[论文解读] Architectural Techniques for Improving NAND Flash Memory Reliability

Yixin Luo|arXiv (Cornell University)|Aug 12, 2018

Advanced Data Storage Technologies参考文献 196被引用 17

一句话总结

该论文提出了一套架构级技术，在不依赖昂贵纠错码的前提下，通过利用工作负载和器件特性，以低成本提升NAND闪存的可靠性。该研究提出了WARM（写热度感知刷新）技术、基于学生t分布和幂律分布的在线阈值电压建模方法、用于保留错误缓解的统一自恢复与温度（URT）模型，以及针对3D NAND的新型错误缓解技术，显著降低了原始位错误率，且开销极小。

ABSTRACT

Raw bit errors are common in NAND flash memory and will increase in the future. These errors reduce flash reliability and limit the lifetime of a flash memory device. We aim to improve flash reliability with a multitude of low-cost architectural techniques. We show that NAND flash memory reliability can be improved at low cost and with low performance overhead by deploying various architectural techniques that are aware of higher-level application behavior and underlying flash device characteristics. We analyze flash error characteristics and workload behavior through experimental characterization, and design new flash controller algorithms that use the insights gained from our analysis to improve flash reliability at a low cost. We investigate four directions through this approach. (1) We propose a new technique called WARM that improves flash reliability by 12.9 times by managing flash retention differently for write-hot data and write-cold data. (2) We propose a new framework that learns an online flash channel model for each chip and enables four new flash controller algorithms to improve flash reliability by up to 69.9%. (3) We identify three new error characteristics in 3D NAND through a comprehensive experimental characterization of real 3D NAND chips, and propose four new techniques that mitigate these new errors and improve 3D NAND reliability by up to 66.9%. (4) We propose a new technique called HeatWatch that improves 3D NAND reliability by 3.85 times by utilizing self-healing effect to mitigate retention errors in 3D NAND.

研究动机与目标

• 应对高密度NAND闪存因错误余量减小和错误率上升而带来的日益严峻的可靠性挑战。
• 通过利用闪存控制器智能性及器件/工作负载特性，减少对昂贵且高开销纠错码（ECC）的依赖。
• 通过针对特定错误类型和工作条件定制的自适应、低开销控制器算法，提升闪存寿命和错误率表现。
• 对3D NAND闪存错误及自恢复效应进行全面表征，以支持针对性的可靠性改进。
• 开发可利用空闲控制器资源进行后台可靠性优化的技术，且不增加性能或容量成本。

提出的方法

• 提出WARM，一种基于工作负载热度的闪存控制器算法，通过区分写热数据与写冷数据，减少冗余刷新操作，从而延长闪存寿命。
• 设计一种基于学生t分布和幂律分布的在线闪存信道模型，以低延迟准确预测阈值电压分布随时间的变化。
• 开发统一自恢复与温度（URT）模型，以捕捉停留时间与温度对3D NAND闪存中保留损耗和编程精度的联合影响。
• 提出HeatWatch技术，根据停留时间与温度动态调节读取参考电压，以缓解早期保留错误。
• 基于对3D NAND闪存独特结构的实验表征，提出四种新型闪存控制器机制，用于缓解三种新识别出的错误类型。
• 通过在多个闪存芯片和工作负载上进行严格实验表征，识别错误模式并验证所提技术的有效性。

实验结果

研究问题

• RQ1 如何使闪存控制器算法适应工作负载的写热度，以减少冗余刷新操作并提升闪存寿命？
• RQ2 何种统计模型能够准确且高效地预测NAND闪存中随时间变化的阈值电压分布，以支持实时可靠性管理？
• RQ3 停留时间与温度如何共同影响3D NAND闪存中的保留损耗与编程精度？该影响能否被建模并用于错误缓解？
• RQ4 由于3D结构和单元设计，3D NAND闪存中出现了哪些新型错误特征？如何以低成本进行缓解？
• RQ5 能否利用空闲控制器资源在不降低性能或消耗容量的前提下，实现后台可靠性优化？

主要发现

• WARM通过区分写热与写冷数据，减少冗余刷新操作，显著延长闪存寿命，且硬件与性能开销极小。
• 学生t分布与幂律分布能够准确、低延迟地建模NAND闪存中的阈值电压分布，优于现有分析模型。
• URT模型能准确捕捉停留时间与温度对保留错误的联合影响，从而实现对3D NAND闪存中错误的精确缓解。
• HeatWatch通过基于实时停留时间与温度动态调整读取参考电压，有效缓解早期保留错误，显著降低原始位错误率。
• 本研究识别出3D NAND闪存中的三种新型错误特征，其中两种已通过四种新型控制器机制建模并缓解，实现显著的错误率降低。
• 所提技术可有效提升SSD冷存储的可靠性，支持在TLC/QLC模式下进行激进的缩放，通过定制化错误缓解实现更低的每比特成本，且不损害数据完整性。