Accesses Per Cycle (APC), Concurrent Average Memory Access Time (C-AMAT), and Layered Performance Matching (LPM) are three memory performance models that consider both data locality and memory assess concurrency. The APC model measures the throughput of a memory architecture and therefore reflects the quality of service (QoS) of a memory system. The C-AMAT model provides a recursive expression for the memory access delay and therefore can be used for identifying the potential bottlenecks in a memory hierarchy. The LPM method transforms a global memory system optimization into localized optimizations at each memory layer by matching the data access demands of the applications with the underlying memory system design. These three models have been proposed separately through prior efforts. This paper reexamines the three models under one coherent mathematical framework. More specifically, we present a new memory- centric view of data accesses. We divide the memory cycles at each memory layer into four distinct categories and use them to recursively define the memory access latency and concurrency along the memory hierarchy. This new perspective offers new insights with a clear formulation of the memory performance considering both locality and concurrency. Consequently, the performance model can be easily understood and applied in engineering practices. As such, the memory-centric approach helps establish a unified mathematical foundation for model-driven performance analysis and optimization of contemporary and future memory systems.

每周期访问数（APC），并发平均内存访问时间（C-AMAT）和分层性能匹配（LPM）是三个内存性能模型，它们同时考虑了数据局部性和内存评估并发性。APC模型测量内存体系结构的吞吐量，因此反映了内存系统的服务质量（QoS）。C-AMAT模型为内存访问延迟提供了递归表达式，因此可用于识别内存层次结构中的潜在瓶颈。LPM方法通过将应用程序的数据访问需求与基础存储系统设计相匹配，将全局存储系统优化转换为每个存储层的局部优化。这三个模型是通过先前的工作分别提出的。本文在一个连贯的数学框架下重新审查了这三个模型。更具体地说，我们提出了一种以内存为中心的新数据访问视图。我们将每个内存层的内存周期分为四个不同的类别，并使用它们来递归地定义内存访问延迟和沿着内存层次结构的并发性。这种新的视角提供了新的见解，同时兼顾了局部性和并发性，对内存性能进行了清晰的表述。因此，可以轻松理解性能模型并将其应用于工程实践中。这样，以内存为中心的方法有助于为模型驱动的性能分析以及当代和未来内存系统的优化建立统一的数学基础。我们将每个内存层的内存周期划分为四个不同的类别，并使用它们来递归地定义沿着内存层次结构的内存访问延迟和并发性。这种新的视角提供了新的见解，同时兼顾了局部性和并发性，对内存性能进行了清晰的表述。因此，可以轻松理解性能模型并将其应用于工程实践中。这样，以内存为中心的方法有助于为模型驱动的性能分析以及当代和未来内存系统的优化建立统一的数学基础。我们将每个内存层的内存周期分为四个不同的类别，并使用它们来递归地定义内存访问延迟和沿着内存层次结构的并发性。这种新的视角提供了新的见解，同时兼顾了局部性和并发性，对内存性能进行了清晰的表述。因此，可以轻松理解性能模型并将其应用于工程实践中。这样，以内存为中心的方法有助于为模型驱动的性能分析以及当代和未来内存系统的优化建立统一的数学基础。这种新的视角提供了新的见解，同时兼顾了局部性和并发性，对内存性能进行了清晰的表述。因此，可以轻松理解性能模型并将其应用于工程实践中。这样，以内存为中心的方法有助于为模型驱动的性能分析以及当代和未来内存系统的优化建立统一的数学基础。这种新的视角提供了新的见解，同时兼顾了局部性和并发性，对内存性能进行了清晰的表述。因此，可以轻松理解性能模型并将其应用于工程实践中。这样，以内存为中心的方法有助于为模型驱动的性能分析以及当代和未来内存系统的优化建立统一的数学基础。