Speicherintensive

Speicherintensive Anwendungen sind Programme oder Arbeitslasten, bei denen der verfügbare Arbeitsspeicher (RAM) der zentrale Engpass für die Leistungsfähigkeit ist. Der Begriff beschreibt Software, die große Speicherkapazitäten benötigt oder deren Effizienz stark von der Speicherbandbreite und Latenz abhängt.

Im Gegensatz zu CPU-intensiven Aufgaben, bei denen die Rechenleistung der begrenzende Faktor ist, oder I/O-intensiven Aufgaben, bei denen Datenübertragung das Hauptproblem darstellt, bestimmen Speicherbedarf, Speicherlokalität und Cache-Verhalten die Performance bei speicherintensiven Arbeiten maßgeblich.

Typische Merkmale sind hoher Speicherbedarf, wiederholte zufällige oder straffe Muster des Speicherzugriffs, sowie enge Abhängigkeiten zwischen Arbeitsschritten, die eine gute Datenlokalität erfordern. Anwendungen findet man häufig in wissenschaftlichem Rechnen, Big-Data-Analytik, maschinellem Lernen mit großen Modellen, Bild- und Videobearbeitung, Graphverarbeitung und in-Memory-Datenbanken oder -Analytik.

Engpässe entstehen, wenn Daten nicht in RAM passen und Datenaustausch mit langsamerem Speicher (Auslagerung/Swapping) erfolgt oder die Speicherbandbreite den Durchsatz begrenzt. Typische Optimierungen umfassen Optimierung der Speicherlokalität durch zusammenhängige speicherstruktur, Daten-tiling, Blocking, Streaming- oder Out-of-Core-Verarbeitung, Kompression, redundante Speicherung vermeiden, sowie effiziente Garbage-Collection und Speichermanagement in der Programmierung.

Auch Hardware-Aspekte wie größere RAM-Kapazität, schnellere Speichersysteme (DDR/SSD-gestützte Backends) oder speichergerechte Architektur können Abhilfe schaffen. Die Relevanz von speicherintensiven Ansätzen steigt mit der Zunahme großer Datensätze und komplexer Modelle; sie erfordert oft eine sorgfältige Architektur- und Algorithmuswahl, um zwischen Speicherverbrauch, Rechenleistung und Energieverbrauch abzuwägen.