随着技术的进步,微处理器与存储器之间的性能差距越来越大。为了减缓处理器与存储器之间的性能差距,片上缓存被广泛使用。缓存的工作基础是程序数据访问的局部性。然而,很多研究表明这些缓存在使用传统的缓存管理策略时,利用效率低下,缓存中存储的块只有少部分在被最终替换出去之前会被再次访问。本文对缓存访问行为进行分析,提出了两种优化缓存性能的管理策略。近期很多研究提出在缓存缺失时,通过改变块的插入位置可以有效地提高缓存的性能。与传统的LRU替换策略不同,这些策略能更准确地预测缺失块未来的重用行为,从而大大降低那些只被访问一次的块带来的缓存污染。与此同时,这些插入策略间接地为具有良好局部性的块提供更多留在缓存中的机会。然而,它们执行相同的缓存命中提升策略,也就是在缓存命中时,将块提升到链的首部。如果一个块被访问少数次后就不再被访问,这种策略会降低缓存的性能。针对这个问题,本文提出了基于位置信息的提升策略来进一步改善缓存的性能。当缓存块被命中时,该策略将缓存块提升到当前位置与队首位置之间的一个合适位置上。这个合适的位置可以让缓存块在被淘汰出去以前有足够的时间接受下一次命中,同时在此块不会被再次命中的情况下,能让该块尽快被淘汰出去以减少缓存污染。基于位置信息的提升策略同时考虑了缓存块的访问频率(Frequency)和新近性(Recency)信息,实验表明,系统整体性能相对于目前最高效的重用距离预测策略要高0.74%。基于位置信息的缓存提升策略改进了缓存的性能,但它是静态的,不能自动适应程序运行时的变化。同时,由于被访问的块最终都要从链尾部被替换出去,当缓存中存在大量只被访问少数次的块时,缓存性能还有改善空间。针对这两个问题,本文提出了基于分组的缓存管理策略。我们将缓存块分为重用组和非重用组,通过学习,可以确定程序运行时缓存命中的块分布,并由此决定重用组和非重用组的缓存数量分配。这样,基于分组的缓存管理策略就可以动态地适应各不相同的程序以及同一程序运行的不同阶段。本文还通过计数器衰减以及抽样技术来降低策略的硬件开销。实验表明,相对于重用距离预测策略,该策略对系统整体性能提升5.35%。