CN110837477B - 一种基于寿命预测的存储系统损耗均衡方法及装置 - Google Patents
一种基于寿命预测的存储系统损耗均衡方法及装置 Download PDFInfo
- Publication number
- CN110837477B CN110837477B CN201910950724.5A CN201910950724A CN110837477B CN 110837477 B CN110837477 B CN 110837477B CN 201910950724 A CN201910950724 A CN 201910950724A CN 110837477 B CN110837477 B CN 110837477B
- Authority
- CN
- China
- Prior art keywords
- storage unit
- residual
- storage
- value
- life prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F12/00—Accessing, addressing or allocating within memory systems or architectures
- G06F12/02—Addressing or allocation; Relocation
- G06F12/0223—User address space allocation, e.g. contiguous or non contiguous base addressing
- G06F12/023—Free address space management
- G06F12/0238—Memory management in non-volatile memory, e.g. resistive RAM or ferroelectric memory
- G06F12/0246—Memory management in non-volatile memory, e.g. resistive RAM or ferroelectric memory in block erasable memory, e.g. flash memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
- G06F2212/72—Details relating to flash memory management
- G06F2212/7211—Wear leveling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Techniques For Improving Reliability Of Storages (AREA)
- Read Only Memory (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开一种基于寿命预测的存储系统损耗均衡方法及装置,包括:对存储系统的各个存储单元进行寿命预测,预测得到各个存储单元的剩余使用次数;当存储单元进行一次读或写操作后,其剩余使用次数减1;确定各个单元的剩余使用次数中的最大值和最小值,将最大值减最小值得到最大差值;若剩余使用次数的最大差值大于预设损耗均衡阈值,则将剩余使用次数最大值对应存储单元中的数据拷贝到剩余使用次数最小值对应的存储单元;并将剩余使用次数最大值对应存储单元中的数据擦除,并将该剩余使用次数最大值对应存储单元用于热数据存储,对存储系统进行损耗均衡。本发明真实反映存储单元可使用状态,提高存储单元后期的利用率,延长存储系统的使用寿命。
Description
技术领域
本发明涉及计算机技术领域,更具体地,涉及一种基于寿命预测的存储系统损耗均衡方法及装置。
背景技术
在计算机技术的发展中,存储器件作为存储数据的载体一直是非常重要的组成部分。目前以闪存为存储介质的固态存储设备凭借着更快的读写速度、更好的抗震性等优势广泛应用于消费电子、数据中心和军工业等领域。
在存储芯片使用过程中,其存储单元的介质会随着存储芯片编程/擦除周期次数的增加而产生缺陷并最终导致存储单元失效,如果存储芯片在运行时产生了无法纠正的错误将影响整个存储系统的正常使用。存储系统的整体性能往往取决于所使用的最差存储单元的读写性能,因此在存储系统中通过设计损耗均衡算法保证存储单元均衡的被使用,尽可能的使存储单元的使用均匀化,避免存储单元之间的可使用次数差别较大,推迟存储单元到达寿命上限的时间,从而优化存储系统性能和延长使用时间。
现有的损耗均衡技术均是通过对存储单元已使用情况计数,计算存储单元之间最大计数差,当达到给定阈值后调用损耗均衡算法,在存有热数据的存储单元与冷数据的存储单元之间进行数据交换。这种方法的前提是假设所有存储单元有相近的最大使用次数,实际使用中不同存储单元的最大使用次数往往有较大差异,导致存储单元后期的利用率很低。
发明内容
针对现有技术的缺陷,本发明的目的在于解决现有的损耗均衡技术由于实际使用中不同存储单元的最大使用次数往往有较大差异,导致存储单元后期的利用率很低的技术问题。
为实现上述目的,一方面,本发明提供一种基于寿命预测的存储系统损耗均衡方法,包括以下步骤:
对存储系统的各个存储单元进行寿命预测,预测得到各个存储单元的剩余使用次数;当存储单元进行一次读或写操作后,其剩余使用次数减1;
确定各个存储单元的剩余使用次数中的最大值和最小值,将最大值减最小值得到剩余使用次数的最大差值;
若所述剩余使用次数的最大差值大于预设损耗均衡阈值,则将剩余使用次数最大值对应存储单元中的数据拷贝到剩余使用次数最小值对应的存储单元;并将剩余使用次数最大值对应存储单元中的数据擦除,并将该剩余使用次数最大值对应存储单元用于热数据存储,以对所述存储系统进行损耗均衡。
可选地,对各个存储单元进行寿命预测,具体包括如下步骤:
确定各个存储单元的特征量参数,包括:存储单元的编程时间、读取时间、擦除时间、电流、芯片功耗、阈值电压分布、存储单元编号、存储页号、存储单元当前经历过的编程/擦除周期数、条件错误页数、条件错误块数、错误比特数以及错误率;
对各个存储单元的特征量参数进行线性或非线性运算,对不同存储单元的特征量之间进行线性或非线性运算,以对各个存储单元的特征量参数进行降噪;
基于降噪后的各个存储单元的特征量参数,根据预先训练好的寿命预测模型预测各个存储单元的剩余使用次数。
可选地,基于将噪后的各个存储单元的特征量参数,根据预先训练好的寿命预测模型预测各个存储单元的剩余使用次数,具体包括如下步骤:
基于存储单元的特征量参数确定页面最大错误数和页面编程时间均值;
将页面最大错误数和页面编程时间均值与存储单元的特征量参数构成集合,输入预先训练好的寿命预测模型,以输出存储单元的剩余使用次数的预测值。
可选地,所述存储系统每隔预设时间预测一次各个存储单元的剩余使用次数,或
所述存储系统在有存储单元的使用次数达到预设次数时,再次预测各个存储单元的剩余使用次数。
另一方面,本发明提供一种基于寿命预测的存储系统损耗均衡装置,包括以下步骤:
寿命预测模块,用于对存储系统的各个存储单元进行寿命预测,预测得到各个存储单元的剩余使用次数;当存储单元进行一次读或写操作后,其剩余使用次数减1;
均衡判定模块,用于确定各个存储单元的剩余使用次数中的最大值和最小值,将最大值减最小值得到剩余使用次数的最大差值;若所述剩余使用次数的最大差值大于预设损耗均衡阈值,则判断存储系统不均衡;
存储单元迁移模块,用于若存储系统不均衡,则将剩余使用次数最大值对应存储单元中的数据拷贝到剩余使用次数最小值对应的存储单元;
存储单元清除模块,用于将剩余使用次数最大值对应存储单元中的数据擦除,并将该剩余使用次数最大值对应存储单元用于热数据存储,以对所述存储系统进行损耗均衡。
可选地,该均衡装置还包括:
数据采集模块,用于确定各个存储单元的特征量参数,包括:存储单元的编程时间、读取时间、擦除时间、电流、芯片功耗、阈值电压分布、存储单元编号、存储页号、存储单元当前经历过的编程/擦除周期数、条件错误页数、条件错误块数、错误比特数以及错误率;对各个存储单元的特征量参数进行线性或非线性运算,对不同存储单元的特征量之间进行线性或非线性运算,以对各个存储单元的特征量参数进行降噪;
寿命预测模块,用于基于降噪后的各个存储单元的特征量参数,根据预先训练好的寿命预测模型预测各个存储单元的剩余使用次数。
可选地,寿命预测模块,基于存储单元的特征量参数确定页面最大错误数和页面编程时间均值;将页面最大错误数和页面编程时间均值与存储单元的特征量参数构成集合,输入预先训练好的寿命预测模型,以输出存储单元的剩余使用次数的预测值。
可选地,所述寿命预测模块每隔预设时间预测一次各个存储单元的剩余使用次数,或在有存储单元的使用次数达到预设次数时,再次预测各个存储单元的剩余使用次数。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
1、本发明提出一种基于寿命预测的存储系统损耗均衡方法及装置,以目前计算机领域前沿的学习预测技术为基础法,与目前的技术相比,改变了由已使用次数的计数方式,以剩余寿命预测值作为存储单元可用次数的计数值,更加真实的反映存储单元可使用状态,提高存储单元后期的利用率,延长存储系统的使用寿命。寿命预测的方法可以得到较为准确的存储单元剩余使用次数,替换现有损耗均衡技术的存储单元已擦除次数的计数,可以更好的反馈闪存块真实的可使用情况,使得每个存储单元后期的利用率大幅提高,延长存储系统的使用时间。
2、本发明提出基于寿命预测的存储系统损耗均衡方法及装置,存储系统加入该装置可以更好的了解存储单元使用情况,均衡不同存储单元的使用情况,表现最好的存储系统性能。
3、本发明提出一种包含数据采集模块和寿命预测模块的存储系统损耗均衡装置,为损耗均衡提供更加准确的度量,提高系统调度的效率,减少额外开销。
附图说明
图1为本发明实施例一种基于寿命预测的存储系统损耗均衡方法的流程示意图。
图2为本发明实施例一种基于寿命预测的存储系统损耗均衡装置的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的上述技术问题主要是通过下述技术方案得以解决的:一种基于寿命预测的存储装置损耗均衡方法,
存储系统上电后由信息存储模块维护一个存储单元剩余使用次数表,不断更新存储单元剩余次数表;
存储系统运行过程中,调用存储单元剩余次数表,基于存储单元剩余次数表的值对存储单元执行数据迁移操作。
所述方法的具体步骤包括:
步骤1,存储装置上电后,信息存储模块维护一个所有存储单元剩余使用次数表,并在存储单元每次使用或调用寿命预测模块之后更新表数据。
步骤2,信息存储模块更新后,存储系统损耗判定模块根据存储单元剩余使用次数最大值与存储单元剩余使用次数最小值比较,根据比较结果不同输出信号不同,若比较结果大于损耗均衡阈值发出损耗均衡信号到数据迁移模块,否则返回信息存储模块。
步骤3,数据迁移模块接收到损耗均衡信号,将剩余使用次数最大的存储单元的数据迁移到剩余使用次数较小的存储单元,并向擦除模块发出清空信号。
步骤4,清空模块接收到清空信号后将选中的存储单元清空,输出信号给信息存储模块,更新表数据。
所述步骤1中存储单元剩余使用次数表中存储的值为存储装置中存储单元对应的剩余寿命预测值。所述存储单元可以是任意大小的具有数据存储能力的存储器电路。
所述步骤1中存储单元剩余使用次数表初始化的具体步骤包括:
步骤5.1,在存储系统第一次运行固件时对所有存储单元进行一次存储单元基本操作,记录存储单元的特征量参数。所述存储系统特征量包括但不限于:存储单元的编程时间、读取时间、擦除时间、电流、芯片功耗、阈值电压分布、存储单元编号、存储页号、存储单元当前经历过的编程/擦除周期数、条件错误页数、条件错误块数、错误比特数和错误率。
步骤5.2,对测量得到的特征量中的一种特征量或几种特征量进行数学运算,保存特征量数学运算结果。所述闪存芯片特征量的数学运算包括:特征量的线性运算、特征量的非线性运算、特征量间的线性运算、特征量间的非线性运算、不同存储单元特征量之间的线性运算、不同存储单元特征量之间的非线性运算。
所述步骤的实施目的为:降低特征量数据中包含的噪声,提取特征量数据中的有效可靠性信息,从而提高损耗均衡方法的效率。
步骤5.3,将步骤5.1中测量得到的特征量或步骤5.2中特征量的运算结果或步骤5.1中测量得到的特征量和步骤5.2中特征量的运算结果的组合构成数据集作为寿命预测模块的输入,运行寿命预测模型,计算得到特征量对应的存储单元的剩余使用次数。按照存储单元的次序依次完成存储单元剩余使用次数表。
所述方法的寿命预测模型使用的算法或结构可以是但不限于:函数模型、多项式模型、神经网络模型、基因编程模型、人工智能模型等。
所述方法的寿命预测模型的实现方式可以为:程序实现或硬件电路实现或程序硬件混合实现。
下面以人工神经网络为例简述寿命预测模型的获取方式。
人工神经网络寿命预测模型的生成步骤如下:
(1)训练程序初始化人工神经网络,令时间点(Epoch)等于1。定义人工神经网络的输入输出个数,同时设置训练终止条件。训练终止条件拟定为训练误差与测试误差均小于1或时间点大于100。本实施例采用的初始化人工神经网络为:激活函数为sigmod函数,隐藏层数为50,连接权和阈值在(0,1)范围内随机初始化的前馈人工神经网络。
(2)将输入数据集合分为训练集、验证集和测试集,本项目将采用随机划分的方式:训练集为整个数据集合的70%,测试集为整个数据集合的30%。
(3)将训练集输入人工神经网络,计算人工神经网络输出值和误差指标函数。
(4)学习算法调整连接权和阈值的取值。
(5)检查测试集误差、训练集误差取值是否满足训练终止条件,若满足终止训练并保存人工神经网络。
(6)检查时间点取值是否满足训练终止条件,若满足终止训练并保存人工神经网络;不满足则时间点加一,则返回继续训练。
所述方法步骤2中的损耗均衡阈值可以是初始化设定的固定值,也可以是增加动态损耗均衡阈值设置模块根据存储系统的使用情况更新损耗均衡阈值。
图1为本发明基于寿命预测的存储系统损耗均衡方法的流程示意图,图中所示存储系统损耗均衡方法适用于所有存储系统,图2为本发明基于寿命预测的存储系统损耗均衡装置的结构图,图中所示存储系统损耗均衡装置适用于所有存储系统,下面以一种固态存储系统为实施例对图1、图2进行详细的解释说明。
本实施例中,将某制造工艺下的SSD产品作为实施例的存储系统;将某制造工艺下的闪速存储器(NAND flash)的存储块作为存储单元。具体地,可将存储块、存储单元均简称为块。
如图1所示:步骤S01,存储系统上电使用后,图2所示信息存储模块维护存储单元剩余使用次数表。并在存储单元使用中更新表数据。
存储单元剩余使用次数表的初始化方式为,第一次运行SSD固件时在图2所示信息采集模块对所有存储块进行一次编程/擦除操作,得到每个闪存块特征信息,所述闪存块的特征信息包括:在一次编程/擦除操作器件闪存块的编程时间、擦除时间、阈值电压分布和错误率在编程/擦除周期增加条件下变化的数据信息(阈值电压分布为可选物理信息)。
闪存芯片存储块编程时间的获取方式为:数据采集模块在闪存开始写入数据操作的同时记录经过的时钟周期在收到闪存芯片返回数据编程完成标志后停止记录时钟周期数;编程时间值为时钟周期持续时间乘以编程时钟周期数。
闪存芯片存储块擦除时间的获取方式与编程时间获取方式同理,数据采集模块记录擦除操作持续的时钟周期数,擦除时间值为时钟周期持续时间乘以擦除时钟周期数。闪存芯片存储单元阈值电压分布的获取方式为:数据采集模块向闪存芯片发送READ-RETRY命令集逐步改变闪存的读参考电压同时读出数据根据读数据值统计阈值电压分布。
闪存芯片存储块错误率的获取方式为:数据采集模块对闪存芯片执行读数据操作从闪存中读出数据,将读出的数据与写入的测试数据进行对比统计错误数据个数,错误率为错误个数除以总的数据个数。
信息存储模块维护表的方式为:在闪存块进行一次编程/擦除操作后,存储单元剩余使用次数表相应的数据减1。根据系统设置定期调用数据采集模块和寿命预测模块重新预测闪存块的剩余使用次数,更新在存储单元剩余使用次数表中。
步骤S02,SSD使用过程中,将存储单元剩余使用次数表中最大值减去最小值,计算最大差值。在图2所示损耗均衡判断模块与损耗均衡阈值比较,如果大于损耗均衡阈值则发出损耗均衡信号给数据迁移模块,否则的话系统回到信息存储模块继续维护存储单元剩余使用次数表。
步骤S03,当图2所示的数据迁移模块收到损耗均衡信号后,通过存储单元剩余使用次数表检索出剩余使用次数最大的块,将数据拷贝到剩余使用次数最小的块,剩余使用次数最小的块存储冷数据后被保护起来。然后向数据清除模块发送清除信号。所述清楚信号用于清除使用次数最大的块中的数据。
步骤S04,当图2所示的数据清除模块收到清除信号后将存储单元剩余使用次数最大的块擦除,用于SSD热数据的存储。系统返回到信息存储模块继续维护存储单元剩余使用次数表。
本实施例中,寿命预测模块计算闪存块剩余使用次数的具体操作为:寿命预测模块接收数据采集模块采集到的数据;寿命预测模块计算页面最大错误数及页面编程时间均值;将页面最大错误数及页面编程时间均值与数据采集模块采集特征量构成集合,输入人工神经网络模型;人工神经网络模型输出剩余使用次数的预测值。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于寿命预测的存储系统损耗均衡方法,其特征在于,包括以下步骤:
根据存储系统中的各个存储单元的特征量参数和预先训练好的寿命预测模型对各个存储单元进行寿命预测,预测得到各个存储单元的剩余使用次数;当存储单元进行一次读或写操作后,其剩余使用次数减1;
确定各个存储单元的剩余使用次数中的最大值和最小值,将最大值减最小值得到剩余使用次数的最大差值;
若所述剩余使用次数的最大差值大于预设损耗均衡阈值,则将剩余使用次数最大值对应存储单元中的数据拷贝到剩余使用次数最小值对应的存储单元;并将剩余使用次数最大值对应存储单元中的数据擦除,并将该剩余使用次数最大值对应存储单元用于热数据存储,以对所述存储系统进行损耗均衡。
2.根据权利要求1所述的基于寿命预测的存储系统损耗均衡方法,其特征在于,对各个存储单元进行寿命预测,具体包括如下步骤:
确定各个存储单元的特征量参数,包括:存储单元的编程时间、读取时间、擦除时间、电流、芯片功耗、阈值电压分布、存储单元编号、存储页号、存储单元当前经历过的编程/擦除周期数、条件错误页数、条件错误块数、错误比特数以及错误率;
对各个存储单元的特征量参数进行线性或非线性运算,对不同存储单元的特征量之间进行线性或非线性运算,以对各个存储单元的特征量参数进行降噪;
基于降噪后的各个存储单元的特征量参数,根据预先训练好的寿命预测模型预测各个存储单元的剩余使用次数。
3.根据权利要求2所述的基于寿命预测的存储系统损耗均衡方法,其特征在于,基于将噪后的各个存储单元的特征量参数,根据预先训练好的寿命预测模型预测各个存储单元的剩余使用次数,具体包括如下步骤:
基于存储单元的特征量参数确定页面最大错误数和页面编程时间均值;
将页面最大错误数和页面编程时间均值与存储单元的特征量参数构成集合,输入预先训练好的寿命预测模型,以输出存储单元的剩余使用次数的预测值。
4.根据权利要求1至3任一项所述的基于寿命预测的存储系统损耗均衡方法,其特征在于,所述存储系统每隔预设时间预测一次各个存储单元的剩余使用次数,或
所述存储系统在有存储单元的使用次数达到预设次数时,再次预测各个存储单元的剩余使用次数。
5.一种基于寿命预测的存储系统损耗均衡装置,其特征在于,包括以下步骤:
寿命预测模块,用于根据存储系统中的各个存储单元的特征量参数和预先训练好的寿命预测模型对各个存储单元进行寿命预测,预测得到各个存储单元的剩余使用次数;当存储单元进行一次读或写操作后,其剩余使用次数减1;
均衡判定模块,用于确定各个存储单元的剩余使用次数中的最大值和最小值,将最大值减最小值得到剩余使用次数的最大差值;若所述剩余使用次数的最大差值大于预设损耗均衡阈值,则判断存储系统不均衡;
存储单元迁移模块,用于若存储系统不均衡,则将剩余使用次数最大值对应存储单元中的数据拷贝到剩余使用次数最小值对应的存储单元;
存储单元清除模块,用于将剩余使用次数最大值对应存储单元中的数据擦除,并将该剩余使用次数最大值对应存储单元用于热数据存储,以对所述存储系统进行损耗均衡。
6.根据权利要求5所述的基于寿命预测的存储系统损耗均衡装置,其特征在于,还包括:
数据采集模块,用于确定各个存储单元的特征量参数,包括:存储单元的编程时间、读取时间、擦除时间、电流、芯片功耗、阈值电压分布、存储单元编号、存储页号、存储单元当前经历过的编程/擦除周期数、条件错误页数、条件错误块数、错误比特数以及错误率;对各个存储单元的特征量参数进行线性或非线性运算,对不同存储单元的特征量之间进行线性或非线性运算,以对各个存储单元的特征量参数进行降噪;
寿命预测模块,用于基于降噪后的各个存储单元的特征量参数,根据预先训练好的寿命预测模型预测各个存储单元的剩余使用次数。
7.根据权利要求6所述的基于寿命预测的存储系统损耗均衡装置,其特征在于,寿命预测模块,基于存储单元的特征量参数确定页面最大错误数和页面编程时间均值;将页面最大错误数和页面编程时间均值与存储单元的特征量参数构成集合,输入预先训练好的寿命预测模型,以输出存储单元的剩余使用次数的预测值。
8.根据权利要求5至7任一项所述的基于寿命预测的存储系统损耗均衡装置,其特征在于,所述寿命预测模块每隔预设时间预测一次各个存储单元的剩余使用次数,或在有存储单元的使用次数达到预设次数时,再次预测各个存储单元的剩余使用次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910950724.5A CN110837477B (zh) | 2019-10-08 | 2019-10-08 | 一种基于寿命预测的存储系统损耗均衡方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910950724.5A CN110837477B (zh) | 2019-10-08 | 2019-10-08 | 一种基于寿命预测的存储系统损耗均衡方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110837477A CN110837477A (zh) | 2020-02-25 |
CN110837477B true CN110837477B (zh) | 2022-09-09 |
Family
ID=69575148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910950724.5A Active CN110837477B (zh) | 2019-10-08 | 2019-10-08 | 一种基于寿命预测的存储系统损耗均衡方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110837477B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112416813B (zh) * | 2020-11-19 | 2022-12-06 | 苏州浪潮智能科技有限公司 | 固态硬盘磨损均衡方法、装置、计算机设备及存储介质 |
CN112762877B (zh) * | 2020-12-28 | 2023-03-21 | 成都国铁电气设备有限公司 | 一种地铁接触网刚性接触线磨耗预警方法及装置 |
CN113627039B (zh) * | 2021-10-11 | 2022-02-22 | 广州中大中鸣科技有限公司 | 一种灯光照明系统能耗的预测方法、装置及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7690031B2 (en) * | 2000-01-06 | 2010-03-30 | Super Talent Electronics, Inc. | Managing bad blocks in flash memory for electronic data flash card |
CN102081576B (zh) * | 2011-03-01 | 2012-07-11 | 华中科技大学 | 一种闪存的磨损平衡方法 |
CN104572489B (zh) * | 2013-10-23 | 2019-12-24 | 深圳市腾讯计算机系统有限公司 | 磨损均衡方法及装置 |
US9329797B2 (en) * | 2013-12-30 | 2016-05-03 | Sandisk Technologies Inc. | Method and system for adjusting block erase or program parameters based on a predicted erase life |
CN109684119B (zh) * | 2018-12-06 | 2022-05-17 | 天津津航计算技术研究所 | 应用于NAND Flash损耗均衡的优化方法 |
CN109634527B (zh) * | 2018-12-12 | 2020-06-09 | 华中科技大学 | 一种ssd内实现的闪存寿命预测方法 |
CN109637576B (zh) * | 2018-12-17 | 2021-06-11 | 华中科技大学 | 一种基于支持向量回归的闪存寿命预测方法 |
-
2019
- 2019-10-08 CN CN201910950724.5A patent/CN110837477B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110837477A (zh) | 2020-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109634527B (zh) | 一种ssd内实现的闪存寿命预测方法 | |
CN110837477B (zh) | 一种基于寿命预测的存储系统损耗均衡方法及装置 | |
CN109817267B (zh) | 一种基于深度学习的闪存寿命预测方法、系统及计算机可读存取介质 | |
CN110851079B (zh) | 一种自适应的存储设备损耗均衡方法及系统 | |
US7948798B1 (en) | Mixed multi-level cell and single level cell storage device | |
CN106909318B (zh) | 固态硬盘使用方法及装置 | |
CN111309544B (zh) | 一种读参考电压受多维因子影响的预测建模及施加方法 | |
US10884665B2 (en) | Data reading method, storage controller and storage device for optimizing read voltages | |
US20220027083A1 (en) | Regression Neural Network for Identifying Threshold Voltages to be Used in Reads of Flash Memory Devices | |
CN113257332B (zh) | 一种闪存的有效性预测方法、装置及存储介质 | |
Peleato et al. | BER-based wear leveling and bad block management for NAND flash | |
Ma et al. | RBER-aware lifetime prediction scheme for 3D-TLC NAND flash memory | |
US20110161556A1 (en) | Systems and methods for storing data in a multi-level cell solid state storage device | |
CN112817880A (zh) | 一种固态硬盘及其磨损平衡方法和终端设备 | |
CN111813591B (zh) | Nand Flash的数据纠错方法、装置、电子设备及存储介质 | |
US10990295B2 (en) | Write level optimization for non-volatile memory | |
CN112817523B (zh) | 存储介质可靠性等级判断方法及系统、存储介质、设备 | |
US11016693B2 (en) | Block health estimation for wear leveling in non-volatile memories | |
CN109871594A (zh) | 一种NAND Flash特性模型建立方法 | |
CN111459706B (zh) | 一种nand闪存错误率预测方法及系统 | |
CN111435403B (zh) | 一种闪存系统的磨损均衡方法及装置 | |
US10482965B1 (en) | Memory start voltage management | |
CN110580932B (zh) | 一种应用于损耗均衡的存储单元质量度量方法 | |
CN111767165B (zh) | 数据处理方法、装置及控制设备 | |
CN114385092A (zh) | 固态硬盘闪存阵列的擦除方法、固态硬盘主控芯片 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210727 Address after: 518000 Shenzhen, Longgang, Guangdong Bantian street, Jihua Road, long Bi industrial city 13, 2 level. Applicant after: FUTUREPATH TECHNOLOGY Co.,Ltd. Address before: 430074 Hubei Province, Wuhan city Hongshan District Luoyu Road No. 1037 Applicant before: HUAZHONG University OF SCIENCE AND TECHNOLOGY |
|
GR01 | Patent grant | ||
GR01 | Patent grant |