下面的Superfetch技术,即“超级预读取”,由XP系统中的Prefetch进化而来。

下面,先说什么是Prefetch:

在 Windows XP操作系统中, 微软对 虚拟内存技术做了进一步改进,发展出了预取技术(Prefetch),预取技术的基本思路是,在载入某个程序之前,预先从硬盘上中载入一部分该程序运行所需的数据到 物理内存中,这样便能加快程序的 启动速度。

在Windows XP中,使用预取技术的具体方法是:在系统和 应用程序启动时,监视内存页面与交换文件以及硬盘上其它文件的数据交换状况,当发生数据交换时,Windows XP会纪录下每一个程序运行时经常需要读取的硬盘文件,并将读取的情况记录在\windows\Prefetch目录中的pf后缀名文件中。

一旦建立了这些pf文件,在每次需要启动系统或相应程序的时候,Windows会首先中断当前准备载入的程序,而转去查找\Windows\Prefetch目录,看是否有当前载入程序的纪录,如果有纪录,则马上按照纪录的情况载入程序运行过程中可能会用到的所需文件到 物理内存中。这项任务完成之后,Windows才继续载入被中断的程序。

经过这样的处理之后,在程序运行过程中,需要读取那些文件时,由于文件已经被“预取”到内存中,此时就不用再到硬盘上进行读取,因此减轻了程序载入过程中频繁交换内存页面与交换文件的现象,改善了 内存不足时程序运行的响应速度。

为了进一步优化预取操作的效率,Windows XP还会定期对pf文件进行分析处理,组织好 程序文件载入的顺序,并将这些分析处理后的信息存放在\Windows\Prefetch目录中的Layout.ini文件中。同时还会通知 磁盘碎片整理程序,在下次运行碎片整理时,按照Layout.ini文件记录的内容,将相关文件的位置整理在连续的硬盘区块中。

这项技术从根本上说仍然属于被动式的调度。换句话说,只有在程序主动发起载入请求时,Windows才会进行相关的调度操作。

被动式调度的存在可能对系统性能造成一些影响。我们考虑这样一个例子,假设你有在工作的午休时间运行杀毒 软件的习惯,那么在下班前,一般会停止处理工作程序,然后运行杀毒软件,此时,如果使用的是Windows XP,那么操作系统会将工作程序所占用的内存页面写入硬盘交换文件中,并读取杀毒软件的文件载入内存。午休过后, 杀毒软件已经运行完毕,但是你在重新开始使用工作程序的时候,系统仍然需要经历杀毒软件和工作程序的硬盘交换文件与内存页面的交换过程,此时程序的响应速度明显降低。

如果系统能够进一步自动记录下这些经常性的操作行为所发生和结束的时间,当时运行的前台和 后台 软件等等详细情况,那么在内存有空闲空间的时候,就可以在预定的时机预先将一部分文件载入到内存中,这样就避免了上面例子中发生的不愉快情况。

不错,这正是Windows Vista中Superfetch技术所能解决的问题。由于采用了新算法,Superfetch不但继承了Windows XP预取技术的全部优点,还进一步具备监视程序运行时状况,时间等详细情况的功能,可以根据用户的使用习惯,自动预先将存放在硬盘的交换文件转换到内存页面中去,使用户经常运行的程序启动时的速度得到进一步的加快。

Superfetch技术的中心思想是:“过分空余的内存空间即是浪费”。的确,如果一个操作系统总是保留着过多的空余 物理内存耗费电能,却不能够利用这些多余的内存空间提高系统性能的话,为什么不更好地利用这些多余的内存空间呢?将这些多余的物理内存作为 缓存使用,就是Superfetch技术的本质。而也正是由于采用了这种以内存为缓存的策略,才造成了Vista对 内存容量的饥渴!

如果你对这项技术感到反感,或者物理内存容量实在太小,那么到 管理工具—服务中关闭Superfetch服务也是一种选择。但需要注意的是,如果再次开启Supertech服务,那么由于需要经过一段监视记录用户使用习惯的过程,因此需要等待较长一段时间后,Superfetch技术才能重新为系统带来明显的提速效果。

Superfetch技术相关推荐

  1. Windows7中Prefetch预读文件技术详解

    大家都知道,Windows系统有种预读文件的缓存机制,让过去打开过的程序.服务再次打开时更快捷.WindowsXP中采用了这个Prefetch技术,每次在电脑里面存入.pf文件,它包含了应用程序加载的 ...

  2. 【新番茄系统】关闭Superfetch服务会不会有什么影响

    Superfetch服务到底是什么呢?或许很多人都不清楚,因此如果有人想腾出更多的系统空间的话就不知道能不能禁用它了,因此 新番茄系统 本教程今天专门就这个问题结合实例给大家分析一下到底能不能禁用. ...

  3. 计算机科学与技术专业 笔记本电脑内存8g,专业讲解:笔记本电脑内存大小和性能说明...

    RAM(随机存取存储器)也被称为系统存储器.它是暂时载入当前使用的软件和文件的计算机部分.与访问硬盘驱动器(HDD)或固态驱动器(SSD)等存储设备上的数据相比,它使处理器能够更快地访问数据.HDD和 ...

  4. 硬盘使用率100%——禁用SuperFetch

    Win8/Win8.1的时候都会在任务管理器中发现硬盘使用率过高,甚至会达到100% Superfetch技术采用了新算法,可以高效提高硬盘工作效率.它不但继承了Windows XP预取技术的全部优点 ...

  5. Windows10系统的Superfetch服务

    文章目录 什么是Superfetch服务 关闭Superfetch服务需要考虑什么 什么是Superfetch服务   Superfetch 是为传统的机械式磁盘设计,它允许内存以极快的速度载入一部分 ...

  6. Superfetch Prefetch

    今天浏览一些达人的Blog时看到了关于Superfetch的讨论,看来还是有很多网友对Superfetch不了解,其实Superfetch和Prefetch都是微软针对系统而设计开发的一项内存管理技术 ...

  7. superfetch服务到底该不该关闭

    1.Superfetch技术,即"超级预读取".不会由于计算机长时间闲置而使突然使用变得响应迟缓,在退出大型应用程序后会主动将之前被迫转移到虚拟内存中的页面重新调入内存当中. 2. ...

  8. 开机预读快还是不预读快_WIN 7下的超级预读比VISTA要好,改进不少!推荐开启超级预读!...

    预读技术是微软vista和windows7默认开启的程序,原意是增加程序运行和开机速度,但事与愿违,该技术已经变成与UAC几乎一样的垃圾,普通用户建议关闭,原因有: 1.程序本身额外增加系统负担,启用 ...

  9. 学计算机U盘内存,在U盘上设置虚拟内存

    Zhenbo问答网络 江湖小溪饭 男人,是的,但是没有. VISTA可以使用U盘来提高性能的原因,必须首先了解3233363533e58685e5aeb9337.这种称为readyboost的技术不使 ...

最新文章

  1. 【Binary Tree Level Order Traversal】cpp
  2. hive 集群初探,查询比较
  3. linux c语言文件拷贝_linux - scp命令远程文件拷贝
  4. 成功解决 from ._conv import register_converters as _register_converters
  5. 【Linux系统编程】信号 (上)
  6. 通过 SAP Spartacus 的 Component 映射机制,更改默认购物车 Cart 页面
  7. 天津大学计算机在线作业答案,天大19秋《计算机应用基础》在线作业二【满分答案】...
  8. Spark面对OOM问题的解决方法及优化总结 (转载)
  9. html5拖动的面板 panel,基于jQuery UI的Bootstrap Panel面板功能增强插件
  10. 机器学习笔记(4):多变量线性回归
  11. 又一波“打工人”财富自由!快手赴港上市,4000员工人均身家一夜涨至3000万...
  12. 用计算机模拟宇宙,科学家尝试利用计算机模拟整个宇宙的演化
  13. MIME类型“ image / jpg”是否与“ image / jpeg”相同?
  14. 处理器管理及并发进程-多道程序设计
  15. Unity - Timeline 之 Timeline Setting(Timeline的设置)
  16. 大前端 (六) -- HTML5 标签 5
  17. Word2Vec对新闻进行分类
  18. 电脑打字不显示候选框问题
  19. 金山 WPS 2016 春季实习校招笔试面试回忆
  20. uni-app微信小程序微信登录(获取头像、个性签名等基本信息)

热门文章

  1. python元组和列表的联系_Python元组与列表
  2. [连载]Java程序设计(01)---任务驱动方式:英制单位转换成公制单位
  3. 1.静态链接库的生成和使用
  4. CPU和GPU科普(一)
  5. 厦门达内python培训
  6. UltraEdit编码设置
  7. MySQL重置索引列
  8. 图解GNN:A Gentle Introduction to Graph Neural Networks
  9. mysql和sql视图连接_SQL视图和多表连接
  10. 【论文翻译】Pushing the Limits of Simple Pipelines for Few-Shot Learning: External Data and Fine-Tuning Ma