[论文解读] 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 3

一句话总结

本文提出一种马尔可夫生灭模型，用于分析在各种工作负载（包括均匀随机、热/冷数据及N温工作负载）下，SSD Trim命令对过度配置和写入放大系数的影响。该文推导出考虑Trim引起的过度配置的写入放大系数的解析公式，表明将热数据与冷数据分离可显著降低写入放大系数，并实现优化的块分配策略以提升SSD性能。

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.

研究动机与目标

• 在均匀随机工作负载下，建立Trim命令对SSD有效过度配置影响的模型。
• 将现有写入放大系数模型扩展，以包含Trim操作及其对垃圾回收效率的影响。
• 分析具有热数据与冷数据的非均匀工作负载，并推广至N温数据工作负载。
• 推导考虑工作负载特定Trim行为和数据访问模式的写入放大系数的解析表达式。
• 识别在不同数据温度类别之间最优的过度配置块分配策略，以最小化整体写入放大系数。

提出的方法

• 使用马尔可夫生灭链模型描述在使用Trim操作时，正在使用的逻辑块地址（LBAs）的稳态分布。
• 将该模型应用于均匀随机工作负载，并基于正在使用LBAs的均值和方差计算有效过度配置水平。
• 通过将每种数据温度视为具有独立访问概率和Trim概率的独立随机过程，将模型扩展至热数据与冷数据工作负载。
• 将框架推广至N温工作负载，假设每种温度在物理上被隔离，且具有独立的写入频率和Trim概率。
• 利用Lambert W函数推导出写入放大系数的闭式表达式，考虑每种温度的过度配置和访问模式。
• 通过基于经Trim调整的归一化写入请求速率计算加权写入放大系数，确保在异构工作负载下性能估计的准确性。

实验结果

研究问题

• RQ1 在均匀随机工作负载下，Trim命令如何影响SSD中的有效过度配置？
• RQ2 SSD中Trim频率、数据访问模式与写入放大系数之间的解析关系是什么？
• RQ3 与将数据视为单一均匀数据池相比，将热数据与冷数据分离对写入放大系数有何影响？
• RQ4 能否使用基于每种温度的模型准确预测具有N种不同数据温度的工作负载的写入放大系数？
• RQ5 如何在不同数据温度类别之间最优分配过度配置块，以最小化整体写入放大系数？

主要发现

• 在Trim修改的工作负载下，正在使用LBAs的稳态数量可良好地近似为正态分布，且可通过模型分析偏度、峰度等高阶矩。
• 有效过度配置随Trim频率提高而增加，通过减少垃圾回收开销，从而降低写入放大系数。
• 在热数据与冷数据工作负载中，通过物理隔离不同类型的数据，与混合存储相比，可将写入放大系数降低高达30%，仿真结果已证实此效果。
• 整体写入放大系数并非各温度下放大系数的简单加权平均；相反，必须基于经Trim调整的有效写入请求速率计算权重。
• 该模型可实现跨数据温度的过度配置分配优化，仿真结果表明，当块按数据访问频率和Trim速率分配时，性能得到显著提升。
• 写入放大系数的解析公式引入Lambert W函数，能准确预测在采用贪婪垃圾回收机制且启用Trim时的性能，扩展了先前不考虑Trim的模型。