[論文レビュー] Time-efficient Garbage Collection in SSDs

Lars Nagel, Tim Süß+4 more|arXiv (Cornell University)|Jul 24, 2018

Advanced Data Storage Technologies被引用数 5

ひとこと要約

本論文は、SSDにおけるオリジナルのコスト・ベネフィットGCアルゴリズムの実行時間を顕著に短縮する2つの最適化されたガーブージャー・コレクション（GC）戦略——高速コスト・ベネフィットおよび近似コスト・ベネフィット——を提案する。これらの戦略は、低ワイド・アンプリフィケーションを維持しつつ、実行時間を大幅に短縮する。高速コスト・ベネフィット戦略は優先度クラスを用いて検索時間を最小化し、近似コスト・ベネフィット戦略は被害ブロックの選択をバッチ処理することで、最大24倍の高速化を達成し、ワイド・アンプリフィケーションの増加は顕著でない。このため、マルチ-TB級SSDにおける効率的な利用が可能になる。

ABSTRACT

SSDs are currently replacing magnetic disks in many application areas. A challenge of the underlying flash technology is that data cannot be updated in-place. A block consisting of many pages must be completely erased before a single page can be rewritten. This victim block can still contain valid pages which need to be copied to other blocks before erasure. The objective of garbage collection strategies is to minimize write amplification induced by copying valid pages from victim blocks while minimizing the performance overhead of the victim selection. Victim selection strategies minimizing write amplification, like the cost-benefit approach, have linear runtime, while the write amplifications of time-efficient strategies, like the greedy strategy, significantly reduce the lifetime of SSDs. In this paper, we propose two strategies which optimize the performance of cost-benefit, while (almost) preserving its write amplification. Trace-driven simulations for single- and multi-channel SSDs show that the optimizations help to keep the write amplification low while improving the runtime by up to 24-times compared to the original cost-benefit strategy, so that the new strategies can be used in multi-TByte SSDs.

研究の動機と目的

• 大容量SSDにおけるコスト・ベネフィットGC戦略の高い実行時間（ブロック数に比例して線形に増加）を解消すること。
• 被害ブロック選択のパフォーマンスオーバーヘッドを増加させずに低減すること。
• 線形時間アルゴリズムが非現実的になるマルチ-TB級SSDにおいて、洗練されたGC戦略の利用を可能にすること。
• マルチチャネルおよび高密度SSDにおけるGCのスケーラビリティを向上させるために、選択効率を最適化すること。
• オリジナルのコスト・ベネフィット手法と同等の低ワイド・アンプリフィケーションを維持しつつ、実行時間性能を顕著に向上させること。

提案手法

• コスト・ベネフィット（CB）値に基づいてブロックを優先度クラスに分類し、被害ブロック選択には常に最高優先度クラス（クラス0）のみを用いる高速コスト・ベネフィット戦略を導入する。
• 実行時計算を避けるために、ブロックがクラス間を移動するタイミングを事前に計算し、検索の複雑さを低減する。
• ブロックの無効化および移行処理中のオーバーヘッドを最小限に抑えるために、クラス更新メカニズムをクラス0およびクラス1に限定する。
• 1サイクルあたり1つの被害ブロックではなく、複数の候補ブロックを一度に選択する近似コスト・ベネフィット戦略を提案する。これにより、1サイクルあたりの計算時間が定数倍短縮される。
• 実世界のワークロード（TPCC、SPC1、Financial1）を用いたトレース駆動シミュレーションを実施し、異なるSSDサイズ、ページ数、ハードウェアプラットフォームにおけるパフォーマンスおよびワイド・アンプリフィケーションを評価する。
• 実行時間の内訳を分析し、マルチコアプロセッサでの実行を想定した並列化の機会（例：クラス更新と被害ブロック選択の分離）を同定する。

実験結果

リサーチクエスチョン

• RQ1 大容量SSDにおいて、ワイド・アンプリフィケーションを増加させることなく、コスト・ベネフィットGC戦略の実行時間を短縮できるか？
• RQ2 クラスベースのグループ化およびバッチ処理による被害ブロック選択は、低ワイド・アンプリフィケーションを維持しつつGCの高速化にどの程度効果的か？
• RQ3 提案された戦略は、IntelおよびARMプロセッサを含む現代のマルチコアプロセッサ上で、多様なワークロードに与えるパフォーマンスへの影響はいかほどか？
• RQ4 高ページ数のブロックを有するマルチ-TB SSDにおいて、これらの新戦略はどの程度スケーラブルか？
• RQ5 オリジナルのコスト・ベネフィットアルゴリズムにおける主なパフォーマンスボトルネックは何か。また、それらはどのように分離または並列化できるか？

主な発見

• 高速コスト・ベネフィット戦略は、SPC1トレースではオリジナルのコスト・ベネフィット手法と比較して最大13倍、TPCCトレースでは2.8倍のGC実行時間短縮を達成した。
• 近似コスト・ベネフィット戦略は、qの小さな値においてはワイド・アンプリフィケーションに顕著な増加が見られず、オリジナルのコスト・ベネフィットアルゴリズムと比較して最大24.4倍のIOPS向上を達成した。
• ARM Cortex-A17プロセッサ上では、最も高速なアルゴリズム（近似コスト・ベネフィット）が、CPU周波数およびメモリ帯域幅が低いにもかかわらず、オリジナルのコスト・ベネフィット戦略と比較して最大20倍のパフォーマンス向上を達成した。
• オリジナルのコスト・ベネフィット戦略は、ARMプロセッサ上での二重精度浮動小数点演算によって著しく遅延を受けるが、最適化された戦略は計算量の削減によりこれを緩和した。
• SSDサイズが増加するに従い、オリジナルのコスト・ベネフィット戦略と最適化戦略との間のパフォーマンスギャップは拡大する。これは、特にクラス0のサイズ管理オーバーヘッドが増加するためである。
• これらの戦略は強力な並列化可能性を示しており、クラス更新と被害ブロック選択を分離することで、最適なコア配置を用いることで、ほぼ150万IOPSの近い性能が達成可能である。