KR20170014874A - 스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법 - Google Patents

스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법 Download PDF

Info

Publication number
KR20170014874A
KR20170014874A KR1020150108868A KR20150108868A KR20170014874A KR 20170014874 A KR20170014874 A KR 20170014874A KR 1020150108868 A KR1020150108868 A KR 1020150108868A KR 20150108868 A KR20150108868 A KR 20150108868A KR 20170014874 A KR20170014874 A KR 20170014874A
Authority
KR
South Korea
Prior art keywords
storage device
host
operating parameters
background operation
current value
Prior art date
Application number
KR1020150108868A
Other languages
English (en)
Other versions
KR102519663B1 (ko
Inventor
이동헌
권문상
임형진
Original Assignee
삼성전자주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020150108868A priority Critical patent/KR102519663B1/ko
Priority to US15/147,337 priority patent/US9996460B2/en
Publication of KR20170014874A publication Critical patent/KR20170014874A/ko
Application granted granted Critical
Publication of KR102519663B1 publication Critical patent/KR102519663B1/ko

Links

Images

Classifications

    • 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
    • G06F3/061—Improving I/O performance
    • 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
    • G06F12/08—Addressing or allocation; Relocation in hierarchically structured memory systems, e.g. virtual memory systems
    • G06F12/0802—Addressing of a memory level in which the access to the desired data or data block requires associative addressing means, e.g. caches
    • G06F12/0866—Addressing of a memory level in which the access to the desired data or data block requires associative addressing means, e.g. caches for peripheral storage systems, e.g. disk cache
    • G06F12/0868—Data transfer between cache memory and other subsystems, e.g. storage devices or host systems
    • G06F15/18—
    • 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
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0655—Vertical data movement, i.e. input-output transfer; data movement between one or more hosts and one or more storage devices
    • G06F3/0659—Command handling arrangements, e.g. command buffers, queues, command scheduling
    • 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
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0655—Vertical data movement, i.e. input-output transfer; data movement between one or more hosts and one or more storage devices
    • G06F3/0661—Format or protocol conversion arrangements
    • 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]
    • 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
    • G06F3/0683—Plurality of storage devices
    • G06F3/0688—Non-volatile semiconductor memory arrays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)
  • Memory System (AREA)

Abstract

본 개시의 예시적 실시예에 따른 스토리지 장치의 동작 방법은, 호스트로부터 동작 파라미터들의 목표값을 수신하는 단계, 동작 파라미터들의 현재값을 로딩하는 단계, 동작 파라미터들의 목표값 및 현재값을 사용하는 기계 학습 알고리즘에 기초하여 백그라운드 동작을 적응적으로 스케줄링하는 단계, 및 스케줄에 기초하여 백그라운드 동작을 실행하는 단계를 포함할 수 있다.

Description

스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법{STORAGE DEVICE, SYSTEM INCLUDING STORAGE DEVICE AND OPERATING METHOD THEREOF}
본 개시의 기술적 사상은 스토리지 장치에 관한 것으로서, 자세하게는 스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법에 관한 것이다.
다양한 시스템에서, 스토리지 장치가 데이터를 저장하기 위한 목적으로 사용된다. 스토리지 장치는 그 용도에 따라 다양한 크기, 저장 용량, 동작 속도, 호스트와의 연결방식을 가질 수 있다. 플래시 메모리와 같은 비휘발성 반도체 메모리 장치 기반의 스토리지 장치의 예로서 SSD(solid state drive 또는 solid disk device)가 다양한 어플리케이션에 사용되고 있다.
본 개시의 기술적 사상은, 스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법에 관한 것으로서, 스토리지 장치의 백그라운드 동작이 수행되는 타이밍을 적응적으로 결정하는 스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법을 제공한다.
본 개시의 기술적 사상의 일측면에 따른 스토리지 장치의 동작 방법은, 상기 호스트로부터 상기 스토리지 장치의 동작 파라미터들의 목표값을 수신하는 단계, 상기 동작 파라미터들의 현재값을 로딩하는 단계, 상기 동작 파라미터들의 목표값 및 현재값을 사용하는 기계 학습(machine learning) 알고리즘에 기초하여 상기 스토리지 장치의 백그라운드 동작을 적응적으로 스케줄링하는 단계, 및 상기 백그라운드 동작의 스케줄에 기초하여, 상기 백그라운드 동작을 실행하는 단계를 포함할 수 있다.
본 개시의 기술적 사상의 일측면에 따른 호스트에 의한 스토리지 장치의 관리 방법은, 상기 스토리지 장치의 동작 파라미터들의 목표값을 설정하는 단계, 상기 동작 파라미터들의 현재값을 로딩하는 단계, 상기 동작 파라미터들의 목표값 및 현재값을 사용하는 기계 학습(machine learning) 알고리즘에 기초하여 상기 스토리지 장치의 백그라운드 동작을 적응적으로 스케줄링하는 단계, 및 상기 백그라운드 동작의 스케줄에 기초하여 상기 백그라운드 동작의 실행을 제어하는 제어 신호를 상기 스토리지 장치에 전송하는 단계를 포함할 수 있다.
본 개시의 기술적 사상에 따른 스토리지 장치의 관리 방법 및 동작 방법에 의하면, 스토리지 장치의 백그라운드 동작의 타이밍이 적응적으로 결정됨으로써 백그라운드 동작으로 인한 스토리지 장치 및 스토리지 입출력 처리에 미치는 악영향을 감소시킬 수 있다.
또한, 본 개시의 기술적 사상에 따른 스토리지 장치의 관리 방법 및 동작 방법에 의하면, 스토리지 장치 또는 스토리지 장치를 포함하는 시스템의 목표 성능을 설정함으로써 자동으로 백그라운드 동작의 타이밍이 적응적으로 결정될 수 있다.
도 1은 본 개시의 예시적 실시예에 따른 시스템을 나타내는 블록도이다.
도 2는 도 1의 스토리지 장치에서 수행되는 동작의 예시들을 나타내는 도면이다.
도 3은 본 개시의 예시적 실시예에 따라 도 1의 시스템의 예시를 나타내는 블록도이다.
도 4는 스토리지 장치의 동작과 관련된 동작 파라미터들의 예시를 나타내는 도면이다.
도 5는 본 개시의 예시적 실시예에 따른 스토리지 장치의 관리 방법을 나타내는 순서도이다.
도 6은 본 개시의 예시적 실시예에 따라 도 5의 단계 S1200의 예시를 나타내는 순서도이다.
도 7은 본 개시의 예시적 실시예에 따라 동작 파라미터의 목표값 벡터를 생성하는 과정을 나타내는 도면이다.
도 8은 본 개시의 예시적 실시예에 따라 도 5의 단계 S1400의 예시를 나타내는 순서도이다.
도 9는 본 개시의 예시적 실시예에 따라 도 5의 단계 S1600의 예시를 나타내는 순서도이다.
도 10은 본 개시의 예시적 실시예에 따라 도 9의 단계 S1620의 예시를 나타내는 순서도이다.
도 11은 본 개시의 예시적 실시예에 따라 도 9의 단계 S1640 및 단계 S1660의 예시들을 나타내는 순서도
도 12는 도 11의 단계 S1646의 예시을 나타내는 순서도
도 13은 학습된 데이터의 예시 및 도 11의 단계 S1664에서 수행되는 동작을 나타내는 도면이다.
도 14는 본 개시의 예시적 실시예에 따른 스토리지 장치의 관리 방법에 따라 호스트 및 스토리지 장치 사이의 동작을 시간의 흐름에 따라 나타내는 도면이다.
도 15는 본 개시의 예시적 실시예에 따라 도 1의 시스템의 예시를 나타내는 블록도이다.
도 16은 본 개시의 예시적 실시예에 따른 스토리지 장치의 동작 방법을 나타내는 순서도이다.
도 17은 본 개시의 예시적 실시예에 따라 도 16의 단계 S2400의 예시를 나타내는 순서도이다.
도 18은 본 개시의 예시적 실시예에 따른 스토리지 장치의 동작 방법에 따라 호스트 및 스토리지 장치 사이의 동작을 시간의 흐름에 따라 나타내는 도면이다.
도 19는 본 개시의 실시예들에 따른 메모리 카드 시스템에 적용한 예를 나타내는 블록도이다.
도 20은 본 개시의 실시예들에 따른 컴퓨팅 시스템의 일 예를 나타내는 블록도이다.
도 21은 본 개시의 실시예들에 따른 SSD를 포함하는 시스템을 나타내는 블록도이다.
이하, 첨부한 도면을 참조하여 본 개시의 실시 예에 대해 상세히 설명한다. 본 개시의 실시 예는 당 업계에서 평균적인 지식을 가진 자에게 본 개시를 보다 완전하게 설명하기 위하여 제공되는 것이다. 본 개시는 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 개시를 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 개시의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다. 첨부된 도면에 있어서, 구조물들의 치수는 본 개시의 명확성을 기하기 위하여 실제보다 확대하거나 축소하여 도시한 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 개시를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수개의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 개시의 권리 범위로부터 벗어나지 않으면서, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 아니하는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 개시의 예시적 실시예에 따른 시스템(1)을 나타내는 블록도이다. 시스템(1)은 호스트(100) 및 스토리지 장치(200)를 포함할 수 있다. 스토리지 장치(또는 메모리 시스템)(200)는 호스트(100)에 내장될 수도 있고, 커넥터를 통해서 호스트(100)에 연결된 카드나 SSD와 같이 호스트(100)로부터 제거가능한(removable) 형태일 수도 있다. 호스트(100)는 PC, 휴대폰, PDA 등과 같이 데이터를 처리하는 장치일 수 있다.
도 1을 참조하면, 호스트(100)는 통신 채널(300)을 통해서 데이터를 전송함으로써 데이터를 저장(또는 기입)할 수 있고, 통신 채널(300)을 통해서 데이터를 수신함으로써 스토리지 장치(200)에 저장된 데이터를 독출할 수도 있다. 통신 채널(300)은, USB, eMMC, PCI-E, NVMe, UFS, ATA(Advanced Technology Attachment), Serial-ATA, Parallel-ATA, SCSI, ESDI, 그리고 IDE(Integrated Drive Electronics) 등과 같은 다양한 인터페이스 프로토콜 중 임의 것을 지원할 수 있다.
도 1을 참조하면, 호스트(100)는 프로세서(120) 및 호스트 메모리(140)를 포함할 수 있다. 프로세서(120)는, 에컨대 마이크로프로세서, 마이크로컨트롤러, ASIC(application specific integrated circuit) 또는 FPGA(field programmable gate array) 등을 포함할 수 있다. 프로세서(120)는 호스트 메모리(140)에 엑세스할 수 있고, 호스트 메모리(140)에 저장된 데이터를 처리하거나 호스트 메모리(140)에 저장된 명령어들을 수행할 수 있다.
호스트 메모리(140)는 어플리케이션 프로그램(142), 어플리케이션 프로그래밍 인터페이스(application programming interface; API)(144), 파일 시스템(146) 및 디바이스 드라이버(148)를 저장할 수 있다. 프로세서(120)는 호스트 메모리(140)에 저장된 어플리케이션 프로그램(142)을 실행할 수 있다. 스토리지 장치(200)에 데이터를 저장하거나 스토리지 장치(200)로부터 데이터를 독출할 때, 어플리케이션 프로그램(142)은 어플리케이션 프로그래밍 인터페이스(application programming interface; API)(144)를 통해서 파일 시스템(146)과 통신할 수 있다. 파일 시스템(146)은 프로세서에서 실행되는 소프트웨어 모듈일 수 있고, 스토리지 장치(200)에서 파일들을 관리할 수 있다. 파일 시스템(146)은 논리주소 공간에서 데이터의 클러스터들을 관리할 수 있다. 파일 시스템(146)은 회로, 소프트웨어 또는 회로와 소프트웨어의 조합일 수 있다. 장치 드라이버(148)는, 호스트(100) 및 스토리지 장치(200) 사이 통신 채널(300)을 통해서 전송하기 위하여, 파일 시스템(146)으로부터의 명령어들을 번역(translation)할 수 있다.
본 개시의 예시적 실시예에 따른 스토리지 장치(200)를 관리하는 방법을 구성하는 단계들의 적어도 일부는, 프로세서(120)가 어플리케이션 프로그램(142), API(144), 파일 시스템(146) 또는 디바이스 드라이버(148)에 포함된 명령어들을 실행함으로써 수행될 수 있다. 예를 들면, 디바이스 드라이버(148)는, 프로세서(120)로 하여금 스토리지 장치(200)의 백그라운드 동작이 수행되는 타이밍을 적응적으로 결정하게 하는 명령어들을 포함할 수 있다. 스토리지 장치(200)의 관리 방법에 대한 상세한 내용은 후술될 것이다.
스토리지 장치(200)는 컨트롤러(220) 및 비휘발성 메모리(240)를 포함할 수 있다. 비휘발성 메모리(240)는 복수의 메모리 셀을 포함하는 메모리 셀 어레이를 포함할 수 있다. 본 개시의 예시적 실시예에 따라, 메모리 셀 어레이는 3차원(3D) 메모리 어레이일 수 있다. 3D 메모리 어레이는 실리콘 기판 위에 배치되는 활성 영역과, 메모리 셀들의 동작과 관련된 회로로서 상기 기판상에 또는 상기 기판 내에 형성된 회로를 가지는 셀 트랜지스터들의 적어도 하나의 물리적 레벨에 모놀리식으로 형성될 수 있다. "모놀리식"은 메모리 셀 어레이를 구성하는 각 레벨의 층들이 메모리 셀 어레이 중 각 하부 층들의 바로 위에 적층되어 있음을 지칭할 수 있다.
미국 특허공개공보 제7,679,133호, 동 제8,553,466호, 동 제8,654,587호, 동 제8,559,235호, 동 제 9,053,978호 및 미국 특허출원공개공보 제2011/0233648호는 3D 메모리 어레이가 복수 레벨로 구성되고 워드 라인들 및/또는 비트 라인들이 레벨들간에 공유되어 있는 3D 메모리 어레이에 대한 적절한 구성들을 상술하는 것들로서, 본 명세서에 인용 형식으로 결합된다.
본 개시의 예시적 실시예에 따라, 3D 메모리 어레이는 적어도 하나의 셀 트랜지스터가 다른 셀 트랜지스터의 위에 위치하도록 수직 방향으로 배치된 버티칼 NAND 스트링들을 포함할 수 있고, 적어도 하나의 셀 트랜지스터는 전하 트랩층을 포함할 수 있다. 즉, 복수의 셀 트랜지스터들은 3차원(3D) 수직 구조의 낸드(vertical NAND, VNAND) 플래쉬 메모리 셀들일 수 있다. 이하에서는, 메모리 셀 어레이의 복수의 셀 트랜지스터들이 낸드(NAND) 플래쉬 메모리 셀들인 경우를 예로 하여 본 개시의 실시예들이 상술될 것이다. 다른 실시예에서, 복수의 셀 트랜지스터들은 2차원 수평 구조의 낸드(planar NAND) 플래쉬 메모리 셀들일 수 있다. 그러나, 본 발명은 이에 한정되지 않고, 다른 실시예에서, 복수의 셀 트랜지스터들은 RRAM(resistive RAM), PRAM(phase change RAM) 또는 MRAM(magnetic RAM)과 같은 저항형 메모리 셀들일 수 있다.
컨트롤러(220)는 프로세서(222) 및 컨트롤러 메모리(224)를 포함할 수 있다. 프로세서(222)는 마이크로프로세서, 마이크로컨트롤러, ASIC 또는 FPGA 등을 포함할 수 있다. 프로세서(222)는 컨트롤러 메모리(224)에 엑세스할 수 있고, 컨트롤러 메모리(224)에 저장된 데이터를 처리하거나 컨트롤러 메모리(224)에 저장된 명령어들을 수행할 수 있다.
컨트롤러 메모리(224)는 RAM(random access memory)와 같은 휘발성 메모리 및 ROM(read only memory)이나 플래쉬 메모리와 같은 비휘발성 메모리를 포함할 수 있고, 비휘발성 메모리는 프로세서(222)가 실행하는 복수의 명령어들을 저장할 수 있다. 본 개시의 예시적 실시예에 따른 스토리지 장치(200)의 동작 방법을 구성하는 단계들의 적어도 일부는 프로세서(222)가 컨트롤러 메모리(224)의 비휘발성 메모리에 저장된 명령어들을 실행함으로써 수행될 수 있다.
스토리지 장치(200)는 백그라운드 동작을 수행할 수 있다. 백그라운드 동작은 호스트(100)로부터 통신 채널(300)을 통해서 요청이 수신되는 경우 중단될 수도 있고, 호스트(100)로부터 수신된 요청에 응답하기 위하여 필요한 경우 수행될 수도 있다. 예를 들면, 비휘발성 메모리(240)로서 플래쉬 메모리는 상이한 기입 단위 및 소거 단위를 가질 수 있다. 예를 들면, 플래쉬 메모리는 페이지 단위로 데이터를 기입할 수 있는 한편, 복수의 페이지들로 구성된 블록 단위로 데이터를 소거할 수 있다. 이에 따라, 플래시 메모리는 데이터의 덮어쓰기 동작을 수행하기 위하여, 비어있는 영역에 데이터를 기입할 수 있고, 기존 데이터가 저장된 영역은 무효화(invalid)될 수 있다. 백그라운드 동작으로서 가비지 컬렉션(garbage collection)은, 무효화된 영역을 소거함으로써 데이터가 기입될 수 있는 영역, 예컨대 프리 블록(free block)을 생성할 수 있다. 이러한 가비지 컬랙션은 스토리지 장치(200)의 동작에서 필수적이지만, 호스트(100)의 요청에 대한 스토리지 장치(200)의 응답시간을 길게 할 수 있고, 이에 따라 시스템(1)의 동작 성능을 악화시킬 수 있다.
본 개시의 예시적 실시예에 따른 스토리지 장치(200)의 관리 방법 및 동작 방법은 스토리지 장치(200)의 백그라운드 동작을 수행하는 타이밍, 즉 백그라운드 동작의 시작 시점 및 수행 기간 등을 설정된 목표 성능에 따라 적응적으로 결정함으로써, 스토리지 장치(200)의 응답 시간을 개선하고, 시스템(1)의 성능을 향상시킬 수 있다.
도 2는 도 1의 스토리지 장치(200)에서 수행되는 동작의 예시들을 나타내는 도면이다. 전술한 바와 같이, 호스트(100)는 스토리지 장치(200)에 요청을 전송할 수 있고, 스토리지 장치(200)는 수신된 요청에 응답할 수 있다.
도 2를 참조하면, 호스트(100)는 스토리지 장치(200)의 비휘발성 메모리(240)에 엑세스하는 동작을 지시하는 제1 요청(REQ1)을 전송할 수 있다. 예를 들면, 제1 요청(REQ1)은 기입 커맨드, 데이터 및 주소를 포함할 수 있고, 스토리지 장치(200)의 컨트롤러(220)는 수신된 제1 요청(REQ1)에 응답하여 데이터를 비휘발성 메모리(240)에 기입할 수 있다. 스토리지 장치(200)는 제1 요청(REQ1)에 대한 제1 응답(RES1)을 호스트(100)에 전송할 수 있다. 예를 들면, 제1 응답(RES1)은 호스트(100)의 제1 요청(REQ1)에 따른 동작의 완료를 나타낼 수도 있고, 제1 요청(REQ1)에 따른 동작의 실패를 나타낼 수도 있다.
스토리지 장치(200)는 임의의 시점에서 스스로 백그라운드 동작을 수행할 수 있다. 도 2에 도시된 바와 같이, 스토리지 장치(200)는 시간 T1에서 제1 백그라운드 동작(BG1)을 수행할 수 있다. 예를 들면, 스토리지 장치(200)의 컨트롤러(220)는 호스트(100)로부터 미리 정해진 시간 동안 요청이 수신되지 아니하는 경우, 제1 백그라운드 동작(BG1)을 수행할 수 있다. 제1 백그라운드 동작(BG1)은 컨트롤러(220)가 미리 결정한 수행 시간 동안 또는 호스트(100)로부터 새로운 요청이 수신되기 전까지 수행될 수 있다.
호스트(100)는 스토리지 장치(200)에 백그라운드 동작을 지시하는 요청을 전송할 수 있다. 도 2에 도시된 바와 같이, 호스트(100)는 스토리지 장치(200)의 백그라운드 동작을 요청하는 제2 요청(REQ2)을 전송할 수 있고, 스토리지 장치(200)는 제2 요청(REQ2)에 응답하여 제2 백그라운드 동작(BG2)을 수행할 수 있다. 예를 들면, 제2 요청(REQ1)은 백그라운드 동작의 종류를 나타내는 코드, 백그라운드 동작의 시작 시점 및 수행 기간을 포함할 수 있다.
본 개시의 예시적 실시예에 따라, 호스트(100)는 기계 학습 알고리즘에 기초하여 스토리지 장치(200)의 백그라운드 동작의 타이밍을 적응적으로 결정할 수 있고, 결정된 타이밍에 따라 스토리지 장치(200)에 백그라운드 동작을 지시하는 제어 신호(예컨대, 도 2에서 제2 요청(REQ2))를 전송할 수 있다. 또한, 본 개시의 예시적 실시예에 따라, 스토리지 장치(200)는 기계 학습 알고리즘에 기초하여 적응적으로 백그라운드 동작의 타이밍을 결정할 수도 있고, 결정된 타이밍에 따라 백그라운드 동작을 수행할 수 있다. 기계 학습 알고리즘은, 예컨대 큐-러닝(Q-learning), 인공 신경망(artificial neural network), 베이스 평가자(Bayesian estimator), 서포트 벡터 머신(support vector machine), 칼만 필터(Kalman filter) 등과 같이 제어 방안을 적응적으로 학습하는 알고리즘을 지칭할 수 있다. 이하에서, 본 개시의 예시적 실시예들은 기계 학습 알고리즘으로서 큐-러닝을 사용하는 것으로 설명되나, 본 개시의 기술적 사상이 이에 제한되지 아니하는 점은 이해될 것이다.
도 3은 본 개시의 예시적 실시예에 따라 도 1의 시스템(1)의 예시(1a)를 나타내는 블록도이다. 시스템(1a)은 호스트(100a) 및 스토리지 장치(200a)를 포함할 수 있고, 호스트(100a) 및 스토리지 장치(200a)는 통신 채널(300a)을 통해서 통신할 수 있다.
도 3을 참조하면, 호스트(100a)는 백그라운드 동작 스케줄러(110a)를 포함할 수 있다. 백그라운드 동작 스케줄러(110a)는 스토리지 장치(200a)의 백그라운드 동작을 적응적으로 스케줄링할 수 있다. 예를 들면, 백그라운드 동작 스케줄러(110a)는 도 5의 순서도에 따른 스토리지 장치의 관리 방법을 수행할 수 있다. 즉, 백그라운드 동작 스케줄러(110a)는 스토리지 장치(200a)의 동작 파라미터들에 대한 목표값를 설정할 수 있고, 동작 파라미터의 현재값을 로딩할 수 있다. 백그라운드 동작 스케줄러(110a)는 동작 파라미터들의 목표값 및 현재값을 사용하는 기계 학습 알고리즘에 기초하여 백그라운드 동작의 타이밍을 결정, 즉 백그라운드 동작을 스케줄링할 수 있다. 그 다음에, 백그라운드 동작 스케줄러(110a)는 결정된 타이밍에 따라, 스토리지 장치(200a)에 통신 채널(300a)를 통해서 백그라운드 동작을 지지하는 제어 신호(예컨대, 도 2에서 제2 요청(REQ2))를 전송할 수 있다. 도 1을 참조하면, 백그라운드 동작 스케줄러(110a)는, 예컨대 프로세서(120) 및 호스트 메모리(140)로서 구현될 수 있다.
도 3을 참조하면, 스토리지 장치(200a)는 컨트롤러(220a) 및 비휘발성 메모리(240a)를 포함할 수 있고, 컨트롤러(220a)는 백그라운드 동작 실행부(221a)를 포함할 수 있다. 백그라운드 동작 실행부(221a)는 호스트(100a)로부터 통신 채널(300a)를 통해서 수신된 제어 신호(예컨대, 도 2에서 제2 요청(REQ2))에 응답하여 백그라운드 동작(예컨대, 가비지 컬렉션)을 실행할 수 있다. 또한, 백그라운드 동작 실행부(221a)는, 호스트(100a)의 백그라운드 동작 스케줄러(110a)가 백그라운드 동작의 타이밍을 결정하는 기초로서 사용하는 스토리지 장치(200a)의 동작 파라미터들의 현재값을 통신 채널(300a)을 통해서 호스트(100a)에 전송할 수도 있다. 도 1을 참조하면, 백그라운드 동작 실행부(221a)는, 예컨대 프로세서(222) 및 컨트롤러 메모리(224)로서 구현될 수 있다.
도 4는 스토리지 장치의 동작과 관련된 동작 파라미터들의 예시를 나타내는 도면이다. 구체적으로, 도 4는 스토리지 장치의 동작 파라미터들의 명칭, 현재값, 목표값 및 가중치를 나타낸다. 전술한 바와 같이, 스토리지 장치의 백그라운드 동작을 스케줄링하기 위하여 동작 파라미터들이 사용될 수 있다. 이하에서, 도 4는 도 1을 참조하여 설명될 것이다.
도 4에 도시된 바와 같이, 스토리지 장치(200)의 동작과 관련된 동작 파라미터들은 복수개 존재할 수 있고, 스토리지 장치(200)의 동작에 관련된 다양한 값들을 가질 수 있다. 예를 들면, 프리 블록 개수는 비휘발성 메모리(240)에 포함된 프리 블록의 개수를 나타낼 수 있고, 프리 블록의 개수가 많을수록 더욱 개선된 스토리지 장치(200)의 성능이 기대될 수 있다. 또한, 독출 IOPS(input/output operations per second)는 스토리지 장치(200)로부터 데이터가 독출되는 속도를 나타낼 수 있고, 독출 IOPS의 값이 높을수록 더욱 개선된 스토리지 장치(200)의 독출 성능이 기대될 수 있다.
도 4에 도시된 바와 같이, 동작 파라미터들은 제1 동작 파라미터 세트(P1) 및 제2 동작 파라미터 세트(P2)를 포함할 수 있다. 제1 동작 파라미터 세트(P1)는 스토리지 장치(200)에서 측정되거나 계산된 동작 파라미터를 포함할 수 있고, 제2 동작 파라미터 세트(P2)는 호스트(100)의 상태에 대응하는 동작 파라미터들로서 호스트(100)에서 측정되거나 계산된 동작 파라미터를 포함할 수 있다.
제1 동작 파라미터 세트(P1)는 스토리지 장치(200)에서 측정된 정보 및 측정된 정보에 기초하여 계산된 정보에 각각 대응하는 서브 세트들(P1_1, P1_2)을 포함할 수 있다. 예를 들면, 서브 세트(P1_1)는 스토리지 장치(200)에 포함된 온도 센서에 의해서 측정된 온도를 포함할 수 있고, 서브 세트(P1_2)는 측정된 정보, 예컨대 컨트롤러(220a)의 데이터 버퍼에 저장된 데이터의 크기, 커맨드 큐에 저장된 커맨드의 종류 및 개수 등에 기초하여 계산된 가동률(rate of operation)을 포함할 수 있다.
또한, 제2 동작 파라미터 세트(P2)는 호스트(100)에서 측정된 정보 및 측정된 정보에 기초하여 계산된 정보에 각각 대응하는 서브 세트들(P2_1, P2_2)을 포함할 수 있다. 예를 들면, 서브 세트(P2_1)는 통신 채널(300)을 모니터링함으로써 측정된 기입 IOPS를 포함할 수 있고, 서브 세트(P2_2)는 측정된 정보, 예컨대 큐에 저장된 어플리케이션 프로그램(142)에 의해서 생성된 요청들의 개수 및 어플리케이션 프로그램(142)의 프로세서(120) 점유율 등에 기초하여 계산된 추정된 휴지 기간(estimated idle time)을 포함할 수 있다.
도 4에 도시된 바와 같이, 복수의 동작 파라미터들 각각은 현재값, 목표값 및 가중치를 가질 수 있다. 동작 파라미터의 현재값은 현재 측정되거나 계산된 동작 파라미터의 값에 대응할 수 있고, 동작 파라미터의 목표값은 시스템(1)의 사용자나 어플리케이션 프로그램(142) 등에 의해서 설정된 동작 성능으로부터 도출된 파라미터의 목표값에 대응할 수 있다. 또한, 가중치는 각각의 동작 파라미터들이 스토리지 장치(200)의 동작에 기여하는 중요도에 따른 값에 대응할 수 있다. 도 4에 도시된 바와 같이, 동작 파라미터들의 현재값은 현재값 벡터(F_current)로 지칭될 수 있고, 동작 파라미터들의 목표값은 목표값 벡터(F_objective)로 지칭될 수 있으며, 동작 파라미터들의 가중치는 가중치 벡터(W)로 지칭될 수 있다.
도 5는 본 개시의 예시적 실시예에 따른 스토리지 장치의 관리 방법(S1000)을 나타내는 순서도이다. 구체적으로 도 5는 호스트에 의한 스토리지 장치의 관리 방법(S1000)의 예시를 나타내며, 예컨대 도 5의 방법(S1000)은 도 3의 백그라운드 동작 스케줄러(110a)에 의해서 수행될 수 있다. 이하에서, 도 5의 방법은 도 3을 참조하여 설명될 것이다. 도 5를 참조하면, 스토리지 장치(200a)의 관리 방법(S1000)은 복수의 단계들(S1200, S1400, S1600, S1800)을 포함할 수 있다.
단계 S1200에서, 스토리지 장치(200a)의 동작 파라미터들의 목표값(예컨대, 도 4에서 F_objective)을 설정하는 동작이 수행될 수 있다. 그 다음에 단계 S1400에서, 동작 파라미터들의 현재값(예컨대, 도 4에서 F_current)을 로딩하는 동작이 수행될 수 있다.
단계 S1600에서, 기계 학습 알고리즘에 기초하여, 스토리지 장치(200a)의 백그라운드 동작을 적응적으로 스케줄링하는 동작이 수행될 수 있다. 기계 학습 알고리즘은 동작 파라미터들의 목표값 및 현재값을 사용할 수 있고, 계산을 통해서 누적된 값에 기초하여, 백그라운드 동작의 최적의 타이밍을 적응적으로 찾을 수 있다. 그 다음에, 단계 S1800에서 백그라운드 동작의 실행을 제어하는 제어 신호(예컨대, 도 2에서 REQ2)를 스토리지 장치(200a)에 전송하는 동작이 수행될 수 있다. 제어 신호는 백그라운드 동작을 시작하는 시점 및 백그라운드 동작이 수행되는 기간에 대한 정보를 포함할 수 있다. 이하에서, 도면들을 참조하여, 도 5의 각 단계들에 대한 상세한 내용이 설명될 것이다.
도 6은 본 개시의 예시적 실시예에 따라 도 5의 단계 S1200의 예시(S1200’)를 나타내는 순서도이고, 도 7은 본 개시의 예시적 실시예에 따라 동작 파라미터의 목표값 벡터를 생성하는 과정을 나타내는 도면이다. 도 5를 참조하여 전술한 바와 같이, 단계 S1200에서 스토리지 장치(200a)의 동작 파라미터들의 목표값을 설정하는 동작이 수행될 수 있고, 이에 따라 동작 파라미터의 목표값 벡터가 생성될 수 있다. 도 6을 참조하면, 단계 S1200’는 단계들(S1220, S1240, S1260)을 포함할 수 있다.
단계 S1220에서, 목표 성능 정보를 수신하는 동작이 수행될 수 있다. 예를 들면, 백그라운드 동작 스케줄러(110a)는 호스트(100a) 의 사용자(또는 시스템(1)의 사용자)로부터 사용자 인터페이스를 통해서 목표 성능 정보를 수신할 수도 있고, 어플리케이션 프로그램과 같은 호스트(100a)에서 실행되는 소프트웨어 모듈이나 호스트(100a)에 포함된 하드웨어 모듈로부터 목표 성능 정보를 수신할 수도 있다. 본 개시의 예시적 실시예들에 따라, 목표 성능 정보는 스토리지 장치(200a)의 동작 파라미터들의 값을 포함할 수도 있고, 스토리지 장치(200a)의 데이터를 처리하는 동작과 관련된 상위 계층에서의 목표 성능을 포함할 수도 있다. 예를 들면, 백그라운드 동작 스케줄러(110a)가 수신하는 목표 성능 정보는 어플리케이션 프로그램에 의해서 설정된 스토리지 장치(200a)에 기입할 데이터의 기입 완료 시간 정보를 포함할 수 있다.
단계 S1240에서, 목표 성능 정보로부터 적어도 하나의 동작 파라미터의 목표값을 추출하는 동작이 수행될 수 있다. 단계 S1220에서 수신된 목표 성능 정보가 동작 파라미터의 목표값을 포함하는 경우, 백그라운드 동작 스케줄러(110a)는 그 목표값을 추출할 수 있다. 또한, 목표 성능 정보가 상위 계층에서 정의된 목표 성능에 대응하는 경우, 도 7에 도시된 바와 같이 목표 성능을 입력으로 하는 목표 함수(objective function)에 의해서 백그라운드 동작 스케줄러(110a)는 정의된 목표 성능을 만족시키기 위한 동작 파라미터들의 목표값을 설정할 수 있다. 예를 들면, 목표 성능 정보가 스토리지 장치(200a)에 기입할 데이터의 기입 완료 시간 정보를 포함하는 경우, 백그라운드 동작 스케줄러(110a)는 기입할 데이터의 크기 및 기입 완료 정보 시간에 기초하여 도 4의 기입 IOPS의 목표값을 설정할 수 있다. 이에 따라, 목표 함수는 백그라운드 동작에 관한 구체적인 제어를 사용자나 어플리케이션 프로그램에 노출시키지 아니하면서 그들이 원하는 성능에 맞추어 적응적으로 백그라운드 동작을 스케줄링 하는 것을 가능하게 할 수 있다.
단계 S1260에서, 동작 파라미터의 목표값 벡터를 완성하는 동작이 수행될 수 있다. 즉, 도 7에 도시된 바와 같이, 단계 S1240에서 백그라운드 동작 스케줄러(110a)가 목표 성능 정보로부터 추출한 동작 파라미터는 도 4의 동작 파라미터들 중 일부분일 수 있다. 따라서, 백그라운드 동작 스케줄러(110a)는 추출되지 아니한 동작 파라미터들을 설정함으로써 동작 파라미터의 목표값 벡터(즉, 도 4의 F_objective)를 완성할 수 있다. 도 7을 참조하면, 백그라운드 동작 스케줄러(110a)는 일부 동작 파라미터들(즉, parameter_2, parameter_5, parameter_7, parameter_9)의 목표값을 디폴트 값을 참조하여 설정할 수도 있다. 예를 들면, 스토리지 장치(200a)의 온도에 대응하는 동작 파라미터는 스토리지 장치(200a)의 최대 허용 온도에 대응하는 값으로서 설정될 수 있다. 또한, 백그라운드 동작 스케줄러(110a)는 일부 동작 파라미터들(즉, parameter_6, parameter_m-1)의 목표값을 현재값으로 설정할 수도 있다. 후술하는 바와 같이, 동작 파라미터의 목표값 및 현재값의 차이에 기초하여 백그라운드 동작의 타이밍이 결정될 수 있으므로, 목표값과 현재값이 일치하는 동작 파라미터는, 일시적으로 백그라운드 동작의 타이밍을 결정하는데 사용되지 아니하는 것일 수 있다.
도 8은 본 개시의 예시적 실시예에 따라 도 5의 단계 S1400의 예시(S1400’)를 나타내는 순서도이다. 도 5를 참조하여 전술한 바와 같이, 단계 S1400에서 동작 파라미터들의 현재값을 로딩하는 동작이 수행될 수 있다. 도 8을 참조하면, 단계 S1400’는 단계들(S1420, S1440)을 포함할 수 있다.
단계 S1420에서, 스토리지 장치(200a)로부터 제1 동작 파라미터의 현재값을 수신하는 동작이 수행될 수 있다. 제1 동작 파라미터는 제1 동작 파라미터 세트(P1)에 포함된 동작 파라미터로서, 도 4를 참조하여 전술한 바와 같이 제1 동작 파라미터 세트(P1)는 스토리지 장치(200a)에서 측정되거나 계산된 동작 파라미터를 포함할 수 있다. 백그라운드 동작 스케줄러(110a)는 통신 채널(300a)을 통해서 스토리지 장치(200a)로부터 제1 동작 파라미터 세트(P1)에 포함된 동작 파라미터들의 현재값을 수신할 수 있다.
단계 S1440에서, 제2 동작 파라미터의 현재값을 측정 또는 계산하는 동작이 수행될 수 있다. 제2 동작 파라미터는 제2 동작 파라미터 세트(P2)에 포함된 동작 파라미터로서, 도 4를 참조하여 전술한 바와 같이 제2 동작 파라미터 세트(P2)는 통신 채널(300)과 관련된 동작 파라미터들로서 호스트(100a)에서 측정되거나 계산된 동작 파라미터를 포함할 수 있다. 백그라운드 동작 스케줄러(110a)는 제2 동작 파라미터 세트(P2)에 포함된 동작 파라미터들의 현재값을 측정하거나 계산할 수 있다.
도 9는 본 개시의 예시적 실시예에 따라 도 5의 단계 S1600의 예시를 나타내는 순서도이다. 도 5를 참조하여 전술한 바와 같이, 단계 S1600에서, 기계 학습 알고리즘에 기초하여 스토리지 장치의 백그라운드 동작을 적응적으로 스케줄링하는 동작이 수행될 수 있다. 도 9를 참조하면, 단계 S1600’는 단계들(S1620, S1640, S1660)을 포함할 수 있고, 동작 파라미터들의 목표값을 포함하는 데이터(10)(예컨대, 도 4의 F_objective) 및 동작 파라미터들의 현재값을 포함하는 데이터(20)(예컨대, 도 4의 F_current)가 사용될 수 있고, 학습된 데이터(30)가 갱신되고 재사용될 수 있다.
단계 S1620에서, 학습 모듈을 초기화하는 동작이 수행될 수 있다. 단계 S1620는, 예컨대 스토리지 장치(200a)가 호스트(100a)에 처음으로 연결되거나, 전력 공급이 중단된 스토리지 장치(200a)(또는 호스트 장치(100a), 시스템(1))에 전력이 다시 공급되는 경우 수행될 수 있다. 즉, 단계 S1620는 기계 학습이 시작되는 시점에서 수행될 수 있고, 이후 기계 학습 알고리즘은 동작 파라미터들의 목표값 및 현재값을 반영하여 데이터를 누적하고 누적된 데이터에 기초하여 제어 방안을 결정할 수 있다.
단계 S1640에서, 기계 학습이 수행될 수 있다. 도 9에 도시된 바와 같이, 기계 학습은 동작 파라미터의 목표값을 포함하는 데이터(10), 동작 파라미터의 현재값을 포함하는 데이터(20) 및 학습된 데이터(30)에 기초하여 수행될 수 있고, 결과적으로 학습된 데이터(30)를 갱신할 수 있다. 학습된 데이터(30)는 단계 S1640으로 피드백되고, 다음 기계 학습에 반복적으로 사용될 수 있다.
단계 S1660에서, 스토리지 장치(200a)의 백그라운드 동작을 스케줄링하는 동작이 수행될 수 있다. 학습된 데이터(30)는 기계 학습에 따라 스토리지 장치(200a)의 현재 상태에서 동작 파라미터들의 목표값이 나타내는 목표 상태로 향하는 최적의 타이밍에 대응하는 정보를 제공할 수 있다. 단계 S1660에서 학습된 데이터(30)는 분석될 수 있고, 이에 따라 백그라운드 동작을 스케줄링, 즉 백그라운드 동작이 수행될 타이밍을 결정할 수 있다. 단계 S1660에 이어서, 본 실시예에 따른 방법은 도 5의 단계 S1800로 진입할 수 있다.
이하에서, 도 10 내지 도 13을 참조하여, 도 9의 단계 S1600’의 예시들이 구체적으로 설명될 것이다. 이하의 설명에서, 기계 학습 알고리즘의 예시로서 큐-러닝(Q-learning)이 설명될 것이나, 본 개시의 기술적 사상이 이에 제한되지 아니하는 점은 이해될 것이다.
도 10은 본 개시의 예시적 실시예에 따라 도 9의 단계 S1620의 예시(S1620’)를 나타내는 순서도이다. 도 9를 참조하여 전술된 바와 같이, 단계 S1620는 기계 학습이 시작되는 시점에서 수행될 수 있고, 단계 S1620에서 학습 모듈이 초기화될 수 있다. 도 10을 참조하면, 단계 S1620’은 단계들(S1622, S1624, S1626)을 포함할 수 있다.
단계 S1622에서, 신규로 학습을 시작하는지 여부를 판단하는 동작이 수행될 수 있다. 단계 S1622에서 신규로 학습을 시작하는 것으로 판단된 경우, 단계 S1624에서 디폴트 학습 데이터를 로딩하는 동작이 수행될 수 있다. 또한, 단계 S1624에서 신규로 학습을 시작하지 아니하는 것으로 판단된 경우, 단계 S1626에서 이전 학습 데이터를 로딩하는 동작이 수행될 수 있다.
호스트(100a)와 스토리지 장치(200a) 사이에 통신 채널(300a)이 형성되면, 백그라운드 동작 스케줄러(110a)는 새롭게 학습을 시작할 것인지 여부를 판단할 수 있다. 예를 들면, 스토리지 장치(200a)가 호스트(100a)에 신규로 연결된 경우, 백그라운드 동작 스케줄러(110a)는 디폴트 학습 데이터를 로딩할 수 있다. 한편, 호스트(100a)의 다른 구성요소에 의해서 비활성화된 스토리지 장치(200a)가 다시 활성화된 경우, 백그라운드 동작 스케줄러(110a)는 이전 학습 데이터를 로딩할 수 있다.
도 11은 본 개시의 예시적 실시예에 따라 도 9의 단계 S1640 및 단계 S1660의 예시들(S1640’ 및 S1660’)을 나타내는 순서도이고, 도 12는 도 11의 단계 S1646의 예시(S1646’)을 나타내는 순서도이며, 도 13은 학습된 데이터(30)의 예시(30’) 및 도 11의 단계 S1664에서 수행되는 동작을 나타내는 도면이다.
도 9를 참조하여 전술된 바와 같이, 기계 학습은 동작 파라미터의 목표값을 포함하는 데이터(10), 동작 파라미터의 현재값을 포함하는 데이터(20) 및 학습된 데이터(30)에 기초하여 수행될 수 있고, 결과적으로 학습된 데이터(30)를 갱신할 수 있다. 학습된 데이터(30)는 백그라운드 동작을 스케줄링하는데 기초로 사용될 수 있다. 도 11을 참조하면, 단계 S1640’는 단계들(S1642, S1644, S1646)을 포함할 수 있고, 단계 S1660’는 단계들(S1662, S1664)을 포함할 수 있다.
단계 S1642에서, 디폴트 방안을 사용하는 제어를 결정하는 동작이 수행할 수 있다. 도 9의 단계 S1620에 의해서 학습 모델이 초기화 되거나, 후술되는 바와 같이 단계 S1662에 의해서 학습된 제어를 사용하지 아니하는 것으로 판단된 경우, 단계 S1642에서 디폴트 방안을 사용하는 제어가 결정될 수 있다. 예를 들면, 복수의 조건들에 따라 백그라운드 동작의 타이밍을 결정하는 디폴트 방안이 미리 정해져 있을 수 있고, 단계 S1642에서 디폴트 방안에 따라 복수의 조건들을 검출하고, 검출된 조건들에 따라 백그라운드 동작의 타이밍이 결정될 수 있다.
단계 S1644에서, 성능 점수(performance score)를 계산하는 동작이 수행될 수 있다. 성능 점수는 리워드(reward)로서 지칭될 수도 있다. 성능 점수는 동작 파라미터들의 목표값을 포함하는 데이터(10)인 목표값 벡터(F_objective) 및 동작 파라미터들의 현재값을 포함하는 데이터(20)인 현재값 벡터(F_current)에 기초하여 계산될 수 있다.
본 개시의 예시적 실시예에 따라, 성능 점수는 동작 파라미터들의 목표값 및 동작 파라미터들의 현재값의 차이의 절대값에 비례할 수 있다. 예를 들면, 성능 점수
Figure pat00001
는 아래 수학식1과 같이 계산될 수 있다.
Figure pat00002
상기 수학식1에서, F는 동작 파라미터들의 조합들에 대응하고, G는 백그라운드 동작의 타이밍들에 대응하는 유한한 인덱스들에 대응한다. 또한,
Figure pat00003
는 도 4의 가중치 벡터 W의 전치행렬을 나타내고, n은 반복 카운트를 나타낸다. 가중치 벡터 W의 값은 반복 카운트에 따라 변경될 수 있다. 예를 들면, 백그라운드 동작 스케줄러(110a)가 수신한 목표 성능 정보에 따라 동작 파라미터들 각각의 중요도가 결정될 수 있고, 이에 따라 가중치 벡터 W의 값이 결정될 수 있다.
단계 S1646에서, 제어 방안을 학습하는 동작이 수행될 수 있다. 제어 방안은 이전 반복 카운트(n-1)에서의 Q값, 학습률(learning rate), 학습된 값에 기초하여 계산된 Q값에 의해서 학습될 수 있다. 예를 들면, 도 12의 단계 S1646_1에서, 학습된 값
Figure pat00004
는 아래 수학식2와 같이 계산될 수 있다.
Figure pat00005
또한, 도 12의 단계 S1646_2에서, Q값인
Figure pat00006
은 아래 수학식3과 같이 계산될 수 있다.
Figure pat00007
상기 수학식3에서,
Figure pat00008
은 0이상 1이하인 학습률에 대응하고, 아래 수학식4와 같이 계산될 수 있다.
Figure pat00009
이에 따라, 상기와 같이 계산된 Q값을 포함하는 학습된 데이터(30)가 갱신될 수 있다. 학습된 데이터(30)는 복수의 Q값들을 포함할 수 있고, 한번의 반복에 의해서 적어도 하나이상의 Q값이 갱신될 수 있다. 갱신된 Q값을 포함하는 학습된 데이터(30)는 단계 S1646로 피드백될 수 있고, 다음 반복 카운트에서 제어 방안을 학습하는데 사용될 수 있다.
단계 S1662에서, 학습된 제어를 사용할지 여부를 판단하는 동작이 수행될 수 있다. 예를 들면, 백그라운드 동작 스케줄러(110a)는 학습된 데이터(30)에 포함된 Q값들 및 미리 설정된 문턱값들에 기초하여 학습된 제어를 사용할지 여부를 결정할 수 있다. 또는, 백그라운드 동작 스케줄러(110a)는, 시스템(1a)의 동작 상태에 따라 변경되는 환경 변수들을 모니터링할 수 있고, 환경 변수의 값들이 미리 정의된 값들을 벗어 나는 경우 학습된 제어를 사용하지 아니하는 것으로 판단할 수 있다.
단계 S1664에서, 학습된 방안을 사용하는 제어를 결정하는 동작이 수행될 수 있다. 도 13을 참조하면, 학습된 데이터(30’)는 동작 파라미터들의 조합들(F) 및 백그라운드 동작의 타이밍들(G)을 행과 열의 레이블로서 각각 가지는 테이블에 기재된 복수의 Q값들을 포함할 수 있다. 백그라운드 동작 스케줄러(110a)는 테이블에서, F의 대응하는 행의 Q값들 중 최대값을 가지는 열에 대응하는 레이블로부터 백그라운드 동작의 타이밍을 판단할 수 있다. 즉, 백그라운드 동작의 타이밍인
Figure pat00010
는 아래 수학식 5와 같이 계산될 수 있다.
Figure pat00011
단계 S1664에 이어서, 본 실시예에 따른 방법은 도 5의 단계 S1800로 진입할 수 있다.
도 14는 본 개시의 예시적 실시예에 따른 스토리지 장치의 관리 방법에 따라 호스트 및 스토리지 장치 사이의 동작을 시간의 흐름에 따라 나타내는 도면이다. 도 14를 참조하면, 호스트(100a’)(예컨대, 도 3의 백그라운드 동작 스케줄러(110a))는 동작 파라미터의 목표값을 설정할 수 있다(S110). 호스트(100a’)는 사용자나 어플리케이션 프로그램 등으로부터 수신된 목표 성능으로부터 동작 파라미터의 목표값을 추출할 수도 있고, 디폴트 값이나 현재값으로 동작 파라미터의 목표값을 채울 수도 있다.
호스트(100a’)는 제1 동작 파라미터의 현재값을 요청할 수 있다(S120). 제1 동작 파라미터는 도 4의 제1 동작 파라미터 세트(P1)에 포함된 동작 파라미터로서, 스토리지 장치(200a’)에서 측정되거나 계산될 수 있다. 스토리지 장치(200a’)(예컨대, 도 3의 컨트롤러(220a) 또는 백그라운드 동작 실행부(221a))는 호스트(100a’)로부터 수신된 요청에 응답하여, 제1 동작 파라미터의 현재값을 측정 또는 계산할 수 있고(S130), 제1 동작 파라미터의 현재값을 호스트(100a’)에 전송할 수 있다(S140).
호스트(100a’)는 제2 동작 파라미터의 현재값을 측정 또는 계산할 수 있다(S150). 제2 동작 파라미터는 도 4의 제2 동작 파라미터 세트(P2)에 포함된 동작 파라미터로서, 호스트(100a’)에서 측정되거나 계산될 수 있다. 그 다음에, 호스트(100a’)는 기계 학습 알고리즘에 기초하여, 백그라운드 동작을 적응적으로 스케줄링할 수 있다(S160). 예를 들면, 호스트(100a’)는 동작 파라미터의 목표값 및 현재값에 기초하여 성능 점수를 계산할 수 있고, 성능 점수 및 누적된 데이터에 기초하여 백그라운드 동작을 수행하는 타이밍을 결정할 수 있다.
호스트(100a’)는 백그라운드 동작의 스케줄에 기초하여, 스토리지 장치(200a’)에 제어 신호를 전송할 수 있다(S170). 제어 신호는 백그라운드 동작의 종류를 나타내는 코드, 백그라운드 동작의 시작 및 수행 기간을 포함할 수 있다. 스토리지 장치(200a’)는 호스트로부터 수신된 제어 신호에 응답하여, 제어 신호에 따라 백 그라운드 동작을 실행할 수 있다(S180). 예를 들면, 스토리지 장치(200a’)는 제어 신호에 포함된 정보에 기초하여, 가비지 컬렉션을 시작하고 종료할 수 있다.
도 15는 본 개시의 예시적 실시예에 따라 도 1의 시스템(1)의 예시(1b)를 나타내는 블록도이다. 시스템(1b)은 호스트(100b) 및 스토리지 장치(200b)를 포함할 수 있고, 호스트(100b) 및 스토리지 장치(200b)는 통신 채널(300b)을 통해서 통신할 수 있다.
도 3의 시스템(1a)와 비교하면, 도 15의 시스템(1b)에서 스토리지 장치(200b)의 백그라운드 동작의 스케줄링은 스토리지 장치(200b)의 컨트롤러(220b)에 포함된 백그라운드 동작 스케줄러(223b)에 의해서 수행될 수 있다. 즉, 도 3의 백그라운드 동작 스케줄러(110a)와 유사하게, 도 15의 백그라운드 동작 스케줄러(223b)는 동작 파라미터들의 목표값 및 현재값에 기초하여 기계 학습 알고리즘을 사용하여 백그라운드 동작을 스케줄링할 수 있다.
도 15를 참조하면, 호스트(100b)는 호스트 파라미터 제공부(130b)를 포함할 수 있다. 예를 들면, 호스트 파라미터 제공부(130b)는, 도 3의 백그라운드 동작 스케줄러(110a)와 유사하게, 목표 성능을 수신할 수 있고, 목표 성능으로부터 동작 파라미터들의 목표값을 추출하거나 동작 파라미터들의 값을 생성할 수 있다. 또한, 호스트 파라미터 제공부(130b)는 제2 동작 파라미터 세트(P2)에 포함된 동작 파라미터들의 현재값을 측정하거나 계산할 수 있다. 도 1을 참조하면, 호스트 파라미터 제공부(130b)는, 에컨대 프로세서(120) 및 호스트 메모리(140)로서 구현될 수 있다.
호스트 파라미터 제공부(130b)는 동작 파라미터들의 목표값 및 제2 동작 파라미터 세트(P2)에 포함된 동작 파라미터들의 현재값을 통신 채널(300b)을 통해서 스토리지 장치(200b)에 전송할 수 있다. 즉, 호스트 파라미터 제공부(130b)는, 스토리지 장치(200b)의 백그라운드 동작 스케줄러(223b)가 기계 학습 알고리즘을 사용하여 백그라운드 동작을 스케줄링하도록, 스토리지 장치(200b)(또는 백그라운드 동작 스케줄러(223b))에 동작 파라미터들의 값들을 제공할 수 있다.
도 15를 참조하면, 스토리지 장치(200b)는 컨트롤러(220b) 및 비휘발성 메모리(240b)를 포함할 수 있다. 컨트롤러(220b)는 백그라운드 동작 실행부(221b) 및 백그라운드 동작 스케줄러(223b)를 포함할 수 있다. 백그라운드 동작 실행부(221b)는 백그라운드 동작 스케줄러(223b)가 제공하는 신호에 기초하여 백그라운드 동작, 예컨대 가비지 컬렉션을 실행할 수 있다. 도 1을 참조하면, 백그라운드 동작 스케줄러(223b) 및 백그라운드 동작 실행부(221b)는, 예컨대 프로세서(222) 및 컨트롤러 메모리(224)로서 각각 구현될 수 있다. 이하에서, 컨트롤러(220b)(또는 백그라운드 동작 스케줄러(223b))에 의한 스토리지 장치(200b)의 동작방법에 대한 상세한 내용이 설명될 것이다.
도 16은 본 개시의 예시적 실시예에 따른 스토리지 장치의 동작 방법(S2000)을 나타내는 순서도이다. 구체적으로 도 16은 스토리지 장치의 컨트롤러에 의한 스토리지 장치의 동작 방법(S2000)의 예시를 나타내며, 에컨대 도 16의 방법(S2000)은 도 15의 백그라운드 동작 스케줄러(223b) 및 백그라운드 동작 실행부(221b)에 의해서 수행될 수 있다. 이하에서 도 16은 도 15를 참조하여 설명될 것이다. 도 16을 참조하면, 스토리지 장치(200b)의 동작 방법(S2000)은 복수의 단계들(S2200, S2400, S2600, S2800)을 포함할 수 있다.
단계 S2200에서, 동작 파라미터들의 목표값을 수신하는 동작이 수행될 수 있다. 예를 들면, 호스트(100b)의 호스트 파라미터 제공부(130b)는 동작 파라미터들의 목표값을 통신 채널(300b)을 통해서 스토리지 장치(200b)에 전송할 수 있고, 백그라운드 동작 스케줄러(223b)는 동작 파라미터들의 목표값을 수신할 수 있다.
단계 S2400에서, 동작 파라미터들의 현재값을 로딩하는 동작이 수행될 수 있다. 예를 들면, 백그라운드 동작 스케줄러(223b)는 동작 파라미터들 중 일부의 현재값을 직접 측정하거나 계산할 수도 있고, 동작 파라미터들 중 일부의 현재값을 호스트(100b)로부터 수신할 수도 있다. 단계 S2400에 대한 상세한 내용은 도 17을 참조하여 후술될 것이다.
단계 S2600에서, 기계 학습 알고리즘에 기초하여, 스토리지 장치의 백그라운드 동작을 적응적으로 스케줄링하는 동작이 수행될 수 있다. 예를 들면, 백그라운드 동작 스케줄러(223b)는 도 9 내지 도 13을 참조하여 전술된 바와 같이, 동작 파라미터들의 목표값 및 현재값에 기초하여 기계 학습 알고리즘을 이용하여 백그라운드 동작을 스케줄링할 수 있다.
단계 S2800에서, 스케줄에 따라 백그라운드 동작을 실행하는 동작이 수행될 수 있다. 예를 들면, 백그라운드 동작 스케줄러(223b)는 결정된 백그라운드 동작의 타이밍에 기초하여 백그라운드 동작 실행부(221b)에 신호를 전송할 수 있고, 백그라운드 동작 실행부(221b)는 수신된 신호에 기초하여 백그라운드 동작, 예컨대 가비지 컬렉션을 수행할 수 있다.
도 17은 본 개시의 예시적 실시예에 따라 도 16의 단계 S2400의 예시(S2400’)를 나타내는 순서도이다. 도 16을 참조하여 전술된 바와 같이, 단계 S2400에서 동작 파라미터들의 현재값을 로딩하는 동작이 수행될 수 있다. 도 15 및 도 16의 실시예들에서, 백그라운드 동작은 스토리지 장치(200b)의 백그라운드 동작 스케줄러(223b)에 의해서 스케줄링 되므로, 백그라운드 동작 스케줄러(223b)는 동작 파라미터들의 현재값을 수집할 수 있다.
단계 S2420에서, 백그라운드 동작 스케줄러(223b)에 의해서 제1 동작 파라미터의 현재값을 측정 또는 계산하는 동작이 수행될 수 있다. 그 다음에, 단계 S2440에서, 백그라운드 동작 스케줄러(223b)에 의해서 제2 동작 파라미터의 현재값을 호스트(100b)로부터 수신하는 동작이 수행될 수 있다. 이에 따라, 백그라운드 동작 스케줄러(223b)는 동작 파라미터들의 현재값을 로딩할 수 있다.
도 18은 본 개시의 예시적 실시예에 따른 스토리지 장치의 동작 방법에 따라 호스트 및 스토리지 장치 사이의 동작을 시간의 흐름에 따라 나타내는 도면이다.
도 18을 참조하면, 호스트(100b’)(예컨대, 도 15의 호스트 파라미터 제공부(130b))는 동작 파라미터의 목표값을 설정할 수 있다(S210). 호스트(100b’)는 사용자나 어플리케이션 프로그램 등으로부터 수신된 목표 성능으로부터 동작 파라미터의 목표값을 추출할 수도 있고, 디폴트 값이나 현재값으로 동작 파라미터의 목표값을 채울 수도 있다. 그 다음에 호스트(100b’)는 동작 파라미터의 목표값을 스토리지 장치(200b’)에 전송할 수 있다(S220). 동작 파라미터의 목표값은 스토리지 장치(200b’)에서 기계 학습을 통한 백그라운드 동작을 스케줄링하는데 사용될 수 있다.
호스트(100b’)는 제2 동작 파라미터의 현재값을 측정 또는 계산할 수 있고(S230), 스토리지 장치(200b’)는 제1 동작 파라미터의 현재값을 측정 또는 계산할 수 있다. 스토리지 장치(200b’)는 호스트(100b’)로부터 수신된 동작 파라미터의 목표값에 응답하여 또는 호스트(100b’)로부터 수신한 요청(미도시)에 응답하여, 제1 동작 파라미터의 현재값을 측정 또는 계산할 수 있다.
호스트(100b’)는 제2 동작 파라미터의 현재값을 스토리지 장치(200b’)에 전송할 수 있다(S250). 그 다음에, 스토리지 장치(200b’)는 기계 학습 알고리즘에 기초하여 백그라운드 동작을 적응적으로 스케줄링할 수 있다. 즉, 스토리지 장치(200b’)(예컨대, 도 15의 백그라운드 동작 스케줄러(223b))는 동작 파라미터의 목표값, 제1 및 제2 동작 파라미터의 현재값에 기초하여 기계 학습 알고리즘을 사용하여 백그라운드 동작을 스케줄링할 수 있다. 스토리지 장치(200b’)(예컨대, 백그라운드 동작 실행부(221b))는 스케줄에 따라 백그라운드 동작을 실행할 수 있다.
도 19는 본 개시의 실시예들에 따른 메모리 카드 시스템(1000)에 적용한 예를 나타내는 블록도이다.
도 19를 참조하면, 메모리 카드 시스템(1000)은 호스트(1100) 및 메모리 카드(1200)를 포함할 수 있다. 호스트(1100)는 호스트 컨트롤러(1110) 및 호스트 접속부(1120)를 포함할 수 있다. 메모리 카드(1200)는 카드 접속부(1210), 카드 컨트롤러(1220) 및 메모리 장치(1220)를 포함할 수 있다. 전술된 본 개시의 예시적 실시예들에 따라, 메모리 카드(1200)는 호스트(1100)에 의해서 관리될 수 있고, 메모리 카드(1200)는 카드 컨트롤러(1220)에 의해서 동작할 수 있다.
호스트(1100)는 메모리 카드(1200)에 데이터를 기입하거나, 메모리 카드(1200)에 저장된 데이터를 독출할 수 있다. 호스트 컨트롤러(1110)는 커맨드(CMD), 호스트(1100) 내의 클럭 발생기(미도시)에서 발생한 클럭 신호(CLK) 및 데이터(DATA)를 호스트 접속부(1120)를 통해 메모리 카드(1200)로 전송할 수 있다.
카드 컨트롤러(1220)는 카드 접속부(1210)를 통해 수신된 커맨드에 응답하여, 카드 컨트롤러(1220) 내에 있는 클럭 발생기(미도시)에서 발생한 클럭 신호에 동기하여 데이터를 메모리 장치(1220)에 저장할 수 있다. 메모리 장치(1220)는 호스트(1100)로부터 전송된 데이터를 저장할 수 있다.
메모리 카드(1220)는 컴팩트 플래시 카드(CFC: Compact Flash Card), 마이크로 드라이브(Microdrive), 스마트 미디어 카드(SMC: Smart Media Card) 멀티미디어 카드(MMC: Multimedia Card), 보안 디지털 카드(SDC: Security Digital Card), 메모리 스틱(Memory Stick), 및 USB 플래시 메모리 드라이버 등으로 구현될 수 있다.
도 20은 본 개시의 실시예들에 따른 컴퓨팅 시스템의 일 예(2000)를 나타내는 블록도이다.
도 20을 참조하면, 컴퓨팅 시스템(2000)은 메모리 시스템(2100), 프로세서(2200), RAM(2300), 입출력 장치(2400), 및 전원 장치(2500) 포함할 수 있다. 비록, 도 20에는 도시되지 않았지만, 컴퓨팅 시스템(2000)은 비디오 카드, 사운드 카드, 메모리 카드, USB 장치 등과 통신하거나, 또는 다른 전자 기기들과 통신할 수 있는 포트(port)들을 더 포함할 수 있다. 컴퓨팅 시스템(2000)은 퍼스널 컴퓨터로 구현되거나, 노트북 컴퓨터, 휴대폰, PDA(personal digital assistant) 및 카메라 등과 같은 휴대용 전자 장치로 구현될 수 있다.
프로세서(2200)는 특정 계산들 또는 태스크(task)들을 수행할 수 있다. 실시예에 따라, 프로세서(2200)는 마이크로프로세서(micro-processor), 중앙 처리 장치(Central Processing Unit; CPU)일수 있다. 프로세서(2200)는 어드레스 버스(address bus), 제어 버스(control bus) 및 데이터 버스(data bus) 등과 같은 버스(2600)를 통하여 RAM(2300), 입출력 장치(2400) 및 메모리 시스템(2100)과 통신을 수행할 수 있다. 실시예에 따라, 프로세서(2200)는 주변 구성요소 상호연결(Peripheral Component Interconnect; PCI) 버스와 같은 확장 버스에도 연결될 수 있다. 전술된 본 개시의 예시적 실시예들에 따라, 메모리 시스템(2100)은 프로세서(2200)에 의해서 관리될 수 있고, 메모리 시스템(2100)은 메모리 컨트롤러(2120)에 의해서 동작할 수 있다.
RAM(2300)는 컴퓨팅 시스템(2000)의 동작에 필요한 데이터를 저장할 수 있다. 예를 들어, RAM(2300)은 디램(DRAM), 모바일 디램, 에스램(SRAM), 피램(PRAM), 에프램(FRAM), 알램(RRAM) 및/또는 엠램(MRAM)으로 구현될 수 있다. 입출력 장치(2400)는 키보드, 키패드, 마우스 등과 같은 입력 수단 및 프린터, 디스플레이 등과 같은 출력 수단을 포함할 수 있다. 전원 장치(2500)는 컴퓨팅 시스템(2000)의 동작에 필요한 동작 전압을 공급할 수 있다.
도 21은 본 개시의 실시예들에 따른 SSD를 포함하는 시스템(3000)을 나타내는 블록도이다. 도 21을 참조하면, 시스템(3000)은 호스트(3100) 및 SSD(3200)를 포함할 수 있다. SSD(3200)는 신호 커넥터(signal connector)를 통해 호스트(3100)와 신호를 주고 받으며, 전원 커넥터(power connector)를 통해 전원을 입력 받는다. SSD(3200)는 SSD 컨트롤러(3210), 보조 전원 장치(3220) 및 복수의 메모리 장치들(3230, 3240, 3250)을 포함할 수 있다. 전술된 본 개시의 예시적 실시예들에 따라, SSD(3200)는 호스트(3100)에 의해서 관리될 수 있고, SSD(3200)는 SSD 컨트롤러(3210)에 의해서 동작할 수 있다.
이상에서와 같이 도면과 명세서에서 예시적인 실시예들이 개시되었다. 본 명세서에서 특정한 용어를 사용하여 실시예들을 설명되었으나, 이는 단지 본 개시의 기술적 사상을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 개시의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 개시의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (10)

  1. 호스트와 통신하는 스토리지 장치의 동작 방법으로서,
    상기 호스트로부터 상기 스토리지 장치의 동작 파라미터들의 목표값을 수신하는 단계;
    상기 동작 파라미터들의 현재값을 로딩하는 단계;
    상기 동작 파라미터들의 목표값 및 현재값을 사용하는 기계 학습(machine learning) 알고리즘에 기초하여, 상기 스토리지 장치의 백그라운드 동작을 적응적으로 스케줄링하는 단계; 및
    상기 백그라운드 동작의 스케줄에 기초하여, 상기 백그라운드 동작을 실행하는 단계를 포함하는 스토리지 장치의 동작 방법.
  2. 제1항에 있어서,
    상기 동작 파라미터들은, 상기 스토리지 장치의 상태에 대응하는 제1 동작 파라미터를 포함하고,
    상기 동작 파라미터들의 현재값을 로딩하는 단계는, 상기 제1 동작 파라미터를 측정하거나 계산하는 단계를 포함하는 것을 특징으로 하는 스토리지 장치의 동작 방법.
  3. 제1항에 있어서,
    상기 동작 파라미터들은, 상기 호스트의 상태에 대응하는 제2 동작 파라미터 세트를 포함하고,
    상기 동작 파라미터들의 현재값을 로딩하는 단계는, 상기 제2 동작 파라미터 세트를 상기 호스트로부터 수신하는 단계를 포함하는 것을 특징으로 하는 스토리지 장치의 동작 방법.
  4. 제1항에 있어서,
    상기 기계 학습 알고리즘은 큐-러닝(Q-learning)인 것을 특징으로 하는 스토리지 장치의 동작 방법.
  5. 제4항에 있어서,
    상기 큐-러닝의 리워드(reward)는 상기 목표값 및 상기 현재값의 차이의 절대값에 비례하고,
    상기 백그라운드 동작을 적응적으로 스케쥴링하는 단계는, 상기 동작 파라미터들의 조합들 및 상기 백그라운드 동작의 타이밍들을 행과 열의 레이블들로서 각각 가지는 테이블에서 가장 높은 큐 값을 포함하는 열에 대응하는 타이밍 레이블에 기초하여 상기 백그라운드 동작을 스케쥴링 하는 것을 특징으로 하는 스토리지 장치의 동작 방법.
  6. 제1항에 있어서,
    상기 스토리지 장치는 플래시 메모리 장치를 포함하고,
    상기 백그라운드 동작은, 상기 플래시 메모리 장치에 대한 가비지 컬렉션 동작인 것을 특징으로 하는 스토리지 장치의 동작 방법.
  7. 스토리지 장치와 통신하는 호스트에 의한 스토리지 장치의 관리 방법으로서,
    상기 스토리지 장치의 동작 파라미터들의 목표값을 설정하는 단계;
    상기 동작 파라미터들의 현재값을 로딩하는 단계;
    상기 동작 파라미터들의 목표값 및 현재값을 사용하는 기계 학습(machine learning) 알고리즘에 기초하여, 상기 스토리지 장치의 백그라운드 동작을 적응적으로 스케줄링하는 단계; 및
    상기 백그라운드 동작의 스케줄에 기초하여, 상기 백그라운드 동작의 실행을 제어하는 제어 신호를 상기 스토리지 장치에 전송하는 단계를 포함하는 스토리지 장치의 관리 방법.
  8. 제7항에 있어서,
    상기 스토리지 장치의 동작과 관련된 목표 성능 정보를 수신하는 단계를 더 포함하고,
    상기 동작 파라미터들의 목표값을 설정하는 단계는, 상기 목표 성능 정보로부터 상기 동작 파라미터들 중 적어도 한 동작 파라미터의 목표값을 추출하는 단계를 포함하는 것을 특징으로 하는 스토리지 장치의 관리 방법.
  9. 제7항에 있어서,
    상기 동작 파라미터들의 목표값을 설정하는 단계는, 상기 호스트에서 수행 중이거나 수행예정인 작업 또는 미리 정해진 기준값에 기초하여 상기 동작 파라미터들 중 적어도 한 동작 파라미터의 목표값을 생성하는 단계를 포함하는 것을 특징으로 하는 스토리지 장치의 관리 방법.
  10. 제7항에 있어서,
    상기 동작 파라미터들은, 상기 스토리지 장치의 상태에 대응하는 제1 동작 파라미터를 포함하고,
    상기 동작 파라미터들의 현재값을 로딩하는 단계는, 상기 제1 동작 파라미터를 상기 스토리지 장치로부터 수신하는 단계를 포함하는 것을 특징으로 하는 스토리지 장치의 관리 방법.
KR1020150108868A 2015-07-31 2015-07-31 스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법 KR102519663B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020150108868A KR102519663B1 (ko) 2015-07-31 2015-07-31 스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법
US15/147,337 US9996460B2 (en) 2015-07-31 2016-05-05 Storage device, system including storage device and method of operating the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150108868A KR102519663B1 (ko) 2015-07-31 2015-07-31 스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법

Publications (2)

Publication Number Publication Date
KR20170014874A true KR20170014874A (ko) 2017-02-08
KR102519663B1 KR102519663B1 (ko) 2023-04-07

Family

ID=57882740

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150108868A KR102519663B1 (ko) 2015-07-31 2015-07-31 스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법

Country Status (2)

Country Link
US (1) US9996460B2 (ko)
KR (1) KR102519663B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200074844A (ko) * 2018-12-17 2020-06-25 웨스턴 디지털 테크놀로지스, 인코포레이티드 데이터 저장 시스템 및 데이터 저장 시스템 성능, 용량 및/또는 동작 요건을 자율적으로 적응시키기 위한 방법
US11507272B2 (en) 2019-10-31 2022-11-22 SK Hynix Inc. Controller for performing garbage collection operation based on performance ratio and memory system including the same
US11543999B2 (en) 2020-04-29 2023-01-03 SK Hynix Inc. Memory controller and operating method thereof

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11715025B2 (en) 2015-12-30 2023-08-01 Nutanix, Inc. Method for forecasting distributed resource utilization in a virtualization environment
US10168953B1 (en) 2016-05-20 2019-01-01 Nutanix, Inc. Dynamic scheduling of distributed storage management tasks using predicted system characteristics
CN107423301B (zh) * 2016-05-24 2021-02-23 华为技术有限公司 一种数据处理的方法、相关设备及存储系统
US10902324B2 (en) 2016-06-13 2021-01-26 Nutanix, Inc. Dynamic data snapshot management using predictive modeling
US10089144B1 (en) 2016-06-17 2018-10-02 Nutanix, Inc. Scheduling computing jobs over forecasted demands for computing resources
US10361925B1 (en) 2016-06-23 2019-07-23 Nutanix, Inc. Storage infrastructure scenario planning
US10484301B1 (en) 2016-09-30 2019-11-19 Nutanix, Inc. Dynamic resource distribution using periodicity-aware predictive modeling
US10691491B2 (en) 2016-10-19 2020-06-23 Nutanix, Inc. Adapting a pre-trained distributed resource predictive model to a target distributed computing environment
CN110915098B (zh) * 2017-08-10 2024-01-09 本田技研工业株式会社 控制系统、控制方法及存储介质
KR20190043411A (ko) * 2017-10-18 2019-04-26 삼성전자주식회사 스토리지 장치, 스토리지 장치를 포함하는 컴퓨팅 시스템, 그리고 스토리지 장치의 동작 방법
US10558554B2 (en) * 2018-02-28 2020-02-11 Sap Se Machine learning based software correction
US11372580B2 (en) 2018-08-07 2022-06-28 Marvell Asia Pte, Ltd. Enabling virtual functions on storage media
US11656775B2 (en) 2018-08-07 2023-05-23 Marvell Asia Pte, Ltd. Virtualizing isolation areas of solid-state storage media
US11010314B2 (en) 2018-10-30 2021-05-18 Marvell Asia Pte. Ltd. Artificial intelligence-enabled management of storage media access
US11481118B2 (en) 2019-01-11 2022-10-25 Marvell Asia Pte, Ltd. Storage media programming with adaptive write buffer release
US11301132B2 (en) * 2019-08-30 2022-04-12 Micron Technology, Inc. Scheduling media management operations based on provided host system usage requirements
KR20210026353A (ko) * 2019-08-30 2021-03-10 삼성전자주식회사 메모리 장치 트레이닝 방법 및 이를 포함한 전자 기기 및 전자 시스템
US11003384B2 (en) 2019-08-30 2021-05-11 Micron Technology, Inc. Scheduling media management operations based on determined host system usage requirements
KR20210052702A (ko) 2019-10-30 2021-05-11 삼성전자주식회사 뉴럴 프로세싱 유닛 및 이를 포함하는 전자장치
US20210256349A1 (en) * 2020-02-14 2021-08-19 Micron Technology, Inc. Optimization of quality of service of data storage devices
US11360533B2 (en) * 2020-04-15 2022-06-14 Micron Technology, Inc. Device maintenance of a data storage device including wear levelling, garbage collection, or combination thereof
KR20220020724A (ko) * 2020-08-12 2022-02-21 삼성전자주식회사 비휘발성 메모리 및 비휘발성 메모리의 불량 메모리 셀 블록 검출 방법
US11630765B2 (en) * 2020-12-14 2023-04-18 Google Llc Flash translation layer design using reinforcement learning
KR102484073B1 (ko) * 2021-11-22 2023-01-02 삼성전자주식회사 스토리지 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070033240A1 (en) * 2005-08-04 2007-02-08 International Business Machines Corporation Scheduling garbage collection
KR20140113212A (ko) * 2013-03-15 2014-09-24 삼성전자주식회사 호스트-주도 가비지 컬렉션 방법과 상기 방법을 수행할 수 있는 시스템

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3027845B2 (ja) 1997-11-21 2000-04-04 オムロン株式会社 プログラム制御装置および方法
JP4333676B2 (ja) 1997-11-21 2009-09-16 オムロン株式会社 プログラム制御装置、プログラム制御方法、およびプログラム記録媒体
JP2002297443A (ja) 2001-04-02 2002-10-11 Sharp Corp 動的メモリ管理装置と動的メモリ管理方法とコンピュータプログラムとこれを記録した記録媒体およびこれらを備えた携帯端末
US7110917B2 (en) * 2003-11-14 2006-09-19 Ricoh Company, Ltd. Abnormality determining method, and abnormality determining apparatus and image forming apparatus using same
US8880775B2 (en) 2008-06-20 2014-11-04 Seagate Technology Llc System and method of garbage collection in a memory device
US8356061B2 (en) 2008-06-23 2013-01-15 Oracle America, Inc. Maximizing throughput for a garbage collector
US20100287217A1 (en) 2009-04-08 2010-11-11 Google Inc. Host control of background garbage collection in a data storage device
US8713268B2 (en) 2010-08-05 2014-04-29 Ut-Battelle, Llc Coordinated garbage collection for raid array of solid state disks
US8589655B2 (en) 2010-09-15 2013-11-19 Pure Storage, Inc. Scheduling of I/O in an SSD environment
US8874872B2 (en) 2011-01-21 2014-10-28 Seagate Technology Llc Garbage collection management in memories
US8868824B2 (en) 2012-04-19 2014-10-21 Microsoft Corporation Solid-state drive management and control
US9703500B2 (en) * 2012-04-25 2017-07-11 International Business Machines Corporation Reducing power consumption by migration of data within a tiered storage system
US8839073B2 (en) * 2012-05-04 2014-09-16 Lsi Corporation Zero-one balance management in a solid-state disk controller
US9047239B2 (en) * 2013-01-02 2015-06-02 International Business Machines Corporation Determining weight values for storage devices in a storage tier to use to select one of the storage devices to use as a target storage to which data from a source storage is migrated
US9569352B2 (en) 2013-03-14 2017-02-14 Sandisk Technologies Llc Storage module and method for regulating garbage collection operations based on write activity of a host

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070033240A1 (en) * 2005-08-04 2007-02-08 International Business Machines Corporation Scheduling garbage collection
KR20140113212A (ko) * 2013-03-15 2014-09-24 삼성전자주식회사 호스트-주도 가비지 컬렉션 방법과 상기 방법을 수행할 수 있는 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
김한얼 외 2인, C4.5 기계 학습 알고리즘을 이용한 SSD 가비지 컬렉션 감지 (2014) 1부.* *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200074844A (ko) * 2018-12-17 2020-06-25 웨스턴 디지털 테크놀로지스, 인코포레이티드 데이터 저장 시스템 및 데이터 저장 시스템 성능, 용량 및/또는 동작 요건을 자율적으로 적응시키기 위한 방법
US10963332B2 (en) 2018-12-17 2021-03-30 Western Digital Technologies, Inc. Data storage systems and methods for autonomously adapting data storage system performance, capacity and/or operational requirements
US11500714B2 (en) 2018-12-17 2022-11-15 Western Digital Technologies, Inc. Apparatus and method for regulating available storage of a data storage system
US11507272B2 (en) 2019-10-31 2022-11-22 SK Hynix Inc. Controller for performing garbage collection operation based on performance ratio and memory system including the same
US11543999B2 (en) 2020-04-29 2023-01-03 SK Hynix Inc. Memory controller and operating method thereof

Also Published As

Publication number Publication date
US20170031816A1 (en) 2017-02-02
US9996460B2 (en) 2018-06-12
KR102519663B1 (ko) 2023-04-07

Similar Documents

Publication Publication Date Title
KR102519663B1 (ko) 스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법
KR102358691B1 (ko) 저장 장치의 요청 방법 및 호스트의 커맨드 발행 방법
US10546648B2 (en) Storage control system with data management mechanism and method of operation thereof
TWI585585B (zh) 基於儲存裝置的目前消耗設定檔判定在儲存裝置中對使用者爲不可用之備用空間的調整之技術
US10817191B2 (en) Storage system and method for thermal throttling via command arbitration
TWI540575B (zh) 溫度感測器與記憶體裝置之使用
KR101662273B1 (ko) 비휘발성 메모리 장치, 그것을 포함한 메모리 시스템 및 그것의 마모도 관리 방법
US8862806B2 (en) Semiconductor storage device and method of throttling performance of the same
KR102351660B1 (ko) 전력 관리 메커니즘을 갖는 솔리드 스테이트 메모리 시스템 및 그것의 동작 방법
CN111026326B (zh) 存储器控制器、存储装置及管理元数据的方法
JP6788420B2 (ja) 電力消費を制御するシステム及びその方法
CN110187826A (zh) 键-值存储设备及其操作方法
KR20100115583A (ko) 데이터 저장 시스템
KR20170099852A (ko) 고체 상태 드라이브의 판독 성능을 개선시키는 방법 및 장치
US20160041788A1 (en) Method of optimizing non-volatile memory based storage device
US10430108B2 (en) Concurrent copying of first and second subsets of pages from media such as SLC NAND to media such as QLC or MLC NAND for completion of copying of data
WO2017078698A1 (en) Throttling components of a storage device
KR102135291B1 (ko) 적응적 쓰로틀링
CN112749101A (zh) 控制器和存储器系统
KR20210026353A (ko) 메모리 장치 트레이닝 방법 및 이를 포함한 전자 기기 및 전자 시스템
US20210248416A1 (en) Training data sample selection for use with non-volatile memory and machine learning processor
CN110489056A (zh) 控制器以及包括该控制器的存储器系统
KR20190109872A (ko) 데이터 저장 장치 및 그것의 동작 방법
US10650879B2 (en) Device and method for controlling refresh cycles of non-volatile memories
CN110874333A (zh) 存储设备及存储方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant