[논문 리뷰] Analysis of Trim Commands on Overprovisioning and Write Amplification in Solid State Drives

Tasha Frankie, Gordon F. Hughes외 1명|arXiv (Cornell University)|2012. 08. 08.

Advanced Data Storage Technologies참고 문헌 8인용 수 3

한 줄 요약

이 논문은 균일한 랜덤, 핫/콜드 데이터, N-온도 워크로드를 포함한 다양한 워크로드 하에서 SSD의 Trim 명령어가 오버프로비저닝과 씻기 강도에 미치는 영향을 분석하기 위해 마르코프 생애-죽음 모델을 제시한다. Trim 유도 오버프로비저닝을 고려한 씻기 강도에 대한 분석 공식을 유도하여, 핫 및 콜드 데이터를 분리하면 씻기 강도가 크게 감소하고, SSD 성능 향상을 위한 최적의 블록 할당 전략을 가능하게 한다.

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.

연구 동기 및 목표

• 균일한 랜덤 워크로드 하에서 SSD의 Trim 명령어가 효과적 오버프로비저닝에 미치는 영향을 모델링하는 것.
• 기존의 씻기 강도 모델을 확장하여 Trim 연산과 그에 따른 쓰레기 수거 효율성에 미치는 영향을 포함하는 것.
• 핫 및 콜드 데이터가 포함된 비균일 워크로드를 분석하고, N-온도 워크로드로 일반화하는 것.
• 워크로드 특화의 Trim 행동과 데이터 접근 패턴을 고려한 씻기 강도에 대한 분석적 표현을 유도하는 것.
• 전체 씻기 강도를 최소화하기 위해 다양한 데이터 온도 범주 간에 오버프로비저닝 블록을 최적의 방식으로 할당하는 전략을 규명하는 것.

제안 방법

• In-Use 논리 블록 주소(LBA)의 정상 상태 분포를 기술하기 위해 마르코프 생애-죽음 체인 모델을 사용하며, 이에 Trim 연산을 통합한다.
• 모델을 균일한 랜덤 워크로드에 적용하여 In-Use LBA의 평균과 분산을 기반으로 효과적 오버프로비저닝 수준을 계산한다.
• 각 데이터 온도를 별도의 확률적 과정으로 간주하고 접근 및 Trim 확률가 다름으로써 핫 및 콜드 데이터 워크로드로 모델을 확장한다.
• 각 온도가 물리적으로 분리되어 있고, 각각의 쓰기 빈도와 Trim 확률을 갖는다고 가정하여 N-온도 워크로드로 프레임워크를 일반화한다.
• 각 온도별 오버프로비저닝과 접근 패턴을 고려하여 라멘트 W 함수를 사용한 폐쇄형 표현식을 유도하여 씻기 강도를 계산한다.
• Trim을 고려한 정규화된 쓰기 요청 빈도를 사용하여 가중치를 적용하여 이질적인 워크로드 전반에서 정확한 성능 추정을 보장한다.

실험 결과

연구 질문

• RQ1 균일한 랜덤 워크로드 하에서 Trim 명령어는 SSD의 효과적 오버프로비저닝에 어떻게 영향을 미치는가?
• RQ2 Trim 빈도, 데이터 접근 패턴, SSD의 씻기 강도 사이의 분석적 관계는 무엇인가?
• RQ3 데이터를 단일 균일한 풀로 취급하는 것과 비교해 핫 및 콜드 데이터를 분리하면 씻기 강도에 어떤 영향을 미치는가?
• RQ4 각 온도가 별개로 존재하는 N개의 서로 다른 데이터 온도를 가진 워크로드에 대해, 각 온도별 모델을 사용하여 씻기 강도를 정확하게 예측할 수 있는가?
• RQ5 전체 씻기 강도를 최소화하기 위해 다양한 데이터 온도 범주 간에 오버프로비저닝 블록을 어떻게 할당할 수 있는가?

주요 결과

• Trim 수정 워크로드 하에서 In-Use LBA의 정상 상태 수는 고차수 모멘트(비대칭도, 첨도)가 모델을 통해 분석 가능한 가우시안 분포로 잘 근사된다.
• 높은 Trim 빈도일수록 효과적 오버프로비저닝이 증가하여 쓰레기 수거 오버헤드를 줄이고 씻기 강도를 감소시킨다.
• 핫 및 콜드 데이터 워크로드에서 물리적으로 데이터 유형을 분리하면 혼합 저장 방식 대비 씻기 강도가 최대 30% 감소한다. 시뮬레이션 결과에 의해 입증됨.
• 전체 씻기 강도는 각 온도별 씻기 강도의 단순 가중 평균이 아니며, 오히려 Trim을 고려한 효과적 쓰기 요청 빈도 기반의 가중치를 사용하여 계산되어야 한다.
• 모델은 데이터 온도 간 오버프로비저닝 할당 전략 최적화를 가능하게 하며, 시뮬레이션 결과에 따르면 데이터 접근 빈도와 Trim 비율에 따라 블록을 할당할 경우 성능 향상이 뚜렷하다.
• 씻기 강도에 대한 분석 공식은 라멘트 W 함수를 포함하며, Trim이 적용된 그리디 쓰레기 수거 환경에서 성능을 정확히 예측할 수 있고, 이는 이전의 비-Trim 모델을 확장한 것이다.