Geheugenintensief

Geheugenintensief verwijst naar software, processen of workloads die een aanzienlijk deel van het beschikbare RAM vereisen om data en tussentijdse resultaten in geheugen op te slaan tijdens de uitvoering. Het begrip beschrijft een hoge geheugenfootprint en een sterke afhankelijkheid van snelle toegang tot geheugen. Wanneer de benodigde capaciteit niet beschikbaar is, kan een systeem gaan pagineren of swapping, wat de prestaties sterk kan verminderen.

Geheugenintensieve toepassingen komen voor in beeld- en videobewerking, beeldanalyse, groot-schaal simulaties, machine learning en data-analyse op grote datasets. Kenmerkend is een grote hoeveelheid gelijktijdig vastgelegde data, hoog geheugenverbruik en vaak een hoge bandbreedtebehoefte van het geheugen en cache. Dit kan leiden tot langere verwerkingstijden, vooral op systemen met beperkte RAM of trage opslag.

Omlegging en optimalisatie richten zich op het beheersen van het geheugenverbruik en het voorkomen van thrashing. Methoden zijn onder meer streaming of out-of-core verwerking waar data in delen wordt verwerkt, geheugen-mapping (mmap), chunking en tiling van data, batching van taken, en compressie van doorgaans onnodige data. Verder is het afstemmen van hardware van belang, zoals voldoende RAM, geheugenbandbreedte, en NUMA-architecturen, plus overwegingen bij virtueel geheugen voor workloads in cloudomgevingen. Geheugenintensieve workloads vereisen doorgaans een zorgvuldige balans tussen algoritmische efficiëntie en systeemarchitectuur.