[논문 리뷰] Time-efficient Garbage Collection in SSDs

Lars Nagel, Tim Süß외 4명|arXiv (Cornell University)|2018. 07. 24.

Advanced Data Storage Technologies인용 수 5

한 줄 요약

이 논문은 SSD에서 원래의 코스트-베페잇 GC 알고리즘의 런타임을 크게 줄이면서도 낮은 씻기기 증폭을 유지하는 두 가지 최적화된 가비지 컬렉션(GC) 전략—빠른 코스트-베페잇 및 근사 코스트-베페잇—을 제안한다. 빠른 코스트-베페잇 전략은 우선순위 클래스를 사용하여 검색 시간을 최소화하고, 근사 전략은 범죄 블록 선택을 배치하여 최대 24배 빠른 성능을 달성하며 씻기기 증폭에 큰 영향을 주지 않아, 멀티-테라바이트 SSD에서의 효율적 사용을 가능하게 한다.

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.

연구 동기 및 목표

• 대용량 SSD에서 블록 수에 따라 선형적으로 증가하는 코스트-베페잇 GC 전략의 높은 런타임을 해결한다.
• 쓰기 증폭을 증가시키지 않고 범죄 블록 선택의 성능 오버헤드를 줄인다.
• 선형 시간 알고리즘이 비현실적이게 되는 고용량 SSD(멀티-테라바이트)에서 정교한 GC 전략의 사용을 가능하게 한다.
• 선택 효율성을 최적화하여 현대의 멀티채널 및 고밀도 SSD에 대한 GC의 확장성을 향상시킨다.
• 원래의 코스트-베페잇 접근 방식과 비교해도 낮은 씻기기 증폭을 유지하면서 동시에 런타임 성능을 극적으로 향상시킨다.

제안 방법

• 코스트-베페잇(CB) 값에 따라 블록을 우선순위 클래스로 분류하고, 유일하게 범죄 블록 선택에 사용되는 최고 우선순위 클래스(클래스 0)만을 활용하는 빠른 코스트-베페잇 전략을 도입한다.
• 런타임 계산을 피하기 위해 블록이 클래스 간 이동해야 할 시점을 사전 계산하여 검색 복잡도를 감소시킨다.
• 블록 무효화 및 마이그레이션 중 오버헤드를 최소화하기 위해 유일하게 클래스 0과 클래스 1만 수정하는 클래스 업데이트 메커니즘을 구현한다.
• 한 번에 하나의 블록이 아닌 여러 잠재적 범죄 블록을 동시에 선택하는 근사 코스트-베페잇 전략을 제안하여, 사이클당 계산 시간을 일정 요소만큼 감소시킨다.
• 실제 워크로드(TPCC, SPC1, Financial1)를 사용한 트레이스 기반 시뮬레이션을 통해 다양한 SSD 크기, 페이지 수, 하드웨어 플랫폼에서의 성능과 씻기기 증폭을 평가한다.
• 런타임 분해 분석을 수행하고, 멀티코어 실행을 위한 클래스 업데이트와 범죄 블록 선택을 분리하는 등의 병렬화 기회를 식별한다.

실험 결과

연구 질문

• RQ1 대용량 SSD에서 코스트-베페잇 GC 전략의 런타임을 씻기기 증폭을 증가시키지 않고 줄일 수 있는가?
• RQ2 기반 클래스 그룹화와 배치된 범죄 블록 선택은 낮은 씻기기 증폭을 유지하면서 GC를 얼마나 효과적으로 가속화하는가?
• RQ3 제안된 전략은 다양한 워크로드에서 현대의 멀티코어 프로세서(Intel 및 ARM)에 어떤 영향을 미치는가?
• RQ4 고페이지 수를 가진 멀티-테라바이트 SSD에 대해 신규 전략은 어느 정도 확장 가능한가?
• RQ5 원래의 코스트-베페잇 알고리즘의 주요 성능 저하 요인은 무엇이며, 이를 어떻게 분리하거나 병렬화할 수 있는가?

주요 결과

• 빠른 코스트-베페잇 전략은 SPC1 트레이스에서 원래의 코스트-베페잇 접근 방식 대비 최대 13배 런타임을 감소시키고, TPCC 트레이스에서는 2.8배 향상되었다.
• 근사 코스트-베페잇 전략은 원래의 코스트-베페잇 알고리즘 대비 최대 24.4배 높은 IOPS를 달성했으며, q의 작은 값에서 씻기기 증폭에 눈에 띄는 증가가 없었다.
• ARM Cortex-A17 프로세서에서 가장 빠른 알고리즘(근사 코스트-베페잇)은 원래의 코스트-베페잇 전략 대비 최대 20배 높은 성능을 기록했으며, 이는 낮은 CPU 주파수와 메모리 대역폭에도 불구하고 가능했다.
• 원래의 코스트-베페잇 전략은 ARM에서 双정밀도 부동소수점 연산으로 인해 심각하게 느려지지만, 최적화된 전략은 계산량을 줄여 이를 완화한다.
• SSD 크가 커질수록 원래의 코스트-베페잇 전략과 최적화된 전략 간 성능 격차가 커지며, 이는 주로 클래스 0 크기 관리 오버헤드 증가 때문이었다.
• 전략들은 강력한 병렬화 잠재력을 드러내었으며, 클래스 업데이트와 범죄 블록 선택을 분리함으로써 최적의 코어 분포를 통해 근접 150만 IOPS를 달성할 수 있었다.