시간은 4.5\% 추가적으로 개선되었다. 마지막으로, 제안된 알고리즘은 불필요한 전력소모나 비 가용성 문제가 존재하는 상황 요소들을 활용하지 않음으로써 기존 연구에 비해 보다 실용적으로 활용될 수 있다.
