[論文レビュー] Analysis of Trim Commands on Overprovisioning and Write Amplification in Solid State Drives

Tasha Frankie, Gordon F. Hughes+1 more|arXiv (Cornell University)|Aug 8, 2012

Advanced Data Storage Technologies参考文献 8被引用数 3

ひとこと要約

本稿では、均一なランダム、ホット/コールドデータ、およびN-温度ワークロードを含むさまざまなワークロード下でのオーバープrovisioningおよびライトアンプリフィケーションへのSSD Trimコマンドの影響を分析するためのマコフ連鎖的生産死モデルを提示する。Trimに起因するオーバープrovisioningを考慮したライトアンプリフィケーションの解析的式を導出しており、ホットデータとコールドデータを分離することで、ライトアンプリフィケーションが顕著に低減され、SSDのパフォーマンス向上に寄与する最適なブロック割り当て戦略の実現が可能となる。

ABSTRACT

This paper presents a performance model of the ATA/ATAPI SSD Trim command under various types of user workloads, including a uniform random workload, a workload with hot and cold data, and a workload with N temperatures of data. We first examine the Trim-modified uniform random workload to predict utilization, then use this result to compute the resultant level of effective overprovisioning. This allows modification of models previously suggested to predict write amplification of a non-Trim uniform random workload under greedy garbage collection. Finally, we expand the theory to cover a workload consisting of hot and cold data (and also N temperatures of data), providing formulas to predict write amplification in these scenarios.

研究の動機と目的

• 均一なランダムワークロード下におけるSSDにおけるTrimコマンドの有効オーバープrovisioningへの影響をモデル化すること。
• 既存のライトアンプリフィケーションモデルを拡張し、ガーブージャー・コレクション効率へのTrim操作の影響を含める。
• ホットデータおよびコールドデータを含む非均一ワークロードを分析し、N-温度データワークロードに一般化する。
• ワークロード固有のTrim動作およびデータアクセスパターンを考慮したライトアンプリフィケーションの解析的表現を導出すること。
• 全体のライトアンプリフィケーションを最小限に抑えるために、異なるデータ温度カテゴリー間でのオーバープrovisionedブロックの最適割り当て戦略を同定すること。

提案手法

• In-Use Logical Block Address (LBA) の定常状態分布を記述するため、マコフ生産死チェーンモデルを用い、Trim操作を組み込む。
• モデルを均一なランダムワークロードに適用し、In-Use LBA の平均および分散に基づいて有効オーバープrovisioningレベルを計算する。
• 各データ温度を別々の確率的プロセスとして扱い、アクセス確率およびTrim確率が異なることから、ホットおよびコールドデータワークロードにモデルを拡張する。
• 各温度が物理的に分離されていると仮定し、N-温度ワークロードにフレームワークを一般化する。各温度は固有の書き込み頻度およびTrim確率を持つ。
• ラメルト・W関数を用いた閉形式の式を導出し、各温度ごとのオーバープrovisioningおよびアクセスパターンを考慮したライトアンプリフィケーションを表現する。
• Trimを考慮した正規化されたライトリクエストレートを用いて重み付けされたライトアンプリフィケーションを計算し、異種ワークロードにおける正確なパフォーマンス推定を保証する。

実験結果

リサーチクエスチョン

• RQ1 均一なランダムワークロード下でのSSDにおけるTrimコマンドが有効オーバープrovisioningに与える影響は何か？
• RQ2 SSDにおけるTrim頻度、データアクセスパターン、およびライトアンプリフィケーションとの間の解析的関係は何か？
• RQ3 ホットデータとコールドデータを分離することで、単一の均一なプールとして扱う場合と比較して、ライトアンプリフィケーションにどのような影響を与えるか？
• RQ4 各温度が異なるN個のデータ温度を持つワークロードについて、各温度ごとのモデルを用いてライトアンプリフィケーションを正確に予測できるか？
• RQ5 全体のライトアンプリフィケーションを最小限に抑えるために、異なるデータ温度カテゴリー間でオーバープrovisionedブロックをどのように割り当てればよいか？

主な発見

• Trimを適用したワークロード下でのIn-Use LBAの定常状態数は、ガウス分布でよく近似可能であり、モデルにより歪度や尖度といった高次モーメントも解析可能である。
• Trim頻度が高くなるほど有効オーバープrovisioningが増加し、ガーブージャー・コレクションのオーバーヘッドを低減することでライトアンプリフィケーションが低下する。
• ホットおよびコールドデータワークロードにおいて、物理的にデータタイプを分離することで、混合保存と比較してライトアンプリフィケーションが最大30％まで低減されることがシミュレーション結果で示された。
• 全体のライトアンプリフィケーションは、各温度ごとのアンプリフィケーションの単純な加重平均ではない。代わりに、Trimを考慮した有効ライトリクエストレートに基づく重み付けで計算する必要がある。
• 本モデルにより、データ温度ごとのオーバープrovisioning割り当ての最適化が可能となり、シミュレーション結果ではデータアクセス頻度およびTrimレートに応じたブロックの割り当てによりパフォーマンスが向上していることが示された。
• ライトアンプリフィケーションの解析的式にはラメルト・W関数が組み込まれており、Trimを含むグリーディー・ガーブージャー・コレクションにおける性能を正確に予測でき、従来の非Trimモデルを拡張したものである。