CN112052190B - 一种基于布隆过滤器和二级lru表的固态硬盘热数据识别方法 - Google Patents
一种基于布隆过滤器和二级lru表的固态硬盘热数据识别方法 Download PDFInfo
- Publication number
- CN112052190B CN112052190B CN202010913153.0A CN202010913153A CN112052190B CN 112052190 B CN112052190 B CN 112052190B CN 202010913153 A CN202010913153 A CN 202010913153A CN 112052190 B CN112052190 B CN 112052190B
- Authority
- CN
- China
- Prior art keywords
- data
- hot
- bloom filter
- hot data
- lpn
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2255—Hash tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0604—Improving or facilitating administration, e.g. storage management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
- G06F3/0671—In-line storage system
- G06F3/0673—Single storage device
- G06F3/0679—Non-volatile semiconductor memory device, e.g. flash memory, one time programmable memory [OTP]
-
- 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)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Memory System Of A Hierarchy Structure (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于固态硬盘数据存储技术领域,具体涉及一种基于布隆过滤器和二级LRU(Least Recently Used)表的固态硬盘热数据识别方法,主要通过布隆过滤器和二级LRU表级联实现;布隆过滤器用来将输入的请求逻辑页号筛选掉冷数据,得到粗热数据;二级LRU表用来进行冷热判断从粗热数据中精确识别出热数据,从而将冷数据和热数据区分。本发明将两种识别算法的优势相结合,弥补对方的不足;此外,二级LRU表与固态硬盘闪存转换层的地址映射模块相结合,并无额外开销。总体上能够综合考虑数据访问的频率以及时间特性,针对不同类型的负载都能有效提升热数据识别准确率。
Description
技术领域
本发明属于固态硬盘数据存储技术领域,具体涉及一种基于布隆过滤器和二级LRU(Least Recently Used)表的固态硬盘热数据识别方法。
背景技术
近年来,随着NAND存储器技术研究的不断进步,以NAND闪存为存储介质的固态硬盘SSD,凭借其读写速度快、功耗低、体积小、防震抗摔、便于携带等等优点,已经在许多领域开始取代传统机械硬盘。
闪存具备三大特性:1)以页(page)、块(block)、平面(plane)的结构进行组织,基本操作为读、写、擦除;页是读/写的基本单位,块是擦除的基本单位;三种操作的响应时间读最快,写次之,擦除最慢。2)写入数据前必须进行擦除,即不支持原地更新。3)闪存每个存储单元的编程/擦除(P/E)次数有限,意味着超过擦除次数后该存储单元存储数据不再可靠,即寿命有限。针对以上特性,为了适应当前文件系统,一般要提供一个中间软件转换层实现对闪存的管理,称为闪存转换层FTL(Flash Translation Layer)。
FTL一般由地址映射、垃圾回收和磨损均衡三个模块组成。地址映射负责将来自文件系统的逻辑地址转换为闪存中的物理地址;垃圾回收负责将回收块中的有效数据复制到新的物理块中,擦除回收块后重新利用;磨损均衡负责保证每个块的磨损速率尽量一致,防止部分块因磨损过快而提前损坏。
为了实现高效的垃圾回收,避免对有效数据的频繁复制移动造成大量的开销,FTL需要把频繁更新的数据(即热数据)和非频繁更新的数据(即冷数据)区分开,即热数据识别。热数据识别,一方面可以将识别出的热数据集中存放在同一个块中以提高垃圾回收效率,有效减小对有效数据的复制移动所造成的开销;另一方面,热数据识别可以将热数据分配到擦除次数较少的块中,防止某些块因为频繁擦除导致磨损过快,改善闪存的磨损均衡,延长使用寿命。
热数据识别技术对提升SSD的性能,延长其使用寿命有着至关重要的作用。内存开销和热数据识别准确度是衡量一个热数据识别算法的关键指标。由于热数据识别算法和垃圾回收以及磨损均衡密切相关,因此SSD中的大多数热数据识别算法只考虑识别热的写请求。经典的识别算法如DAM(直接地址法),其主要思想是给每一个页分配一个计数器,通过记录请求的访问次数来记录每一个页的访问情况。一定时间内如果计数器大于设定的阈值则判定为热数据,否则为冷数据。为每个页分配一个计数器,需要大量的内存空间,这限制了其在实际产品中的应用。基于布隆过滤器的识别算法,利用哈希函数将逻辑页地址映射到哈希表中进行计数。虽然只占用很小的内存空间,但是其存在假阳的问题,因此很容易造成误报,对识别准确度造成影响,且没有很好地综合考虑请求的频率和时间特性。基于LRU原则的热数据识别技术,其性能易受到表长的影响,且冷数据容易提升到热表中,这不仅造成误报率,还会加快将热数据从热表中剔除,造成部分漏报率。其他一些算法,如基于请求大小、访问模式等。这些方法考虑因素比较单一,没能综合考虑负载的局部性特征,热数据识别的准确度不高。
发明内容
基于现有技术中存在的上述不足,本发明提供一种基于布隆过滤器和二级LRU表的固态硬盘热数据识别方法。该方法在一定内存开销情况下,有效提高热数据识别准确率。
为了达到上述发明目的,本发明采用以下技术方案:
一种基于布隆过滤器和二级LRU表的固态硬盘热数据识别方法,包括以下步骤:
S1、将写请求的逻辑页号LPN输入至布隆过滤器,将数据分为冷数据和粗热数据;
S2、检测布隆过滤器的衰减周期N是否达到;若是,则衰减布隆过滤器的计数器值;
S3、将步骤S1得到的粗热数据的LPN输入至二级LRU表进行处理,并判断粗热数据的LPN是否在二级LRU表中命中;其中,所述二级LRU表包括热表和候选表;若没有在二级LRU表中命中,则转至步骤S4;若在二级LRU表的热表中命中,则转至步骤S5;若在二级LRU表的候选表中命中,则转至步骤S6;
S4、将相应的粗热数据判定为冷数据,并将其LPN插入到候选表的表头;
S5、将相应的粗热数据判定为热数据,并将其LPN提升到热表表头;
S6、将相应的粗热数据判定为冷数据,并将其LPN从候选表中提升到热表的表头。
作为优选方案,基于布隆过滤器和二级LRU表的固态硬盘热数据识别方法,还包括以下步骤:
S7、在往二级LRU表插入新表项时,若热表已满,则将热表中最后一项剔除到候选表表头;若候选表已满,则直接将候选表最后一项剔除。
作为优选方案,所述布隆过滤器采用2个独立的哈希函数。
作为优选方案,所述步骤S1包括:
S11、选取两个独立的哈希函数;
S12、使用两个独立的哈希函数对写请求的逻辑页号LPN进行哈希运算,得到两个哈希值;
S13、根据得到的哈希值,在哈希表中找到对应的两个计数器,并将两个个计数器的值都加1;
S14、若LPN对应的两个计数器都满足粗热数据要求,即标志位为1,则判定为粗热数据;否则,判定为冷数据。
作为优选方案,所述布隆过滤器采用的两个独立的哈希函数分别采用对LPN直接取模和将LPN对折相加平方后再取模的计算函数。
作为优选方案,所述哈希表中每一项都设置一个4位计数器,其中最高2位为标志位,即标志位Flag=bit3|bit2,哈希表长度设置为211。
作为优选方案,布隆过滤器衰减周期N=212。
作为优选方案,所述步骤S2包括:
S21、对当前服务请求数量n进行计数,即n=n+1;
S22、比较n和N的大小关系,若n==N,则将布隆过滤器的所有计数器的值往右移动一位,并重置n为0。
本发明与现有技术相比,有益效果是:
本发明的基于布隆过滤器和二级LRU表的固态硬盘热数据识别方法,能够将两种识别算法的优势相结合,弥补对方的不足;此外,二级LRU表与固态硬盘闪存转换层的地址映射模块相结合,并无额外开销。总体上能够综合考虑数据访问的频率以及时间特性,针对不同类型的负载都能有效提升热数据识别准确率。
附图说明
图1是本发明实施例的基于布隆过滤器和二级LRU表的热数据识别方法的流程图;
图2是本发明实施例的布隆过滤器模块示意图;
图3是本发明实施例的二级LRU表模块示意图;
图4是本发明实施例的布隆过滤器对数据进行初步识别流程示意图。
图5是本发明实施例的二级LRU表对粗热数据进行二次识别流程示意图。
图6本发明实施例的热数据识别方法的应用实例的结果图。
具体实施方式
为了更清楚地说明本发明实施例,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
如图1所示,本发明实施例的基于布隆过滤器和二级LRU表的固态硬盘热数据识别方法,主要通过布隆过滤器和二级LRU表级联构架来实现。布隆过滤器用来将输入的请求逻辑页号筛选掉冷数据,得到粗热数据;二级LRU表用来进行冷热判断从粗热数据中精确识别出热数据,从而将冷数据和热数据区分。
如图2所示,本发明实施例的布隆过滤器采用2个独立的哈希函数,哈希表中每一项都设置一个4位计数器,其中最高2位为标志位,即Flag=bit3|bit2),哈希表长度设置为211,布隆过滤器衰减周期N=212。为实现该布隆过滤器,额外需要4KB的存储开销。
如图3所示,本发明实施例的二级LRU表包括候选表和热表,表的每一项为请求的LPN,其中,候选表和热表各为512项,总共需要4KB的空间。需要指出的是,在SSD的闪存转换层中,无论是否有热数据识别,地址映射表表本身就是需要存储的,所以这个二级LRU表并不需要额外的存储空间。
本发明实施例以当前需要识别的写请求的LPN为4301为例,详细阐述本发明的热数据识别的流程,如图4所示,具体包括以下步骤:
步骤1:将写请求的逻辑页号LPN输入到布隆过滤器,经布隆滤波处理后将数据分成冷数据和粗热数据。其具体流程如下:
步骤1.1:选取合适的2个独立的哈希函数。本实施例中分别采用对LPN直接取模和将LPN对折相加平方后再取模的计算函数;
步骤1.2:使用这2个独立的哈希函数对相应的LPN进行哈希运算,得到2个哈希值;
Hash_value1=mod(4301,211)=205
Hash_value2=mod((43+1)2,211)=1936
步骤1.3:根据得到的哈希值,在哈希表中找到对应的2个计数器,即找到哈希表中哈希值分别对应205和1936位置的2个计数器,并将这2个计数器的值都加1;
步骤1.4:若该LPN对应的2个计数器都满足粗热数据要求,即标志位Flag=bit3|bit2为1,也等价于4位计数器的值大于等于4,则判定为粗热数据;否则,判定为冷数据。示例说明:假设本例中即哈希值205和1936对应的两个计数器的标志位都为1,则该LPN判定为粗热数据。
步骤2:检测布隆过滤器的衰减周期N是否达到。若达到,衰减布隆过滤器的计数器值。具体过程如下:
步骤2.1:对当前服务请求数量n进行计数,即n=n+1;其中,服务请求数量即指已经达到的写请求数量,服务请求即指到达的写请求;
步骤2.2:比较n和N的大小关系;若n==N,则将布隆过滤器的所有计数器的值往右移动一位,并重置n为0。==相当于一个if判断,用双等号表示两者值相等,即已经到达的写请求数量达到布隆过滤器衰减周期的值。
布隆过滤器涉及上述步骤1和步骤2,
二级LRU表涉及步骤3和步骤4,其处理流程如图5所示,具体步骤如下:
步骤3:将步骤1得到的粗热数据的LPN输入到二级LRU表进行处理,并判断该LPN是否在二级LRU表中命中。根据命中与否信息,分别执行步骤3.1、3.2和3.3中的一个。
步骤3.1:若没有在二级LRU表中命中,则将该数据判定为冷数据,并将该LPN插入到候选表的表头。
步骤3.2:若在二级LRU的热表中命中,则将该数据判定为热数据,并将该LPN提升到热表表头。
步骤3.3:若在二级LRU的候选表中命中,则将该数据判定为冷数据,并将该LPN从候选表中提升到热表的表头。
步骤4:在往二级LRU表插入新表项的时候,若热表已满,则将热表中最后一项剔除到候选表表头;若候选表已满,则直接将候选表最后一项剔除。
以写请求LPN=4301为粗热数据为例,用二级LRU表对其进行二次识别的情况如下:
情况1,LPN=4301不存在两个表的任何一个表中。根据上述步骤3.1,判定为冷数据。根据上述步骤4,若候选表已满,则剔除候选表末尾项。最后将4301作为新项插入到候选表表头。
情况2,LPN=4301存在于热表中。根据上述步骤3.2,判定为热数据。然后将4301提升到热表表头。
情况3,LPN=4301存在于候选表中。根据上述步骤3.3,判定为冷数据,并将其提升到热表表头。根据上述步骤4,在提升过程中,若热表未满,直接将4301插入到热表表头;若热表已满,需要先将热表的表尾项剔除到候选表的表头,然后将4301插入到热表表头。
如图3所示,本例为情况2,因此将LPN=4301判定为热数据,并将该项和LPN=2310的项交换位置,重新提到表头。
以下以企业级负载Financial1为例,阐述本发明实施例的固态硬盘热数据识别方法的效果。
图6为本发明实例仿真结果图,在基于上述参数设置的情况下,选用企业级负载Financial1,以上述直接地址法DAM为基准,对本发明所提出的热数据识别方法(b2L)、单独使用布隆过滤器(b)或二级LRU表(2LRU)进行识别的方法进行仿真,并采用了误报率、漏报率和错误率三个性能指标来比较这几种方法的识别效果。本次仿真选择每300K个请求比较一次三种识别方法的性能(这里的请求均为写逻辑页请求)。误报率指每300K个请求中,被DAM识别为冷数据而被其他算法识别为热数据的总请求数所占比例,即误报率=误报数/300K。漏报率指每300K个请求中,被DAM识别为热数据而被其他算法识别为冷数据的总请求数所占比例,即漏报率=漏报数/300K。错误率为误报率和漏报率之和。从图6中可以看出本发明提出的热数据识别方法兼具较低的误报率和漏报率,热数据识别错误率更低,识别精确度更高。
以上所述仅是对本发明的优选实施例及原理进行了详细说明,对本领域的普通技术人员而言,依据本发明提供的思想,在具体实施方式上会有改变之处,而这些改变也应视为本发明的保护范围。
Claims (6)
1.一种基于布隆过滤器和二级LRU表的固态硬盘热数据识别方法,其特征在于,包括以下步骤:
S1、将写请求的逻辑页号LPN输入至布隆过滤器,将数据分为冷数据和粗热数据;
S2、检测布隆过滤器的衰减周期N是否达到;若是,则衰减布隆过滤器的计数器值;
S3、将步骤S1得到的粗热数据的LPN输入至二级LRU表进行处理,并判断粗热数据的LPN是否在二级LRU表中命中;其中,所述二级LRU表包括热表和候选表;若没有在二级LRU表中命中,则转至步骤S4;若在二级LRU表的热表中命中,则转至步骤S5;若在二级LRU表的候选表中命中,则转至步骤S6;
S4、将相应的粗热数据判定为冷数据,并将其LPN插入到候选表的表头;
S5、将相应的粗热数据判定为热数据,并将其LPN提升到热表表头;
S6、将相应的粗热数据判定为冷数据,并将其LPN从候选表中提升到热表的表头;
所述布隆过滤器采用2个独立的哈希函数;
所述步骤S1包括:
S11、选取两个独立的哈希函数;
S12、使用两个独立的哈希函数对写请求的逻辑页号LPN进行哈希运算,得到两个哈希值;
S13、根据得到的哈希值,在哈希表中找到对应的两个计数器,并将两个计数器的值都加1;
S14、若LPN对应的两个计数器都满足粗热数据要求,即标志位为1,则判定为粗热数据;否则,判定为冷数据。
2.根据权利要求1所述的一种基于布隆过滤器和二级LRU表的固态硬盘热数据识别方法,其特征在于,还包括以下步骤:
S7、在往二级LRU表插入新表项时,若热表已满,则将热表中最后一项剔除到候选表表头;若候选表已满,则直接将候选表最后一项剔除。
3.根据权利要求1所述的一种基于布隆过滤器和二级LRU表的固态硬盘热数据识别方法,其特征在于,所述布隆过滤器采用的两个独立的哈希函数分别采用对LPN直接取模和将LPN对折相加平方后再取模的计算函数。
4.根据权利要求3所述的一种基于布隆过滤器和二级LRU表的固态硬盘热数据识别方法,其特征在于,所述哈希表中每一项都设置一个4位计数器,其中最高2位为标志位,即标志位Flag=bit3|bit2,哈希表长度设置为211。
5.根据权利要求4所述的一种基于布隆过滤器和二级LRU表的固态硬盘热数据识别方法,其特征在于,布隆过滤器衰减周期N=212。
6.根据权利要求1所述的一种基于布隆过滤器和二级LRU表的固态硬盘热数据识别方法,其特征在于,所述步骤S2包括:
S21、对当前服务请求数量n进行计数,即n=n+1;
S22、比较n和N的大小关系,若n==N,则将布隆过滤器的所有计数器的值往右移动一位,并重置n为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010913153.0A CN112052190B (zh) | 2020-09-03 | 2020-09-03 | 一种基于布隆过滤器和二级lru表的固态硬盘热数据识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010913153.0A CN112052190B (zh) | 2020-09-03 | 2020-09-03 | 一种基于布隆过滤器和二级lru表的固态硬盘热数据识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112052190A CN112052190A (zh) | 2020-12-08 |
CN112052190B true CN112052190B (zh) | 2022-08-30 |
Family
ID=73608465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010913153.0A Active CN112052190B (zh) | 2020-09-03 | 2020-09-03 | 一种基于布隆过滤器和二级lru表的固态硬盘热数据识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112052190B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115129264B (zh) * | 2022-08-30 | 2022-11-25 | 北京得瑞领新科技有限公司 | 固态硬盘读性能优化方法及装置、介质、固态硬盘 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016113223A1 (en) * | 2015-01-12 | 2016-07-21 | The University Of Manchester | Monitoring device |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8886827B2 (en) * | 2012-02-13 | 2014-11-11 | Juniper Networks, Inc. | Flow cache mechanism for performing packet flow lookups in a network device |
CN104881369B (zh) * | 2015-05-11 | 2017-12-12 | 中国人民解放军国防科学技术大学 | 面向混合存储系统的低内存开销热点数据识别方法 |
US20170249257A1 (en) * | 2016-02-29 | 2017-08-31 | Itu Business Development A/S | Solid-state storage device flash translation layer |
CN106874213B (zh) * | 2017-01-12 | 2020-03-20 | 杭州电子科技大学 | 一种融合多种机器学习算法的固态硬盘热数据识别方法 |
CN107368437B (zh) * | 2017-07-24 | 2021-06-29 | 郑州云海信息技术有限公司 | 一种末级缓存管理方法及系统 |
US10901907B2 (en) * | 2017-10-19 | 2021-01-26 | Samsung Electronics Co., Ltd. | System and method for identifying hot data and stream in a solid-state drive |
CN108762664B (zh) * | 2018-02-05 | 2021-03-16 | 杭州电子科技大学 | 一种固态硬盘页级缓存区管理方法 |
CN109446117B (zh) * | 2018-09-06 | 2023-02-28 | 杭州电子科技大学 | 一种固态硬盘页级闪存转换层设计方法 |
CN109783443A (zh) * | 2018-12-25 | 2019-05-21 | 西安交通大学 | 一种分布式存储系统中海量数据的冷热判断方法 |
CN109783016A (zh) * | 2018-12-25 | 2019-05-21 | 西安交通大学 | 一种分布式存储系统中的弹性多维度冗余方法 |
CN111290706B (zh) * | 2020-01-15 | 2023-03-31 | 哈尔滨工业大学 | 一种基于布隆过滤器的双层读写磨损均衡方法 |
-
2020
- 2020-09-03 CN CN202010913153.0A patent/CN112052190B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016113223A1 (en) * | 2015-01-12 | 2016-07-21 | The University Of Manchester | Monitoring device |
Non-Patent Citations (1)
Title |
---|
一种多路Flash存储结构的热数据判断方法;钟诚等;《计算机工程》;20090620;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112052190A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10303596B2 (en) | Read-write control method for memory, and corresponding memory and server | |
US10739996B1 (en) | Enhanced garbage collection | |
US8930612B2 (en) | Background deduplication of data sets in a memory | |
US8024545B2 (en) | Efficient prefetching and asynchronous writing for flash memory | |
US8438361B2 (en) | Logical block storage in a storage device | |
CN106874213B (zh) | 一种融合多种机器学习算法的固态硬盘热数据识别方法 | |
US20140229656A1 (en) | Multi-Tiered Memory with Different Metadata Levels | |
CN104298610A (zh) | 资料储存系统及其管理方法 | |
US20110296122A1 (en) | Method and system for binary cache cleanup | |
US20090100224A1 (en) | Cache management | |
CN107221351B (zh) | 一种固态盘系统中纠错码的优化处理方法及其应用 | |
CN110532200B (zh) | 一种基于混合内存架构的内存系统 | |
CN107423229B (zh) | 一种面向页级ftl的缓冲区改进方法 | |
CN110795363B (zh) | 一种存储介质的热页预测方法和页面调度方法 | |
EP3255547A1 (en) | Data backup device and method | |
CN107590084A (zh) | 一种基于分类策略的页级缓冲区改进方法 | |
CN111580754B (zh) | 一种写友好的闪存固态盘缓存管理方法 | |
CN112052190B (zh) | 一种基于布隆过滤器和二级lru表的固态硬盘热数据识别方法 | |
Tan et al. | Improving the performance of deduplication-based storage cache via content-driven cache management methods | |
CN113419675B (zh) | 用于存储器的写操作方法及读操作方法 | |
KR20120034976A (ko) | 낸드 플래시 메모리에서 데이터의 주소를 사상시키는 장치 및 방법 | |
US11249921B2 (en) | Page modification encoding and caching | |
KR20220138269A (ko) | 데이터의 핫/콜드 여부를 동적으로 판단하는 데이터 저장장치 및 이의 동작방법 | |
KR101079367B1 (ko) | 플래시 메모리를 사용하는 raid 저장 장치에서 패리티 데이터 관리 방법 및 그 장치 | |
Pratibha et al. | Efficient flash translation layer for flash memory |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |