NPB live的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括賽程、直播線上看和比分戰績懶人包

NPB live進入發燒排行的影片

以高效的代理計數參照為基礎之分散式自動記憶體管理機制

為了解決NPB live的問題，作者楊忠倫 這樣論述：

本論文以分散式自動記憶體管理回收機制為主要研究對象。自動記憶體管理機制主要分為兩種演算法：追踪演算法和計數參照演算法。追蹤演算法，使用一個根節點標記所有可以追蹤參照根節點之活動物件。當系統回收記憶體空間，整個系統將會暫停從根節點追踪未標記的物件並回收。計數參照演算法，使用計數器記錄每一個物件參照的數目。當計數器達到零，則該物件會被回收。分散式環境中可能出現網路問題，因此我們需要減少連線次數和記憶體空間。追蹤演算法比計數參照演算法需要更多的連線次數與記憶體空間確保系統中所有參照；而在分散式環境中，計數參照演算法以小步驟的交替計算和擁有更好的局部性。我們認為在分散式環境中計數參照演算法相較於追踪

演算法更具有優勢，因此我們的研究專注於計數參照演算法。分散式自動記憶體管理機制是用來判斷分散式環境的遠端物件是否可以釋放其佔用的記憶體，那些不會再被客戶端所引用的遠端物件將會被回收。在分散式環境中，記憶體管理機制比傳統的複雜，因為需要來自其他節點的信息，因此將造成更多的信息傳遞。用於分散式環境的傳統計數參照演算法當中，分散式計數參照(DRC)是最簡單方式達到分散式計數參照;權重計數參照(WRC)則以增加記憶體的方式減少連線的次數。本篇論文中，在分散式環境以代理(surrogate)的方式改良自動記憶體管理回收演算法。依照代理機制的概念，分散式代理機制之計數參照演算法相較於傳統分散式計數參照演算

法在大多數情況下，可以不增加過多的記憶的狀態之下減少連線的次數。目前已經發展出來的以代理機制改良之計數參照演算法為代理計數參照 (SRC)和權重代理計數參照 (WSRC)。在本論文中，我們提出了一個新的分散式自動記憶體管理機制:高效的代理計數參照演算法（ESRC）。我們的演算法根據計數參照和權重計數參照的方式並且結合代理機制的概念做為演算法之改良。我們的演算法結合了代理計數參照和權重代理計數參照的優點，在分散式環境中達到使用較少的記憶體空間和降低連線的次數。最後，在我們的實驗當中使用了 OpenJDK 的 RMI 來完成我們的分散式記憶體管理機制。我們的演算法需要的連線次數比 DRC、WRC

和SRC 較少，並且可以在與 WSRC 差不多連線次數下，減少使用記憶體空間。我們以 NAS Parallel Benchmarks (NPB) 3.0 為主要的實驗標準，這是評估平行電腦性能的一套標準，其中包括 6 種標準， SP, FT,BT, LU, MG,ED。根據實驗結果，與 DRC 演算法比較，我們減少了 19.02%的 overall 時間、96.43%的 GC 時間和 23.8%total 時間消耗；和 WRC比較，我們則減少了 12.16%的 overall 時間、95.71%的 GC 時間和13.4%total時間消耗;和SRC比較，我們則減少了7%的overall時間、9

4.2%的 GC 時間和 3.8%total 時間消耗;和 WSRC 比較，我們則減少了9.6%的 overall 時間、47.4%的 GC 時間和 5.6%total 時間消耗。