如何權(quán)衡可靠性和SSD使用壽命？

01背景及動機

3D閃存架構(gòu)中的制程差異增加了壞塊管理的難度。由于不同塊之間的錯誤特征不同，現(xiàn)有的基于P/E次數(shù)的壞塊管理策略下，很難確定合適的P/E閾值。若P/E設(shè)置激進，則增加數(shù)據(jù)丟失的可能性；若P/E設(shè)置保守，則無法充分利用強可靠性閃存塊的壽命，從而降低了SSD的整體使用壽命。本文探討的壞塊管理，本質(zhì)是如何權(quán)衡可靠性和SSD使用壽命?

一個理想的壞塊管理策略是在一個塊失敗之前立即退役，關(guān)鍵是能夠準確地預(yù)測閃存塊何時接近其生命周期的末端。

在本文中，利用閃存塊之間的空間相關(guān)性劃分集群，以集群為粒度進行壞塊管理。如果在塊級存在空間相關(guān)性，那么一個塊的失效是其相鄰塊近期失效的有力指標。本文在海力士3D TLC閃存上進行可靠性實驗，分析相鄰閃存塊之間的錯誤特征，并且表明存在集群相似性，即物理接近的閃存塊具有相似的錯誤特征。

02集群相似性

實驗設(shè)置：從10塊海力士TLC閃存選取40個cluster，每個cluster的選取采用同個plane中的連續(xù)10個塊。對這些塊執(zhí)行編程隨機數(shù)據(jù)，然后執(zhí)行擦除，循環(huán)直到報廢。擦除之前數(shù)據(jù)的dwell time為10s。收集對應(yīng)P/E下的比特錯誤率。

結(jié)論：1）對于不同集群中的塊，在P/E周期中的比特錯誤率趨勢可能非常不同；2）對于同一集群中的塊，比特錯誤率趨勢更加相似，即存在集群相似性。

03基于集群的壞塊管理

基于集群相似性，提出了一種基于集群的壞塊管理策略。集群中的閃存塊可靠性及在P/E影響下錯誤率趨勢具有相似性。也就是說，在壞塊管理時，當其中一個閃存塊成為壞塊時，整個集群中的閃存塊全部標記為壞塊。通過這種集群相似性特征來管理壞塊，可以及時標記壞塊，從而在確?？煽啃缘那疤嵯?，盡可能提升閃存壽命。

提出的基于集群的壞塊管理策略有兩個關(guān)鍵設(shè)計問題。

1) 集群大小的選擇。集群大小決定了SSD壽命和可靠性之間的權(quán)衡。更大的集群大小會導(dǎo)致更低的故障率（更加保守，并不能完全耗盡每一個閃存塊的壽命），但會以更短的SSD壽命為代價。如何選擇集群相似度強的集群大小，在不犧牲SSD壽命的情況下保證可靠性，對于基于集群的壞塊管理機制的有效性至關(guān)重要。為此，本文提出了一個度量標準來量化集群的相似性，并推導(dǎo)出閃存塊故障率和集群大小之間的相關(guān)性。因此，給定集群大小的可靠性和SSD壽命之間的權(quán)衡可以被定量地評估。

2) 集群退役時對I/O性能的影響。集群退役的時候，該集群的所有有效數(shù)據(jù)需要拷貝到其他集群。由于集群退役而導(dǎo)致的讀寫突發(fā)可能會干擾用戶的I/O請求。為了解決這一問題，本文提出了一種關(guān)鍵塊優(yōu)先調(diào)度策略，當集群中某個塊標記為壞塊時，該塊的數(shù)據(jù)遷移優(yōu)先級高于用戶請求。集群中其余塊在之后SSD空閑時，執(zhí)行關(guān)聯(lián)的讀寫操作。因此，可以盡量減少集群退役時的性能影響。

04實驗測試

實驗一：對比基于集群的管理方法和基于塊的管理方法

權(quán)衡Block usage和Block failure rate。其中，?Block? usage指的是被定義為在SSD不再可用之前所承受的平均P/E。Block failure rate定義為發(fā)生塊故障的塊的比例。

當P/E次數(shù)增加時，塊的使用情況和塊的故障率都會上升?；诩旱膲K管理方法中，可以實現(xiàn)23000P/E次數(shù)，并實現(xiàn)block failure rate為0.01。對于基于塊的管理方法，當確保塊失敗率為0.01時，P/E僅為11000。如果要實現(xiàn)23000P/E，塊失敗率為0.09。這表明，所提出的基于集群相似性的方法在塊使用和塊故障率之間實現(xiàn)了更好的權(quán)衡。

為了進行更詳細的分析，從塊管理策略中選擇以下設(shè)置，以查看塊退休率和塊故障率如何隨時間變化。

不同的集群大小如何影響基于集群的管理策略？圖8展示了塊退休率和塊故障率隨時間變化趨勢。評估了五種不同的集群大小，包括1、2、5、10，以及clusterAll表示同一芯片內(nèi)的所有塊視為單個集群。注意，cluster1相當于BlockNoLimit，clusterALL代表集群很大。

當集群大小增加時，壽命降低。然而，對于集群大小為1、2、5、10，差異不顯著。這是因為當集群大小等于10時，集群相似性仍然很強。

隨著集群大小的增加，塊故障率減小。當集群大小等于10時，塊故障率已經(jīng)小于0.01。因此，沒有必要選擇一個更大的集群大小。

實驗二：測試數(shù)據(jù)重新分配的性能情況

比較了基于集群管理策略與基于塊管理策略的I/O性能。該實驗表明，通過關(guān)鍵塊優(yōu)先分配調(diào)度可以減輕基于集群管理策略的I/O影響。下圖表示塊退役前后的I/O延遲。x軸表示分析時間和塊退役之間的時間差，從塊退役前50秒到塊退役后50秒。y軸表示每1000個請求的平均I/O延遲?？梢钥吹?，基于集群的方法會引入延遲尖峰。而關(guān)鍵塊優(yōu)先分配解決了此問題。

05總結(jié)

本文發(fā)現(xiàn)物理接近的閃存塊間存在相似的誤差特征(集群相似性)，提出一種基于集群的壞塊管理方式，確保閃存可靠性的前提下，提升閃存壽命?？紤]到基于集群的管理下，集群退役引起的I/O性能問題，本文還提供了一種針對壞塊重新分配的關(guān)鍵塊優(yōu)先調(diào)度方法。實驗表明所提出的方法可以延長閃存壽命2倍，而不會有任何I/O性能下降。

審核編輯：劉清