KR20210085674A - 다중-스트림을 지원하도록 구성된 스토리지 장치 및 그것의 동작 방법 - Google Patents

다중-스트림을 지원하도록 구성된 스토리지 장치 및 그것의 동작 방법 Download PDF

Info

Publication number
KR20210085674A
KR20210085674A KR1020190178994A KR20190178994A KR20210085674A KR 20210085674 A KR20210085674 A KR 20210085674A KR 1020190178994 A KR1020190178994 A KR 1020190178994A KR 20190178994 A KR20190178994 A KR 20190178994A KR 20210085674 A KR20210085674 A KR 20210085674A
Authority
KR
South Korea
Prior art keywords
stream
physical
zeroth
virtual
streams
Prior art date
Application number
KR1020190178994A
Other languages
English (en)
Inventor
서정민
김병희
정기빈
양승준
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 KR1020190178994A priority Critical patent/KR20210085674A/ko
Priority to EP20217489.2A priority patent/EP3846037B1/en
Priority to US17/136,818 priority patent/US11567698B2/en
Priority to CN202011609288.4A priority patent/CN113126908A/zh
Publication of KR20210085674A publication Critical patent/KR20210085674A/ko
Priority to US18/101,496 priority patent/US11907586B2/en

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
    • 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
    • G06F3/0607—Improving or facilitating administration, e.g. storage management by facilitating the process of upgrading existing storage systems, e.g. for improving compatibility between host and storage device
    • 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
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0629—Configuration or reconfiguration of storage systems
    • 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
    • G06F3/0653—Monitoring storage devices or systems
    • 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
    • G06F3/0656—Data buffering 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
    • G06F3/0628—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
    • G06F3/0662—Virtualisation aspects
    • G06F3/0667—Virtualisation aspects at data level, e.g. file, record or object virtualisation
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06F2212/10—Providing a specific technical effect
    • G06F2212/1016—Performance improvement
    • 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
    • G06F2212/10—Providing a specific technical effect
    • G06F2212/1032—Reliability improvement, data loss prevention, degraded operation etc
    • G06F2212/1036—Life time enhancement
    • 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
    • G06F2212/7201—Logical to physical mapping or translation of blocks or pages
    • 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
    • G06F2212/7203—Temporary buffering, e.g. using volatile buffer or dedicated buffer blocks
    • 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
    • G06F2212/7205—Cleaning, compaction, garbage collection, erase control
    • 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
    • G06F2212/7208—Multiple device management, e.g. distributing data over multiple flash devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

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)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명의 실시 예에 따른 스토리지 장치는 복수의 불휘발성 메모리들을 복수의 물리 스트림들로 관리하도록 구성된다. 스토리지 장치의 동작 방법은 외부 호스트 장치로부터 입출력 요청을 수신하는 단계, 수신된 입출력 요청에 대응하는 제0 가상 스트림 식별자를 판별하는 단계, 판별된 제0 가상 스트림 식별자에 대응하는 제0 가상 스트림 특징으로부터 제0 대표 값을 추출하는 단계, 복수의 물리 스트림들 중 제1 및 제2 물리 스트림들에 대응하는 제1 및 제2 대표 값들을 추출하는 단계, 추출된 제0 내지 제2 대표 값들을 기반으로, 제0 가상 스트림 및 제1 물리 스트림 사이의 제1 유사도 및 제0 가상 스트림 및 제2 물리 스트림 사이의 제2 유사도를 포함하는 거리 정보를 산출하는 단계, 거리 정보를 기반으로, 복수의 물리 스트림들 중 하나를 제0 가상 스트림으로 할당하는 단계, 및 할당된 하나의 물리 스트림에서, 입출력 요청에 대응하는 동작을 수행하는 단계를 포함하고, 제0 대표 값을 추출하는 단계, 제1 및 제2 대표 값들을 추출하는 단계, 및 거리 정보를 산출하는 단계는 기계 학습을 통해 사전 학습된 학습 모델을 사용하여 수행된다.

Description

다중-스트림을 지원하도록 구성된 스토리지 장치 및 그것의 동작 방법{STORAGE DEVICE CONFIGURED TO SUPPORT MULTI-STREAMS AND OPERATION METHOD THEREOF}
본 발명은 반도체 메모리에 관한 것으로, 좀 더 상세하게는 다중-스트림을 지원하도록 구성된 스토리지 장치 및 그것의 동작 방법에 관한 것이다.
반도체 메모리는 SRAM, DRAM 등과 같이 전원 공급이 차단되면 저장하고 있던 데이터가 소멸되는 휘발성 메모리 장치 및 플래시 메모리 장치, PRAM, MRAM, RRAM, FRAM 등과 같이 전원 공급이 차단되어도 저장하고 있던 데이터를 유지하는 불휘발성 메모리 장치로 구분된다.
최근에는 플래시 메모리를 기반으로 하는 솔리드 스테이트 드라이브(SSD)가 컴퓨팅 시스템의 대용량 저장 매체로서 널리 사용된다. SSD를 사용하는 호스트는 어플리케이션에 따라 다양한 종류의 데이터를 생성할 수 있다. 호스트는 SSD의 동작 성능을 개선하기 위해 데이터와 함께 데이터에 관한 정보를 스토리지 장치에 제공할 수 있다. 그러나, SSD의 하드웨어 제약 등으로 인하여, 호스트가 제공할 수 있는 데이터에 관한 정보가 제한되는 문제점이 있다.
본 발명의 목적은 호스트로부터의 가상 스트림과 스토리지 장치 내부적으로 관리되는 물리 스트림들 사이의 거리 정보(즉, 유사도)를 기반으로 가상 스트림 및 물리 스트림 사이의 매핑을 수행함으로써, 향상된 성능 및 향상된 수명을 갖는 스토리지 장치 및 그것의 동작 방법을 제공하는데 있다.
본 발명의 실시 예에 따른 복수의 불휘발성 메모리들을 복수의 물리 스트림들로 관리하도록 구성된 스토리지 장치의 동작 방법은 외부 호스트 장치로부터 입출력 요청을 수신하는 단계, 상기 수신된 입출력 요청에 대응하는 제0 가상 스트림 식별자를 판별하는 단계, 상기 판별된 제0 가상 스트림 식별자에 대응하는 제0 가상 스트림 특징으로부터 제0 대표 값을 추출하는 단계, 상기 복수의 물리 스트림들 중 제1 및 제2 물리 스트림들에 대응하는 제1 및 제2 대표 값들을 추출하는 단계, 상기 추출된 제0 내지 제2 대표 값들을 기반으로, 상기 제0 가상 스트림 및 상기 제1 물리 스트림 사이의 제1 유사도 및 상기 제0 가상 스트림 및 상기 제2 물리 스트림 사이의 제2 유사도를 포함하는 거리 정보를 산출하는 단계, 상기 거리 정보를 기반으로, 상기 제0 가상 스트림을 상기 복수의 물리 스트림들 중 하나로 할당하는 단계, 및 상기 할당된 하나의 물리 스트림에서, 상기 입출력 요청에 대응하는 동작을 수행하는 단계를 포함하고, 상기 제0 대표 값을 추출하는 단계, 상기 제1 및 제2 대표 값들을 추출하는 단계, 및 상기 거리 정보를 산출하는 단계는 기계 학습을 통해 사전 학습된 학습 모델을 사용하여 수행된다.
본 발명의 실시 예에 따른 스토리지 장치는 복수의 불휘발성 메모리들, 및 상기 복수의 불휘발성 메모리들을 복수의 물리 스트림들로 관리하고, 외부 호스트 장치로부터의 입출력 요청에 대응하는 제0 가상 스트림에 대하여 상기 복수의 물리 스트림들 중 하나를 할당하도록 구성된 스토리지 컨트롤러를 포함한다. 상기 스토리지 컨트롤러는 상기 복수의 물리 스트림들 각각에 대응하는 복수의 가상 스트림 특징들을 포함하는 스트림 정보를 저장하도록 구성된 메모리, 및 상기 제0 가상 스트림에 대응하는 제0 가상 스트림 특징으로부터 제0 대표 값을 추출하고, 상기 스트림 정보로부터 상기 복수의 물리 스트림들 각각에 대응하는 복수의 대표 값들을 추출하고, 상기 추출된 제0 대표 값 및 상기 추출된 복수의 대표 값들을 기반으로, 상기 제0 가상 스트림 및 상기 복수의 물리 스트림들 사이의 유사도를 가리키는 거리 정보를 산출하고, 상기 산출된 거리 정보를 기반으로 상기 복수의 물리 스트림들 중 하나를 상기 제0 가상 스트림으로 할당하도록 구성된 스트림 매핑 관리자를 포함한다. 상기 스트림 매핑 관리자는 기계 학습을 통해 사전에 학습된 학습 모델을 기반으로 동작한다.
본 발명의 실시 예에 따른 복수의 불휘발성 메모리들을 복수의 물리 스트림들로 관리하도록 구성된 스토리지 장치의 동작 방법은 외부 호스트 장치로부터 입출력 요청을 수신하는 단계, 상기 수신된 입출력 요청에 대응하는 제0 가상 스트림 식별자를 판별하는 단계, 상기 판별된 제0 가상 스트림 식별자에 대응하는 제0 가상 스트림 특징으로부터 제0 대표 값을 추출하는 단계, 대표 값 풀로부터 상기 복수의 물리 스트림들 중 제1 및 제2 물리 스트림들에 대응하는 제1 및 제2 대표 값들을 획득하는 단계, 상기 추출된 제0 대표 값 및 상기 획득된 제1 및 제2 대표 값들을 기반으로, 상기 제0 가상 스트림 및 상기 제1 물리 스트림 사이의 제1 유사도 및 상기 제0 가상 스트림 및 상기 제2 물리 스트림 사이의 제2 유사도를 포함하는 거리 정보를 산출하는 단계, 상기 거리 정보를 기반으로, 상기 복수의 물리 스트림들 중 하나를 상기 제0 가상 스트림으로 할당하는 단계, 상기 할당된 하나의 물리 스트림에서, 상기 입출력 요청에 대응하는 동작을 수행하는 단계, 및 상기 할당된 하나의 물리 스트림에 대응하는 물리 스트림 식별자 및 상기 제0 대표 값을 기반으로 상기 대표 값 풀을 갱신하는 단계를 포함한다. 상기 제0 대표 값을 추출하는 단계 및 상기 거리 정보를 산출하는 단계는 기계 학습을 통해 사전 학습된 학습 모델을 사용하여 수행된다.
본 발명의 실시 예에 따른 복수의 불휘발성 메모리들을 복수의 물리 스트림들로 관리하도록 구성된 스토리지 장치의 동작 방법은 외부 호스트 장치로부터 입출력 요청을 수신하는 단계, 상기 입출력 요청의 논리 블록 어드레스를 기반으로, 상기 입출력 요청의 연속성을 판별하는 단계, 상기 입출력 요청이 상기 연속성을 갖는 경우, 상기 입출력 요청에 대응하는 데이터를 데이터 버퍼에 저장하는 단계, 상기 데이터 버퍼에 저장된 데이터의 크기가 기준 값 이상인 경우, 상기 데이터 버퍼에 저장된 데이터에 대한 제0 대표 값을 추출하는 단계, 상기 복수의 물리 스트림들 중 제1 및 제2 물리 스트림들에 대응하는 제1 및 제2 대표 값들을 추출하는 단계, 상기 추출된 제0 내지 제2 대표 값들을 기반으로, 상기 데이터 버퍼에 저장된 데이터 및 상기 제1 물리 스트림 사이의 제1 유사도 및 상기 데이터 버퍼에 저장된 데이터 및 상기 제2 물리 스트림 사이의 제2 유사도를 포함하는 거리 정보를 산출하는 단계, 상기 거리 정보를 기반으로, 상기 복수의 물리 스트림들 중 하나를 상기 데이터 버퍼에 저장된 데이터에 대하여 할당하는 단계, 및 상기 할당된 하나의 물리 스트림에 상기 데이터 버퍼에 저장된 데이터를 저장하는 단계를 포함한다. 상기 제0 대표 값을 추출하는 단계, 상기 제1 및 제2 대표 값들을 추출하는 단계, 및 상기 거리 정보를 산출하는 단계는 기계 학습을 통해 사전 학습된 학습 모델을 사용하여 수행된다.
본 발명에 따르면, 스토리지 장치는 호스트로부터의 가상 스트림 및 내부적으로 관리되는 물리 스트림들에 대한 대표 값들을 추출하고, 추출된 대표 값들을 기반으로 가상 스트림 및 물리 스트림들 사이의 유사도를 결정할 수 있다. 스토리지 장치는 유사도를 기반으로 가상 스트림에 대한 물리 스트림을 할당할 수 있다. 따라서, 유사한 특성을 갖는 가상 스트림들이 동일한 물리 스트림에 할당되기 때문에, 스토리지 장치의 성능 및 수명이 향상될 수 있다.
도 1은 본 발명의 실시 예에 따른 스토리지 시스템을 예시적으로 보여주는 블록도이다.
도 2는 도 1의 스토리지 컨트롤러를 예시적으로 보여주는 블록도이다.
도 3은 도 1의 불휘발성 메모리 장치를 예시적으로 보여주는 블록도이다.
도 4는 스토리지 장치에서 관리되는 물리 스트림을 설명하기 위한 도면이다.
도 5는 도 2의 스트림 매핑 테이블을 예시적으로 보여주는 도면이다.
도 6은 도 2의 스토리지 장치의 동작을 예시적으로 보여주는 순서도이다.
도 7은 도 6의 S140 단계의 동작을 상세하게 보여주는 순서도이다.
도 8은 도 2의 스토리지 컨트롤러의 거리 정보 연산 과정을 설명하기 위한 예시적인 도면이다.
도 9는 도 8의 물리 스트림 데이터 베이스를 예시적으로 보여주는 도면이다.
도 10은 도 8의 대표 값 추출기를 좀 더 상세하게 보여주는 도면이다.
도 11a 및 도 11b는 도 8 및 도 9의 대표 값 추출기의 동작을 설명하기 위한 도면들이다.
도 12는 도 8의 거리 함수 엔진을 설명하기 위한 예시적인 도면이다.
도 13 및 도 14는 본 발명에 따른 스토리지 장치의 동작을 보여주는 순서도 및 블록도이다.
도 15a 및 도 15b는 도 14의 대표 값 풀을 갱신하는 방법을 설명하기 위한 도면들이다.
도 16은 도 1의 스토리지 장치의 동작을 예시적으로 보여주는 순서도이다.
도 17은 도 1의 스토리지 장치의 동작을 예시적으로 보여주는 순서도이다.
도 18은 본 발명에 따른 스토리지 시스템이 적용된 SSD 시스템을 예시적으로 보여주는 블록도이다.
도 19는 발명에 따른 스토리지 시스템이 적용된 전자 장치를 예시적으로 보여주는 블록도이다.
도 20은 본 발명의 실시 예에 따른 스토리지 시스템이 적용된 데이터 센터를 예시적으로 보여주는 블록도이다.
이하에서, 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로, 본 발명의 실시 예들이 명확하고 상세하게 기재될 것이다.
상세한 설명에서 사용되는 부 또는 유닛(unit), 모듈(module), 엔진(engine) 등의 용어를 참조하여 설명되는 구성 요소들 및 도면에 도시된 기능 블록들은 소프트웨어, 또는 하드웨어, 또는 그것들의 조합의 형태로 구현될 수 있다. 예시적으로, 소프트웨어는 기계 코드, 펌웨어, 임베디드 코드, 및 애플리케이션 소프트웨어일 수 있다. 예를 들어, 하드웨어는 전기 회로, 전자 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어들, 압력 센서, 관성 센서, 멤즈(MEMS; microelectromechanical system), 수동 소자, 또는 그것들의 조합을 포함할 수 있다. 또한, 다르게 정의되지 않는 한, 본문에서 사용되는 기술적 또는 과학적인 의미를 포함하는 모든 용어들은 본 발명이 속하는 기술 분야에서의 당업자에 의해 이해될 수 있는 의미를 갖는다. 일반적으로 사전에서 정의된 용어들은 관련된 기술 분야에서의 맥락적 의미와 동등한 의미를 갖도록 해석되며, 본문에서 명확하게 정의되지 않는 한, 이상적 또는 과도하게 형식적인 의미를 갖도록 해석되지 않는다.
도 1은 본 발명의 실시 예에 따른 스토리지 시스템을 예시적으로 보여주는 블록도이다. 도 1을 참조하면, 스토리지 시스템(100)은 호스트(110) 및 스토리지 장치(1000)를 포함할 수 있다. 예시적인 실시 예에서, 스토리지 시스템(100)은 개인용 컴퓨터, 랩탑, 서버, 워크스테이션, 스마트폰, 태블릿 PC, 디지털 카메라, 블랙박스 등과 같이 다양한 정보를 처리하고, 처리된 정보를 저장하도록 구성된 정보 처리 장치들 중 하나일 수 있다.
호스트(110)는 스토리지 시스템(100)의 제반 동작을 제어할 수 있다. 예를 들어, 호스트(110)는 스토리지 장치(1000)에 데이터(DATA)를 저장하거나 또는 스토리지 장치(1000)에 저장된 데이터(DATA)를 읽기 위한, 요청(RQ; request)을 스토리지 장치(1000)로 전송할 수 있다.
스토리지 장치(1000)는 스토리지 컨트롤러(1100) 및 불휘발성 메모리 장치(1200)를 포함할 수 있다. 스토리지 컨트롤러(1100)는 호스트(110)로부터의 요청(RQ)에 응답하여, 호스트(110)로부터 수신된 데이터(DATA)를 불휘발성 메모리 장치(1200)에 저장하거나 또는 불휘발성 메모리 장치(1200)에 저장된 데이터(DATA)를 호스트(110)로 전달할 수 있다.
예시적인 실시 예에서, 호스트(110)는 가상 스트림(VS; virtual stream)을 기반으로, 스토리지 장치(1100)에 저장된 데이터(DATA)를 관리할 수 있다. 예를 들어, 호스트(110)는 스토리지 장치(1100)에 저장될 데이터에 대한 속성을 기반으로 각 데이터에 가상 스트림 식별자(VSID; virtual stream identifier)를 부여할 수 있다. 즉, 동일한 속성 또는 유사한 속성을 갖는 데이터는 동일한 가상 스트림 식별자(VSID)에 의해 관리될 수 있다.
예시적인 실시 예에서, 스토리지 장치(1000)는 불휘발성 메모리 장치(1200)의 저장 공간을 물리 스트림(PS; physical stream)을 기반으로 관리하는 다중-스트림 기능(multi-stream function)을 지원할 수 있다. 이 때, 스토리지 장치(1000)에서 관리되거나 또는 지원되는 물리 스트림들의 개수는 호스트(110)에 의해 관리되는 가상 스트림들의 개수보다 적을 수 있다. 다시 말해서, 호스트(110)에 의해 관리되는 가상 스트림들의 개수가 "n"개인 경우, 스토리지 장치(1000)에서 관리되거나 또는 지원되는 물리 스트림들의 개수는 "n"개보다 작은 "m"개일 수 있다. 예시적인 실시 예에서, 스토리지 장치(1000)에 의해 관리되는 물리 스트림들의 개수는 스토리지 장치(1000)의 리소스(예를 들어, 데이터 버퍼)를 기반으로 관리되거나 또는 지정될 수 있다. 즉, 다수의 가상 스트림들을, 상대적으로 작은 개수의 물리 스트림들로 매핑하기 위한 수단이 필요할 수 있다.
본 발명에 따른 스토리지 장치(1000)의 스토리지 컨트롤러(1100)는 스트림 매핑 관리자(1110)를 포함할 수 있다. 스트림 매핑 관리자(1110)는 호스트(110)에 의해 관리되는 가상 스트림을 스토리지 장치(1000)에서 관리되는 물리 스트림으로 매핑하는 동작(즉, 스트림 매핑 동작 또는 스트림 클러스터링 동작)을 수행할 수 있다. 예시적인 실시 예에서, 스트림 매핑 관리자(1110)는 기계 학습(machine learning)을 기반으로 상술된 스트림 매핑 동작 또는 스트림 클러스터링 동작을 수행할 수 있다. 본 발명의 실시 예에 따른 스트림 매핑 관리자(1110)의 동작은 이하의 도면들을 참조하여 더욱 상세하게 설명된다.
도 2는 도 1의 스토리지 컨트롤러를 예시적으로 보여주는 블록도이다. 도 1 및 도 2를 참조하면, 스토리지 컨트롤러(1100)는 스트림 매핑 관리자(1110), 프로세서(1120), 호스트 인터페이스 회로(1130), 불휘발성 메모리 인터페이스 회로(1140), 입출력 모니터(1150), 스트림 정보(SDB), 및 가상 스트림 및 물리 스트림에 사이의 매핑 테이블(SMT)(이하에서, "스트림 매핑 테이블"이라 칭함.)을 포함할 수 있다.
스트림 매핑 관리자(1110)는 호스트(110)로부터 수신된 요청(RQ)에 대하여 물리 스트림을 할당하도록 구성될 수 있다. 예를 들어, 스트림 매핑 관리자(1110)는 호스트(110)로부터 수신된 요청(RQ)에 대한 가상 스트림 식별자를 판별할 수 있다. 스트림 매핑 관리자(1110)는 스트림 매핑 테이블(SMT)을 기반으로, 가상 스트림 식별자에 대해 기-할당된 물리 스트림이 존재하는지 판별할 수 있다. 타겟 가상 스트림 식별자에 대해 할당된 물리 스트림이 존재하지 않는 경우, 스트림 매핑 관리자(1110)는 스트림 정보(SDB)로부터의 복수의 물리 스트림들 각각에 대한 정보 및 수신된 요청(RQ)에 대응하는 정보를 기반으로 가상 스트림 식별자에 대한 물리 스트림을 할당 또는 매핑할 수 있다.
이 때, 스트림 매핑 관리자(1110)는 유사한 특성을 갖는 가상 스트림들을 동일한 물리 스트림으로 매핑시킬 수 있다. 예시적인 실시 예에서, 타겟 가상 스트림 식별자에 대한 물리 스트림의 할당은 기계 학습(machine learning)을 기반으로 수행될 수 있다. 스트림 매핑 관리자(1110)의 동작은 이하의 도면들을 참조하여 더욱 상세하게 설명된다.
프로세서(1120)는 스토리지 컨트롤러(1100)의 제반 동작을 제어할 수 있다. 예를 들어, 프로세서(1120)는 스토리지 컨트롤러(1100)에서 구동되는 플래시 변환 계층(FTL; Flash Translation Layer)(미도시)를 구동하도록 구성될 수 있다. 또는, 프로세서(1120)는 스토리지 컨트롤러(1100)가 동작하는데 필요한 다양한 동작을 수행하도록 구성될 수 있다.
예시적인 실시 예에서, 스트림 매핑 관리자(1110)는 소프트웨어, 하드웨어, 또는 그것들의 조합의 형태로 구현될 수 있다. 예를 들어, 가상 스트림 맵핑 관리자(1110)는 다양한 기계 학습을 수행하도록 구성된 기계 학습 가속기로 구현될 수 있다. 또는 스트림 매핑 관리자(1110)는 다양한 기계 학습을 수행하도록 설계된 소프트웨어 형태로 구현될 수 있으며, 이 경우, 스트림 매핑 관리자(1110)는 프로세서(1120)에 의해 구동될 수 있다.
호스트 인터페이스 회로(1130)는 미리 정해진 인터페이스 규약을 기반으로 호스트(110)와 통신할 수 있다. 호스트 인터페이스 회로(1130)는 미리 정해진 인터페이스 규약을 기반으로 구현될 수 있다. 예시적인 실시 예에서, 미리 정해진 인터페이스 규약은 SATA(Serial ATA) 인터페이스, PCIe(Peripheral Component Interconnect Express) 인터페이스, SAS(Serial Attached SCSI) 인터페이스, NVMe(Nonvolatile Memory express) 인터페이스, UFS(Universal Flash Storage) 인터페이스 등과 같은 다양한 인터페이스들 중 적어도 하나를 포함할 수 있다.
예시적인 실시 예에서, 스토리지 컨트롤러(1100)는 호스트 인터페이스 회로(1130)를 통해 호스트(110)로부터 제공된 요청(RQ)에 대응하는 가상 스트림 식별자(VSID)를 판별할 수 있다. 예를 들어, 데이터에 대한 가상 스트림 식별자(VSID)가 호스트(110)에 의해 직접 관리되는 경우, 호스트(110)는 가상 스트림 식별자(VSID)가 포함된 요청(RQ)을 스토리지 컨트롤러(1100)로 제공할 수 있다. 이 경우, 스토리지 컨트롤러(1100)는 호스트 인터페이스 회로(1100)를 통해, 수신된 요청(RQ)에서 가상 스트림 식별자(VSID)를 확인할 수 있다. 또는, 데이터에 대한 가상 스트림 식별자(VSID)가 호스트(110)에 의해 직접 관리되지 않는 경우, 호스트(110)는 가상 스트림 식별자(VSID)가 포함되지 않은 요청(RQ)을 스토리지 컨트롤러(1100)로 제공할 수 있다. 이 경우, 스토리지 컨트롤러(1100)는 호스트 인터페이스 회로(1100)를 통해, 수신된 요청(RQ)에 대한 다양한 정보(예를 들어, 데이터의 논리 주소, 데이터의 크기 등)을 확인하고, 확인된 정보를 기반으로 수신된 요청(RQ)에 대응하는 가상 스트림 식별자(VSID)를 부여하고, 관리할 수 있다. 즉, 가상 스트림 식별자(VSID)는 호스트(110)에 의해 명시적으로 제공될 수 있거나, 또는, 가상 스트림 식별자(VSID)가 호스트(110)에 의해 명시적으로 제공되지 않는 경우, 스토리지 컨트롤러(1100)는 수신된 요청(RQ)에 대응하는 다양한 정보를 기반으로 가상 스트림 식별자(VSID)를 부여하고, 관리할 수 있다.
예시적인 실시 예에서, 상술된 가상 스트림 식별자(VSID)를 확인, 부여, 또는 관리하는 동작이 호스트 인터페이스 회로(1130)에 의해 수행되는 것으로 설명되었으나, 본 발명의 범위가 이에 한정되는 것은 아니며, 가상 스트림 식별자(VSID)를 관리하기 위한 다른 구성 요소들, 예를 들어, 커맨드 파서 등과 같은 커맨드 처리 구성을 더 포함할 수 있다.
불휘발성 메모리 인터페이스 회로(1140)는 미리 정해진 인터페이스 규약을 기반으로, 불휘발성 메모리 장치(1200)와 통신할 수 있다. 예시적인 실시 예에서, 미리 정해진 인터페이스 규약은 낸드 인터페이스일 수 있다.
입출력 모니터(1150)는 스토리지 장치(1000)의 다양한 입출력 정보를 모니터링하도록 구성될 수 있다. 예를 들어, 입출력 모니터(1150)는 복수의 가상 스트림들 각각에 대한 입출력 정보를 모니터링하도록 구성될 수 있다. 모니터링된 정보는 스트림 정보(SDB)에 저장될 수 있다. 예시적인 실시 예에서, 복수의 가상 스트림들 각각에 대한 입출력 정보는 복수의 가상 스트림들 각각에 대한 처리량, 논리 주소 범위, 순차성, 연속성, 지속성 등과 같은 다양한 정보를 포함할 수 있다.
스트림 정보(SDB)는 복수의 가상 스트림들 각각에 대응하는 다양한 정보를 저장하도록 구성될 수 있다. 예를 들어, 앞서 설명된 바와 같이, 복수의 가상 스트림들은 복수의 물리 스트림들로 매핑될 수 있다. 스트림 정보(SDB)는 물리 스트림 별로, 대응하는 가상 스트림들 각각에 대한 정보를 저장하도록 구성될 수 있다. 예시적인 실시 예에서, 스트림 정보(SDB)는 입출력 모니터(1150)에 의해 갱신될 수 있다. 예시적인 실시 예에서, 스트림 정보(SDB)는 데이터베이스 형태로 제공될 수 있으며, 스토리지 컨트롤러(1100)에 포함된 버퍼 메모리(미도시) 또는 스토리지 컨트롤러(1100) 외부의 버퍼 메모리(미도시)에 저장될 수 있다.
스트림 매핑 테이블(SMT)은 복수의 가상 스트림들 및 복수의 물리 스트림들 사이의 매핑 정보를 저장하도록 구성될 수 있다. 예시적인 실시 예에서, 스트림 정보(SDB) 및 스트림 매핑 테이블(SMT)은 스토리지 컨트롤러(1100)의 버퍼 메모리(미도시) 또는 외부의 별도의 버퍼 메모리(미도시)에 저장될 수 있다.
도 3은 도 1의 불휘발성 메모리 장치를 예시적으로 보여주는 블록도이다. 도 4는 스토리지 장치에서 관리되는 물리 스트림을 설명하기 위한 도면이다. 도 1, 도 3, 및 도 4를 참조하면, 불휘발성 메모리 장치(1200)는 복수의 불휘발성 메모리들(NVM11~NVM44)을 포함할 수 있다. 복수의 불휘발성 메모리들(NVM11~NVM44) 각각은 하나의 반도체 칩, 하나의 반도체 다이, 또는 하나의 반도체 패키지로 구현될 수 있다.
불휘발성 메모리(NVM11)는 복수의 플레인들(PL1, PL2)을 포함할 수 있다. 복수의 플레인들(PL1, PL2) 각각은 복수의 메모리 블록들(BLK11~BLK14, BLK21~BLK24)을 포함할 수 있다. 복수의 메모리 블록들(BLK11~BLK14, BLK21~BLK24) 각각은 복수의 페이지들을 포함할 수 있다. 예시적인 실시 예에서, 동일한 플레인(예를 들어, PL1)에 포함된 복수의 메모리 블록들(예를 들어, BLK11~BLK14)은 동일한 비트라인을 공유하도록 구성될 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 도면의 간결성을 위하여, 하나의 불휘발성 메모리(NVM11)가 2개의 플레인들(PL2)을 포함하고, 하나의 플레인이 4개의 메모리 블록들을 포함하는 것으로 도시되어 있으나, 본 발명의 범위가 이에 한정되는 것은 아니며, 플레인들의 개수, 메모리 블록들의 개수, 또는 페이지들의 개수는 다양하게 변형될 수 있다. 예시적인 실시 예에서, 나머지 불휘발성 메모리들(NVM12~NVM44)은 앞서 설명된 불휘발성 메모리(NVM11)과 유사한 구조를 가질 수 있으며, 이에 대한 상세한 설명은 생략된다.
복수의 불휘발성 메모리들(NVM11~NVM44) 중 제1 일부(NVM11, NVM12, NVM13, NVM14)는 제1 채널(CH1)을 통해 스토리지 컨트롤러(1100)와 통신할 수 있고, 제2 일부(NVM21, NVM22, NVM23, NVM24)는 제2 채널(CH2)을 통해 스토리지 컨트롤러(1100)와 통신할 수 있고, 제3 일부(NVM31, NVM32, NVM33, NVM34)는 제3 채널(CH3)을 통해 스토리지 컨트롤러(1100)와 통신할 수 있고, 제4 일부(NVM41, NVM42, NVM43, NVM44)는 제4 채널(CH4)을 통해 스토리지 컨트롤러(1100)와 통신할 수 있다. 복수의 불휘발성 메모리들(NVM11~NVM44) 중 제1 일부(NVM11, NVM21, NVM31, NVM41)는 제1 웨이(WAY1)를 구성할 수 있고, 제2 일부(NVM12, NVM22, NVM32, NVM42)는 제2 웨이(WAY2)를 구성할 수 있고, 제3 일부(NVM13, NVM23, NVM33, NVM43)는 제3 웨이(WAY3)를 구성할 수 있고, 제4 일부(NVM14, NVM24, NVM34, NVM44)는 제4 웨이(WAY4)를 구성할 수 있다. 즉, 불휘발성 메모리 장치(1200)는 멀티-웨이/멀티-채널의 구조를 가질 수 있으며, 본 발명의 범위가 도 3에 도시된 구조에 한정되지 않음이 이해될 것이다.
예시적인 실시 예에서, 스토리지 장치(1000)는 불휘발성 메모리 장치(1200)에 포함된 복수의 메모리 블록들을 복수의 물리 스트림들을 기반으로 관리할 수 있다. 예를 들어, 도 4에 도시된 바와 같이, 스토리지 장치(1100)는 복수의 메모리 블록들 중 제1 메모리 블록들(BLK1)을 제1 물리 스트림 식별자(PSID1)에 대응하는 물리 스트림으로 관리할 수 있고, 제2 메모리 블록들(BLK2)을 제2 물리 스트림 식별자(PSID2)에 대응하는 물리 스트림으로 관리할 수 있고, 제3 메모리 블록들(BLK3)을 제3 물리 스트림 식별자(PSID3)에 대응하는 물리 스트림으로 관리할 수 있고, 제1 메모리 블록들(BLK4)을 제4 물리 스트림 식별자(PSID4)에 대응하는 물리 스트림으로 관리할 수 있다.
예시적인 실시 예에서, 동일한 물리 스트림 식별자(예를 들어, PSID1)에 대응하는 메모리 블록들(예를 들어, 제1 메모리 블록들(BLK1))은 동일한 플레인에 포함되거나, 동일한 불휘발성 메모리에 포함되거나, 동일한 채널과 연결된 불휘발성 메모리들에 포함되거나, 또는 동일한 웨이에 포함된 불휘발성 메모리들에 포함될 수 있다. 또는, 물리 스트림 식별자(예를 들어, PSID1)에 대응하는 메모리 블록들(예를 들어, 제1 메모리 블록들(BLK1))은 복수의 불휘발성 메모리들에 각각 분산될 수 있다. 그러나 상술된 내용은 단순 예시들이며, 본 발명의 범위가 이에 한정되는 것은 아니다.
도 2를 참조하여 설명된 바와 같이, 스트림 매핑 관리자(1110)는 유사한 특성을 갖는 가상 스트림들을 동일한 물리 스트림으로 매핑시킬 수 있고, 이에 따라, 유사한 특성을 갖는 가상 스트림들에 대응하는 데이터는 동일한 물리 스트림에 저장될 것이다. 이 경우, 동일한 물리 스트림에 저장된 데이터가 유사한 특성을 갖기 때문에, 스토리지 장치(1000)의 유지 관리 동작(예를 들어, 가비지 콜렉션)로 인한 성능 저하가 감소되거나 또는 WAF(write amplification factor)가 감소될 수 있다.
도 5는 도 2의 스트림 매핑 테이블을 예시적으로 보여주는 도면이다. 이하에서, 도면의 간결성 및 설명의 편의를 위하여, 물리 스트림 및 물리 스트림 식별자의 용어가 서로 교환적으로 사용된다. 즉, 물리 스트림을 지칭하기 위하여, 물리 스트림 식별자의 용어 또는 물리 스트림 식별자에 대한 참조 번호(예를 들어, PSID)가 사용될 수 있다. 마찬가지로, 가상 스트림 및 가상 스트림 식별자의 용어가 서로 교환적으로 사용수 있으며, 가상 스트림을 지칭하기 위하여, 가상 스트림 식별자의 용어 또는 가상 식별자에 대한 참조 번호(예를 들어, VSID)가 사용될 수 있다.
도 2 및 도 5를 참조하면, 스트림 매핑 테이블(SMT)은 복수의 물리 스트림들 각각과 가상 스트림들에 대한 매핑 정보를 포함할 수 있다. 예를 들어, 스토리지 장치(1000)는 4개의 물리 스트림들(PSID1~PSID4)을 지원할 수 있다. 이 때, 스토리지 장치(1000)(또는, 스트림 매핑 관리자(1110))에 의해, 복수의 가상 스트림들(VSID11~VSID1m)이 제1 물리 스트림(PSID1)으로 매핑될 수 있고, 복수의 가상 스트림들(VSID21~VSID2n)이 제2 물리 스트림(PSID2)으로 매핑될 수 있고, 복수의 가상 스트림들(VSID31~VSID3k)이 제3 물리 스트림(PSID3)으로 매핑될 수 있고, 복수의 가상 스트림들(VSID41~VSID4i)이 제4 물리 스트림(PSID4)으로 매핑될 수 있다. 스트림 매핑 테이블(SMT)은 상술된 바와 같은 매핑 정보를 포함할 수 있다.
앞서 설명된 바와 같이, 스트림 매핑 관리자(1110)는 스트림 매핑 테이블(SMT)을 기반으로 호스트(110)로부터 수신된 요청(RQ)에 대응하는 가상 스트림이 어느 물리 스트림에 매핑되었는지 확인할 수 있다. 호스트(110)로부터 수신된 요청(RQ)에 대응하는 가상 스트림이 스트림 매핑 테이블(SMT)에 존재하는 경우, 스트림 매핑 관리자(1110)는 대응하는 물리 스트림에서, 요청(RQ)에 대응하는 동작을 처리할 수 있다. 반면에, 가상 스트림이 스트림 매핑 테이블(SMT)에 존재하지 않는 경우, 스트림 매핑 관리자(1110)는 가상 스트림에 대응하는 물리 스트림을 할당 또는 매핑하기 위한 동작(즉, 스트림 매핑 동작 또는 스트림 클러스터링 동작)을 수행할 수 있다. 스트림 매핑 동작 또는 스트림 클러스터링 동작은 이하의 도면들을 참조하여 더욱 상세하게 설명된다.
도 6은 도 2의 스토리지 장치의 동작을 예시적으로 보여주는 순서도이다. 도 7은 도 6의 S140 단계의 동작을 상세하게 보여주는 순서도이다. 도 2, 도 6, 및 도 7을 참조하면, S110 단계에서, 스토리지 장치(1000)는 호스트(110)로부터 입출력 요청(RQ)을 수신할 수 있다. 본 발명의 기술적 사상을 용이하게 설명하기 위하여, 입출력 요청(RQ)은 쓰기 요청인 것으로 가정한다.
S120 단계에서, 스토리지 장치(1000)는 입출력 요청(RQ)에 대응하는 가상 스트림 식별자(VSID)를 판별할 수 있다. 예를 들어, 도 2를 참조하여 설명된 바와 같이, 가상 스트림 식별자(VSID)가 호스트(110)에 의해 직접적으로 관리되는 경우, 가상 스트림 식별자(VSID)에 대한 정보는 입출력 요청(RQ)에 포함될 수 있다. 이 경우, 스토리지 컨트롤러(1100)는 입출력 요청(RQ)을 기반으로, 입출력 요청(RQ)에 대응하는 가상 스트림 식별자(VSID)를 판별할 수 있다. 반면에, 가상 스트림 식별자(VSID)가 호스트(110)에 의해 직접적으로 관리되지 않는 경우, 스토리지 컨트롤러(1100)는 입출력 요청(RQ)에 대한 다양한 정보(예를 들어, 논리 주소, 데이터 크기 등)을 기반으로 입출력 요청(RQ)에 대한 가상 스트림 식별자(VSID)를 부여하고 관리할 수 있다. 설명의 편의를 위하여, 이하에서, 호스트(110)로부터의 입출력 요청(RQ)에 대응하는 가상 스트림 식별자는 "제0 가상 스트림 식별자"라 칭하고, 제0 가상 스트림 식별자에 대응하는 가상 스트림은 제0 가상 스트림이라 칭한다.
S130 단계에서, 스토리지 장치(1000)는 제0 가상 스트림 식별자(VSID0)가 물리 스트림에 할당되었는지 또는 매핑되었는지 판별할 수 있다. 예를 들어, 스토리지 장치(1000)의 스토리지 컨트롤러(1100)는 스트림 매핑 테이블(SMT)을 기반으로, 제0 가상 스트림 식별자(VSID0)가 물리 스트림에 할당되었는지 판별할 수 있다. 제0 가상 스트림 식별자(VSID0)가 할당된 물리 스트림이 존재하는 경우, S190 단계에서, 스토리지 장치(1000)는 대응하는 물리 스트림(PS)에서, 입출력 요청(RQ)에 대응하는 동작을 수행할 수 있다. 예를 들어, 스토리지 장치(1000)의 스토리지 컨트롤러(1100)는 입출력 요청(RQ)에 대응하는 데이터를, 대응하는 물리 스트림(PS) 또는 물리 스트림(PS)에 포함된 메모리 블록들 중 하나에 저장할 수 있다.
제0 가상 스트림에 대하여 할당된 물리 스트림이 존재하지 않는 경우, S140 단계에서, 스토리지 장치(1000)의 스토리지 컨트롤러(1100)는 복수의 물리 스트림들(PS) 각각과 제0 가상 스트림 사이의 거리 정보(DS)를 연산할 수 있다. 예시적인 실시 예에서, 거리 정보(DS)는 제0 가상 스트림과 복수의 물리 스트림들(PS) 각각에 대한 유사도(또는 스트림 유사도)를 가리키는 값일 수 있다. 스트림 유사도는 복수의 물리 스트림들 각각에 포함된 가상 스트림들의 특징과 제0 가상 스트림의 특징이 어느 정도 유사한지를 가리키는 인자(factor)일 수 있다. 예시적인 실시 예에서, 거리 정보(DS)를 연산하는 동작은 기계 학습을 기반으로 수행될 수 있다.
좀 더 상세한 예로서, 도 7에 도시된 바와 같이, S140 단계의 동작은 S141 단계 내지 S143 단계의 동작들을 포함할 수 있다. S141 단계에서, 스토리지 장치(1000)는 기계 학습 모델을 사용하여, 복수의 물리 스트림들 각각에 대한 대표 값(또는 대표 벡터)를 추출할 수 있다. 예를 들어, 복수의 물리 스트림들 각각에 대한 대표 값은 복수의 물리 스트림들 각각에 할당된 가상 스트림들 중 어느 하나에 대응하는 특징 값일 수 있다. 특징 값은 대응하는 가상 스트림에 대한 처리량(Throughput), 논리 주소 범위, 순차성, 연속성, 지속성 등과 같은 다양한 정보 중 어느 하나 또는 둘 이상의 조합일 수 있다. 예시적인 실시 예에서, 특징 값은 입출력 모니터(1150)(도 2 참조)에 의해 직접 모니터링된 값이거나, 또는 모니터링된 값들의 조합일 수 있다.
스토리지 장치(1000)의 스토리지 컨트롤러(1100)는 스트림 정보(SDB)에 저장된 정보를 기반으로, 기계 학습을 사용하여 복수의 물리 스트림들 각각에 대한 대표 값을 추출할 수 있다.
S142 단계에서, 스토리지 장치(1000)는 기계 학습 모델을 사용하여, 제0 가상 식별자(VSID0)에 대한 제0 대표 값(또는 제0 대표 벡터)를 추출할 수 있다. 제0 대표 값은 제0 가상 스트림에 대응하는 특징 값일 수 있다. 특징 값은 앞서 설명되었으므로, 이에 대한 상세한 설명은 생략된다.
S143 단계에서, 스토리지 장치(1000)는 추출된 값들을 기반으로 거리 정보를 연산할 수 있다. 예를 들어, 스토리지 장치(1000)의 스토리지 컨트롤러(1100)는 추출된 대표 값들 각각과 제0 대표 값 사이의 논리적 거리를 연산하고, 연산된 거리를 수치화하여 거리 정보로서 출력할 수 있다. 예시적인 실시 예에서, 앞서 설명된 바와 같이, 거리 정보(DS)는 복수의 물리 스트림들 각각에 대한 제0 가상 스트림의 유사도를 가리킬 수 있다.
S140 단계 이후에, S150 단계에서, 스토리지 장치(1000)는 거리 정보(DS)가 기준 값(REF)보다 작은지 판별할 수 있다. 예를 들어, 거리 정보(DS)는 타겟 가상 스트림과 복수의 물리 스트림들(PS) 각각에 대한 유사도에 대한 복수의 값들을 포함할 수 있다. 스토리지 장치(1000)의 스토리지 컨트롤러(1100)는 복수의 값들 중 적어도 하나가 기준 값(REF)보다 작은지 판별할 수 있다.
거리 정보(DS)가 기준 값(REF)보다 작지 않은 경우, S160 단계에서, 스토리지 장치(1000)는 할당되지 않은 남은 물리 스트림이 존재하는지 판별할 수 있다. 할당되지 않은 남은 물리 스트림이 존재하는 경우, S170 단계에서, 스토리지 장치(1000)는 남은 물리 스트림들 중 하나를 선택할 수 있다. 예를 들어, 스토리지 장치(1000)의 스토리지 컨트롤러(1100)는 남은 물리 스트림들 중 하나를 제0 가상 스트림에 대하여 할당 또는 매핑할 수 있다.
S150 단계에서, 거리 정보(DS)가 기준 값(REF)보다 작거나 또는 S160 단계에서, 남은 물리 스트림이 존재하지 않는 경우, S180 단계에서, 스토리지 장치(1000)는 가장 작은 거리 정보(DS)에 포함된 복수의 값들 중 가장 작은 값과 대응되는 물리 스트림을 선택할 수 있다. 예를 들어, 거리 정보(DS)가 기준 값(REF)보다 적다는 것은, 복수의 물리 스트림들 중 제0 가상 스트림과 유사도가 높은 물리 스트림이 존재함을 의미할 수 있다. 또는 거리 정보가 작을수록 또는 "0"에 가까울수록 유사도가 높음을 의미할 수 있다. 만약 제1 물리 스트림이 제0 가상 스트림과의 유사도가 높다면, 제1 물리 스트림과 매핑된 다른 가상 스트림들은 제0 가상 스트림과 유사도가 높을 것이다. 즉, 거리 정보(DS)에 포함된 복수의 거리 값들 중 가장 작은 거리 값과 대응되는 물리 스트림이 제0 가상 스트림을 위하여 선택될 수 있다. 또는, 거리 정보(DS)가 기준 값(REF)보다 작지 않더라도, 남은 물리 스트림이 존재하지 않는 경우, 할당된 물리 스트림들 중 가장 작은 거리 값과 대응되는 물리 스트림이 선택됨으로써, 제0 가상 스트림과 유사도가 높은 물리 스트림이 선택될 것이다.
예시적인 실시 예에서, 적어도 2개의 거리 값들이 서로 동일하고, 가장 작은 경우, 스토리지 장치(1000)는 별도의 내부 정책에 따라 물리 스트림을 선택할 수 있다. 예를 들어, 스토리지 장치(1000)는 가장 작은 적어도 2개의 거리 값들 각각에 대응하는 물리 스트림들 중, 상대적으로 메모리 블록이 덜 할당된 물리 스트림을 선택할 수 있다. 또는, 스토리지 장치(1000)는 가장 작은 적어도 2개의 거리 값들 각각에 대응하는 물리 스트림들에 대한 다른 정보를 비교함으로써, 물리 스트림을 선택할 수 있다.
이후에, 스토리지 장치(1000)는 S190 단계의 동작을 수행할 수 있다. S190 단계의 동작은 앞서 설명되었으므로, 이에 대한 상세한 설명은 생략된다.
예시적인 실시 예에서, 스토리지 징치(1000)는 제0 가상 스트림에 대하여 할당된 물리 스트림에 대한 정보를 기반으로 스트림 매핑 테이블(SMT)을 갱신할 수 있다. 예를 들어, 스토리지 장치(1000)는 제0 가상 스트림 식별자 및 할당된 물리 스트림 식별자의 매핑 정보를 스트림 매핑 테이블(SMT)에 갱신할 수 있다.
상술된 바와 같이, 본 발명의 실시 예에 따른 스토리지 장치(1000)는 복수의 물리 스트림들 각각에 대한 대표 값을 추출하고, 추출된 대표 값 및 호스트(110)로부터의 가상 스트림에 대한 대표 값을 비교함으로써, 가상 스트림과 가장 유사도가 높은 물리 스트림을 선택할 수 있다. 또한, 유사도를 판별함에 있어서, 다양한 스트림 정보로부터 추출된 대표 값을 사용하고, 다양한 스트림 정보들이 주기적 또는 실시간으로 반영될 수 있기 때문에, 유사도 판별의 정확도가 향상될 수 있다. 따라서, 유사도가 높은 가상 스트림들이 동일한 물리 스트림으로 할당 또는 매핑되기 때문에, 스토리지 장치(1000)의 유지 관리 동작으로 인한 성능 감소가 방지될 수 있다.
도 8은 도 2의 스토리지 컨트롤러의 거리 정보 연산 과정을 설명하기 위한 예시적인 도면이다. 도 9는 도 8의 물리 스트림 데이터 베이스를 예시적으로 보여주는 도면이다. 도 10은 도 8의 대표 값 추출기를 좀 더 상세하게 보여주는 도면이다. 이하에서, 도면의 간결성을 위하여, 거리 정보 연산 및 스트림 매핑 동작을 설명하는데 불필요한 구성 요소들은 생략된다. 또한 설명의 편의를 위하여, 스토리지 장치(1000)는 4개의 물리 스트림들(PSID1, PSID2, PSID3, PISID4)을 관리하는 것으로 가정한다. 그러나 본 발명의 범위가 이에 한정되는 것은 아니며, 스토리지 장치(1000)에 의해 관리되는 물리 스트림들의 개수는 다양하게 변형될 수 있다.
도 2 및 도 8 내지 도 10을 참조하면, 스토리지 컨트롤러(1100)는 스트림 정보(SDB), 스트림 매핑 관리자(1110), 및 불휘발성 메모리 인터페이스 회로(1140)를 포함할 수 있다.
스트림 정보(SDB)는 제1 내지 제4 물리 스트림에 대한 정보들(PSDB1~PSDB4)(이하에서, "제1 내지 제4 물리 스트림 정보"라 칭함.)을 포함할 수 있다. 제1 내지 제4 물리 스트림 정보들(PSDB1~PSDB4) 각각은 대응하는 가상 스트림에 대한 특징들을 포함할 수 있다. 예를 들어, 도 9에 도시된 바와 같이, 제1 물리 스트림 정보(PSDB1)는 제1 물리 스트림(PSID1)으로 매핑된 가상 스트림들(VSID11~VSID14) 각각에 대한 가상 스트림 특징들(VSF11~VSF14)을 포함할 수 있다. 제2 물리 스트림 정보(PSDB2)는 제2 물리 스트림(PSID2)으로 매핑된 가상 스트림들(VSID21~VSID24) 각각에 대한 가상 스트림 특징들(VSF21~VSF24)을 포함할 수 있다. 제3 물리 스트림 정보(PSDB3)는 제3 물리 스트림(PSID3)으로 매핑된 가상 스트림들(VSID31~VSID34) 각각에 대한 가상 스트림 특징들(VSF31~VSF34)을 포함할 수 있다. 제4 물리 스트림 정보(PSDB4)는 제4 물리 스트림(PSID4)으로 매핑된 가상 스트림들(VSID41~VSID44) 각각에 대한 가상 스트림 특징들(VSF41~VSF44)을 포함할 수 있다.
가상 스트림 특징들(VSF11~VSF44) 각각은 가상 스트림들(VSID11~VSID44) 각각에 대한 다양한 정보를 포함할 수 있다. 예를 들어, 제1 물리 스트림(PSID1)으로 매핑된 가상 스트림(VSID11)에 대한 가상 스트림 특징(VSF11)은 제1 가상 스트림(VSID1)에 대한 처리량(TP; throughput), 논리 블록 주소 범위(LR; logical block address range), 주기성(UP; updateness), 순차성(SQ; sequentiality), 연속성(BS; burstness) 등과 같은 다양한 정보를 포함할 수 있다. 가상 스트림 특징(VSF11)은 입출력 모니터(1150)(도 2 참조)에 의해 모니터링된 값이거나 또는 모니터링된 값들의 조합일 수 있다. 나머지 가상 스트림 특징들(VSF12~VSF44) 각각은 대응하는 가상 스트림에 대한 다양한 정보를 포함할 수 있으며, 이는 앞서 설명된 바와 유사하므로 이에 대한 상세한 설명은 생략된다.
스트림 매핑 관리자(1110)는 스트림 정보(SDB) 및 제0 가상 스트림(VSID0)(즉, 호스트(110)로부터의 요청(RQ)에 대응하는 가상 스트림)에 대한 제0 가상 스트림 특징(VSF0)을 기반으로 제0 가상 스트림(VSID0)에 대한 물리 스트림(PSID)를 결정할 수 있다.
예를 들어, 스트림 매핑 관리자(1110)는 대표 값 추출기(1111), 거리 함수 엔진(1112), 및 물리 스트림 판별기(1113)를 포함할 수 있다. 대표 값 추출기(1111)는 스트림 정보(SDB)의 제1 내지 제4 물리 스트림 정보(PSDB1~PSDB4) 각각의 가상 스트림 특징들(VFS1x~VSF4x) 및 제0 가상 스트림 특징(VSF0)으로부터 제0 내지 제4 대표 값들(RV0~RV4)을 추출할 수 있다. 예시적인 실시 예에서, 대표 값 추출기(1111)는 사전에 학습된 기계 학습 모델을 기반으로 상술된 대표 값 추출 동작을 수행할 수 있다.
좀 더 상세한 예로서, 도 10에 도시된 바와 같이, 대표 값 추출기(1111)는 선택 엔진(1111a) 및 추출 엔진(1111b)을 포함할 수 있다. 선택 엔진(1111a)은 복수의 선택 모델들(SM1~SM4)을 포함할 수 있다. 선택 엔진(1111a)은 제1 내지 제4 선택 모델들(SM1~SM4)을 사용하여, 제1 내지 제4 물리 스트림 정보(PSDB1~PSDB4) 각각으로부터의 복수의 가상 스트림 특징들(VSF1x~VSF4x) 중 대응하는 가상 스트림 특징들(VSFa~VSFd)을 선택할 수 있다.
예시적인 실시 예에서, 복수의 선택 모델들(SM1~SM4) 각각은 기계 학습을 통해 사전에 학습된 모델일 수 있다. 기계 학습은 샴 네트워크(Siamese Network), 심층 신경망(deep neural network), 컨볼루션 신경망(convolution neural network), 오토인코더(Auto-encoder) 등과 같은 다양한 기계 학습 방식들 중 하나를 포함할 수 있다. 예시적인 실시 예에서, 복수의 선택 모델들(SM1~SM4) 각각은 서로 다른 학습 모델일 수 있거나, 또는 복수의 선택 모델들(SM1~SM4)은 단일 학습 모델일 수 있다. 즉, 선택 엔진(1111a)은 복수의 선택 모델들(SM1~SM4)을 사용하여, 복수의 물리 스트림들 각각에 대하여, 대응하는 가상 스트림 특징들 중 중요도가 높은 가상 스트림 특징을 선택할 수 있다. 예시적인 실시 예에서, 가상 스트림 특징의 중요도가 높다는 것은, 가상 스트림 특징이, 대응하는 물리 스트림 또는 대응 물리 스트림에 포함된 복수의 가상 스트림들에 대한 대한 특징을 대표하는 것임을 의미할 수 있다.
추출 엔진(1111b)은 복수의 추출 모델들(EM0~EM4)을 포함할 수 있다. 추출 엔진(1111b)은 제0 내지 제4 추출 모델들(EM0~EM4)을 사용하여, 제0 가상 스트림 특징(VSF0) 및 선택된 가상 스트림들(VSFa~VSFd)으로부터 제0 내지 제4 대표 값들(RV0~RV4)을 각각 추출할 수 있다.
예시적인 실시 예에서, 복수의 추출 모델들(EM0~EM4) 각각은 기계 학습을 통해 사전에 학습된 모델일 수 있다. 기계 학습은 앞서 설명된 바와 같은 다양한 기계 학습 방식들 중 하나를 포함할 수 있다. 예시적인 실시 예에서, 복수의 추출 모델들(EM0~EM4) 각각은 서로 다른 학습 모델일 수 있거나, 또는 복수의 추출 모델들(EM0~EM4)은 단일 학습 모델일 수 있다. 즉, 추출 엔진(1111b)은 복수의 추출 모델들(EM0~EM4)을 사용하여, 복수의 가상 스트림 특징들 각각에서, 중요도가 높은 정보를 대표 값으로서 추출할 수 있다. 대표 값의 중요도가 높다는 것은, 대표 값이 대응하는 물리 스트림에 대한 특징을 대표함을 의미할 수 있다. 일 예로서, 특정 물리 스트림에 대하여, 대용량 데이터에 대한 가상 스트림들이 매핑되거나 또는 할당되는 경우, 특정 물리 스트림에 대한 대표 값은 논리 블록 주소 범위, 데이터 크기 등과 같이 대용량 데이터를 표현할 수 있는 특징 값일 수 있다. 또는, 특정 물리 스트림에 대하여, 핫 데이터에 대한 가상 스트림들이 매핑되거나 또는 할당되는 경우, 특정 물리 스트림에 대한 대표 값은 주기성 등과 같이 데이터의 갱신 주기를 나타내는 특징 값일 수 있다. 그러나, 상술된 내용들은 예시적인 것이며, 본 발명의 범위가 이에 한정되는 것은 아니다. 예시적인 실시 예에서, 복수의 스트림 특징들 각각으로부터 추출된 대표 값은 하나의 정보에 대응하거나 또는 적어도 둘 이상의 정보에 대응할 수 있다. 또는 복수의 스트림 특징들 각각으로부터 추출된 대표 값은 서로 다른 타입의 정보일 수 있다.
다시 도 8을 참조하면, 대표 값 추출기(1111)는 앞서 설명된 바와 같이, 기계 학습을 통해 사전에 학습된 모델들을 기반으로 제0 내지 제4 대표 값들(RV0~RV4)을 추출할 수 있다.
거리 함수 엔진(1112)은 대표 값 추출기(1111)에 의해 추출된 대표 값들(RV0~RV4)을 기반으로, 거리 정보(DS)를 연산하도록 구성될 수 있다. 예를 들어, 앞서 설명된 바와 같이, 제0 대표 값(RV0)은 호스트(110)로부터 수신된 요청(RQ)의 제0 가상 스트림(VSID0)에 대응하는 대표 값이고, 제1 내지 제4 대표 값들(RV1~RV4)은 스토리지 장치(1000)에 의해 관리되는 제1 내지 제4 물리 스트림들(PSID1~PSID4)에 각각 대응하는 대표 값일 수 있다. 거리 함수 엔진(1112)은 제0 대표 값(RV0)과 제1 내지 제4 대표 값들(RV1~RV4) 각각을 비교하고, 비교 결과를 거리 정보(DS)로 출력할 수 있다. 즉, 거리 정보(DS)는 제1 내지 제4 거리 값들 (ds1~ds4)을 포함할 수 있다. 제1 거리 값(ds1)은 제0 가상 스트림(VSID0)과 제1 물리 스트림(PSID1) 사이의 유사도(similarity)를 가리킬 수 있고, 제2 거리 값(ds2)은 제0 가상 스트림(VSID0)과 제2 물리 스트림(PSID2) 사이의 유사도를 가리킬 수 있고, 제3 거리 값(ds3)은 제0 가상 스트림(VSID0)과 제3 물리 스트림(PSID3) 사이의 유사도를 가리킬 수 있고, 제4 거리 값(ds4)은 제0 가상 스트림(VSID0)과 제4 물리 스트림(PSID4) 사이의 유사도를 가리킬 수 있다. 예시적인 실시 예에서, 거리 함수 엔진(1112)은 기계 학습을 통해 사전에 학습된 학습 모델을 사용하여, 상술된 거리 정보(DS)을 연산하도록 구성될 수 있다.
물리 스트림 판별기(1113)는 거리 함수 엔진(1112)으로부터 거리 정보(DS)을 수신하고, 수신된 거리 정보(DS)을 기반으로, 제0 가상 스트림(VSID0)에 대응하는 물리 스트림 또는 물리 스트림 식별자(PSID)를 결정할 수 있다. 예를 들어, 물리 스트림 판별기(1113)는 거리 정보(DS)에 포함된 제1 내지 4 거리 값들(ds1~ds4) 중 기준 값(REF)보다 작은 값이 존재하는지 판별할 수 있다. 또는, 제1 내지 4 거리 정보(ds1~ds4) 중 기준 값(REF)보다 작은 값이 존재하지 않고 다른 물리 스트림들이 존재한다면, 물리 스트림 판별기(1113)는 제1 내지 제4 물리 스트림들(PSID1~PSID4) 이외의 다른 물리 스트림을 제0 가상 스트림(VSID0)에 대응하는 물리 스트림으로서 선택할 수 있다.
또는, 제1 내지 4 거리 정보(ds1~ds4) 중 기준 값(REF)보다 작은 값이 존재하지 않고, 다른 물리 스트림들도 존재하지 않는다면, 물리 스트림 판별기(1113)는 제1 내지 4 거리 정보(ds1~ds4) 가장 작은 값과 대응되는 물리 스트림을 제0 가상 스트림(VSID0)에 대응하는 물리 스트림으로서 선택할 수 있다. 또는, 제1 내지 4 거리 정보(ds1~ds4) 중 기준 값(REF)보다 작은 값이 존재하는 경우, 물리 스트림 판별기(1113)는 제1 내지 4 거리 정보(ds1~ds4) 중 가장 작은 값과 대응되는 물리 스트림을 제0 가상 스트림(VSID0)에 대응하는 물리 스트림으로 선택할 수 있다.
예를 들어, [ds1, ds2, ds3, ds4]가 [0.52, 0.83, 0.15, 0.41]인 것으로 가정한다. 이 때, 기준 값(REF)이 "0.2"이면, ds3가 기준 값(REF)보다 작기 때문에, 가장 작은 값인 제3 거리 정보(ds3)와 대응되는 제3 물리 스트림(PSID3)이 제0 가상 스트림(VSID0)에 대응하는 물리 스트림으로 선택될 수 있다. 만약, 기준 값(REF)이 "0.1"이고, 할당되지 않은 다른 물리 스트림(예를 들어, 제5 물리 스트림(미도시))이 존재한다면, 할당되지 않은 다른 물리 스트림이 제0 가상 스트림(VSID0)에 대응하는 물리 스트림으로 선택될 수 있다. 기준 값(REF)이 "0.1"이고, 할당되지 않은 다른 물리 스트림(예를 들어, 제5 물리 스트림(미도시))이 존재하지 않는다면, 가장 작은 값인 제3 거리 정보(ds3)와 대응되는 제3 물리 스트림(PSID3)이 제0 가상 스트림(VSID0)에 대응하는 물리 스트림으로 선택될 수 있다.
선택된 물리 스트림에 대응하는 물리 스트림 식별자(PSID)는 불휘발성 메모리 인터페이스 회로(1140)로 제공될 수 있고, 불휘발성 메모리 인터페이스 회로(1140)는 선택된 물리 스트림 식별자(PSID)에 대한 동작(즉, 요청(RQ)에 대응하는 동작)을 수행할 수 있다. 예시적인 실시 예에서, 선택된 물리 스트림에 대응하는 물리 스트림 식별자(PSID)는 플래시 변환 계층(FTL)(미도시)으로 제공될 수 있으며, 플래시 변환 계층(FTL)은 선택된 물리 스트림 식별자(PSID)를 기반으로 불휘발성 메모리 장치(1200)에 포함된 복수의 메모리 블록들 중, 요청(RQ)에 대응하는 동작이 수행될 메모리 블록을 선택 또는 할당할 수 있다. 예를 들어, 제3 물리 스트림(PSID3)이 선택된 경우, 도 4를 참조하여 설명된 바와 같이, 제3 물리 스트림(PSID3)에 대응하는 제3 메모리 블록들(BLK3) 중 적어도 하나가 요청(RQ)에 대응하는 동작이 수행될 메모리 블록으로서 선택될 수 있다.
도 11a 및 도 11b는 도 8 및 도 9의 대표 값 추출기의 동작을 설명하기 위한 도면들이다. 도면의 간결성 및 설명의 편의를 위하여, 선택 모델들(SM1~SM4)의 구성은 도 11a 및 도 11b에서 생략된다.
도 8, 도 11a, 및 도 11b를 참조하면, 앞서 설명된 바와 같이, 선택 엔진(1111a)은 제1 내지 제4 물리 스트림 정보(PSDB1~PSDB4) 각각을 기반으로 가상 스트림 특징들(VSFa~VSFd)을 선택할 수 있다. 예를 들어, 선택 엔진(1111a)은 제1 물리 스트림 정보(PSDB1)를 기반으로, 제1 물리 스트림(PSID1)에 매핑된 가상 스트림들(VSID11~VSID14) 중 가상 스트림(VSID11)과 대응되는 가상 스트림 특징(VSF11)을 제1 물리 스트림(PSID1)에 대응하는 가상 스트림 특징(VSFa)으로서 선택할 수 있다. 마찬가지로, 선택 엔진(1111a)은 제2 내지 제4 물리 스트림 정보(PSDB2~PSDB4)를 기반으로, 제2 내제 제4 물리 스트림들(PSID2~PSID4) 각각에 매핑된 가상 스트림들(VSID21~VSID44) 중 가상 스트림들(VSID23, VSID32, VSID44)과 대응되는 가상 스트림 특징들(VSF23, VSF32, VSF44)을 제2 내지 제4 물리 스트림들(PSID2~PSID4) 각각에 대응하는 가상 스트림 특징들(VSFb, VSFc, VSFd)로서 선택할 수 있다. 선택 엔진(1111a)은 기계 학습을 통해 사전 학습된 선택 모델들(SM1~SM4)(도 10 참조)을 기반으로, 상술된 선택 동작을 수행할 수 있다.
추출 엔진(1111b)은 선택 엔진(1111a)에 의해 선택된 가상 스트림 특징들(VSFa~VSFd) 및 제0 가상 스트림 특징(VSF0)을 기반으로 제0 내지 제4 대표 값들(RV0~RV4)을 추출할 수 있다. 이 때, 제0 내지 제4 대표 값들(RV0~RV4) 각각은 동일한 타입의 정보를 포함하거나 또는 서로 다른 타입의 정보를 포함할 수 있다.
예를 들어, 도 11a에 도시된 바와 같이, 추출 엔진(1111b)은 복수의 추출 모델들(EM0~EM4)을 통해, 제0 가상 스트림 특징(VSF0) 및 선택된 가상 스트림 특징들(VSFa~VSFd)으로부터 제0 내지 제4 대표 값들(RV0~RV4)을 각각 추출할 수 있다. 이 때, 제0 내지 제4 대표 값들(RV0~RV4)은 대응하는 가상 스트림에 대한 처리량에 대한 정보(TP0, TP11, TP23, TP32, TP44)를 각각 포함할 수 있다. 즉, 추출 엔진(1111b)에 의해 추출된 제0 내지 제4 대표 값들(RV0~RV4)은 동일한 타입의 정보를 포함할 수 있다. 이 경우, 추출 엔진(1111b)에 포함된 복수의 추출 모델들(EM0~EM4)은 기계 학습을 통해 사전 학습된 단일-모델일 수 있다. 즉, 추출 엔진(1111b)은 단일 모델을 사용하여, 제0 내지 제4 대표 값들(RV0~RV4)을 추출할 수 있다.
반면에, 도 11b에 도시된 바와 같이, 추출 엔진(1111b')으로부터 추출된 대표 값들(RV0~RV4)은 서로 다른 타입의 정보를 포함할 수 있다. 예를 들어, 제1 물리 스트림(PSID1)에 대응하는 제1 대표 값(RV1)은 제1 물리 스트림(PSID1)의 가상 스트림(VSID11)에 대한 처리량(TP11)에 대한 정보를 포함할 수 있고, 제2 물리 스트림(PSID2)에 대응하는 제2 대표 값(RV2)은 제2 물리 스트림(PSID2)의 가상 스트림(VSID23)에 대한 논리 블록 어드레스 범위(LR23)에 대한 정보를 포함할 수 있고, 제3 물리 스트림(PSID3)에 대응하는 제3 대표 값(RV3)은 제3 물리 스트림(PSID3)의 가상 스트림(VSID32)에 대한 주기성(UP32)에 대한 정보를 포함할 수 있고, 제4 물리 스트림(PSID4)에 대응하는 제4 대표 값(RV4)은 제4 물리 스트림(PSID4)의 가상 스트림(VSID44)에 대한 처리량(TP44)에 대한 정보를 포함할 수 있다. 이 때, 제0 가상 스트림(VSID0)에 대응하는 제0 대표 값(RV0)은 다른 대표 값들(RV1~RV4)과의 비교를 위하여, 처리량(TP0), 논리 블록 어드레스 범위(LR0), 및 주기성(UP0)에 대한 정보를 모두 포함할 수 있다. 이 경우, 제1 및 제4 추출 모델들(EM1, EM4)은 서로 동일한 단일 학습 모델일 수 있으며, 다른 추출 모델들(EM0, EM2, EM3)은 서로 다른 학습 모델일 수 있다.
예시적인 실시 예에서, 제1 내지 제4 물리 스트림들(PSID1~PSID4)에 대응하는 제1 내지 제4 대표 값들(RV1~RV4)을 추출하도록 구성된 추출 모델들(EM1~EM4)은 대응하는 물리 스트림에 대한 정보(예를 들어, 물리 스트림 식별자(PSID1~PSID4))를 각각 입력으로서 수신할 수 있다. 즉, 추출 모델들(EM1~EM4)은 대응하는 물리 식별자들(PSID1~PSID4) 및 대응하는 가상 스트림 특징들(VSFa~VSFd)을 기반으로 제1 내지 제4 대표 값들(RV1~RV4)을 추출할 수 있다.
상술된 실시 예들에서, 대표 값 추출기(1111)는 복수의 물리 스트림들 각각에 대하여 하나의 가상 스트림 특징을 선택하고, 선택된 가상 스트림 특징으로부터 하나의 정보를 추출하는 것으로 설명되었으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 예를 들어, 대표 값 추출기(1111)의 선택 엔진(1111a)은 복수의 물리 스트림들 각각에 대하여 적어도 2개 이상의 가상 스트림 특징들을 선택할 수 있다. 또는 대표 값 추출기(1111)의 추출 엔진(1111b)은 선택된 가상 스트림 특징의 다양한 정보 중 적어도 2개 이상의 타입의 정보를 조합하거나 또는 재가공 또는 재연산함으로써, 새로운 타입의 정보를 산출하도록 구성될 수 있다. 새로운 타입의 정보는 추출 엔진(1111b)의 기계 학습에 의해 결정될 수 있다.
도 12는 도 8의 거리 함수 엔진을 설명하기 위한 예시적인 도면이다. 설명의 편의 및 도면의 간결성을 위하여, 도 12에서는, 거리 정보(DS)에 포함된 복수의 거리 정보 중 하나의 거리 정보를 산출하는 구성이 개략적으로 도시된다. 그러나 본 발명의 범위가 이에 한정되는 것은 아니며, 거리 함수 엔진은 도 12에 도시된 구성을 기반으로 확장 또는 변형될 수 있음이 이해될 것이다.
도 8 및 도 12를 참조하면, 추출 엔진(1111b)은 제0 및 제1 컨볼루션 레이어들(CN0, CN1)을 포함할 수 있다. 예시적인 실시 예에서, 제0 컨볼루션 레이어(CN0)는 제0 추출 모델(EM0)을 가리킬 수 잇고, 제1 컨볼루션 레이어(CN1)는 제1 추출 모델(EM1)을 가리킬 수 있다. 제0 컨볼루션 레이어(CN0)는 x0의 값을 입력받고, h0의 값을 추출 또는 출력할 수 있다. 제1 컨볼루션 레이어(CN1)는 x1의 값을 입력받고, h1의 값을 추출 또는 출력할 수 있다. 예시적인 실시 예에서, x0의 값은 제0 가상 스트림 특징(VSF0)을 가리킬 수 있고, h0의 값은 제0 대표 값(RV0)을 가리킬 수 있다. x1의 값은 제1 물리 스트림(PSID1)에 대응하는 가상 스트림 특징(VSFa)을 가리킬 수 있고, h1의 값은 제1 대표 값(RV1)을 가리킬 수 있다. 예시적인 실시 예에서, x0, x1, h0, 및 h1 각각은 대응하는 정보를 포함하는 벡터 값일 수 있다.
예시적인 실시 예에서, 제0 및 제1 컨볼루션 레이어들(CN0, CN1)은 유사도 연산의 대칭성을 위해(즉, 동일한 타입의 정보를 추출하기 위해), 학습된 파라미터들을 공유하도록 구성될 수 있다. 예시적인 실시 예에서, 제0 및 제1 컨볼루션 레이어들(CN0, CN1)은 특징 추출(Feature Extraction)의 다른 학습 모델 또는 다른 특징 추출 기법을 기반으로 구현될 수 있다.
거리 함수 엔진(1112)은 전-연결-레이어(FCN)(Jointed Fully-connected Net Layer)를 포함할 수 있다. 전-연결-레이어(FCN)는 제0 컨볼루션 레이어(CN0)로부터 h0의 값을 입력받고, 제1 컨볼루션 레이어(CN1)로부터 h1의 값을 입력받을 수 있다. 전-연결-레이어(FCN)는 입력된 h0 및 h1의 값들을 기반으로, p의 값을 출력 또는 산출할 수 있다. 예시적인 실시 예에서, p의 값은 제1 거리 값(ds1)일 수 있고, 제1 거리 값(ds1)은 RV1과 RV0의 차이에 대응하는 값으로 표현될 수 있다. 즉, , p의 값은 수학식 1과 같이 산출될 수 있다.
Figure pat00001
수학식 1을 참조하면, p는 전-연결-레이어(FCN)의 출력을 가리키고, σ는 p의 값이 0 내지 1 사이의 값을 갖도록 하는 함수를 가리키고, a는 전-연결-레이어(FCN)에서 사용되는 가중치를 가리킨다. 상술된 바와 같이, 수학식 1을 통해 p의 값이 산출될 수 있으며, p의 값은 h0의 값 및 h1의 값 사이의 유사도를 가리킬 수 있다. 다시 말해서, p의 값은 제0 가상 스트림 및 제1 물리 스트림 사이의 유사도를 가리킬 수 있다.
상술된 바와 같이, 본 발명의 실시 예에 따른 스토리지 장치(1000)는 호스트(110)로부터의 가상 스트림을 스토리지 장치(1000)에서 관리되는 물리 스트림으로 매핑 또는 클러스터링시킬 수 있다. 이 때, 가상 스트림들의 개수는 물리 스트림들의 개수보다 많을 수 있다. 스토리지 장치(1000)는 사전에 물리 스트림들로 매핑된 가상 스트림들에 대한 가상 스트림 특징들을 기반으로 물리 스트림들 각각에 대한 대표 값을 추출하고, 추출된 대표 값 및 호스트(110)로부터의 가상 스트림에 대한 대표 값을 비교함으로써, 거리 정보(즉, 스트림 유사도)를 산출할 수 있다. 스토리지 장치(1000)는 산출된 거리 정보를 기반으로 호스트(110)로부터의 가상 스트림에 대응하는 물리 스트림을 선택할 수 있다.
예시적인 실시 예에서, 상술된 대표 값 추출 및 거리 정보 연산 등의 동작은 다양한 기계 학습 방식을 통해 사전 학습된 학습 모델을 통해 수행될 수 있다. 이 경우, 단순히 사전에 지정된 방식을 기반으로 가상 스트림을 클러스터링하는 방식과 비교하여, 가상 스트림에 대한 다양한 특징들을 사용하기 때문에, 스트림 유사도에 대한 정확성이 향상될 수 있다. 즉, 유사한 특징을 갖는 가상 스트림들이 동일한 물리 스트림으로 매핑될 수 있기 때문에, 스토리지 장치의 성능 및 수명이 향상될 수 있다.
도 13 및 도 14는 본 발명에 따른 스토리지 장치의 동작을 보여주는 순서도 및 블록도이다. 도면의 간결성 및 설명의 편의를 위하여, 도 13의 순서도는 도 1의 스토리지 장치(1000)를 기준으로 설명되며, 도 14의 스트림 매핑 관리자(2110)는 도 1의 스트림 매핑 관리자(1110)와 대응될 수 있다. 즉, 도 1의 스토리지 장치(1000)의 스토리지 컨트롤러(1100)에 포함된 스트림 매핑 관리자(1110)는 도 14의 스트림 매핑 관리자(2110)로 대체될 수 있다.
도 1, 도 13, 및 도 14를 참조하면, 스토리지 장치(1000)는 S210 단계 내지 S230 단계의 동작들을 수행할 수 있다. S210 단계 내지 S230 단계의 동작들은 도 6을 참조하여 설명되었으므로, 이에 대한 상세한 설명은 생략된다.
S242 단계에서, 스토리지 장치(1000)는 기계 학습 모델을 사용하여 제0 가상 스트림에 대응하는 제0 대표 값(RV0)을 추출할 수 있다. S243 단계에서, 스토리지 장치(1000)는 대표 값 풀(2114) 및 제0 대표 값(RV0)을 기반으로 거리 정보(DS)을 연산할 수 있다.
이후에, 스토리지 장치(1000)는 S250 단계 내지 S290 단계의 동작들을 수행할 수 있다. S250 단계 내지 S290 단계의 동작들은 도 6의 S150 단계 내지 S190 단계의 동작들과 유사하므로, 이에 대한 상세한 설명은 생략된다.
S295 단계에서, 스토리지 장치(1000)는 대표 값 풀(2114)을 갱신할 수 있다. 예시적인 실시 예에서, 도 6의 순서도에 따른 동작 방법은, 복수의 물리 스트림들 각각에 대한 대표 값을 추출하는 동작(즉, S141 단계)을 포함한다. 반면에, 도 13의 순서도에 따른 동작 방법은 복수의 물리 스트림들 각각에 대한 대표 값을 추출하는 동작(즉, S141 단계)을 생략할 수 있다. 좀 더 상세한 예로서, 도 14에 도시된 바와 같이, 스토리지 컨트롤러(1100)에 포함될 수 있는 스트림 매핑 관리자(2110)는 대표 값 추출기(2111), 거리 함수 엔진(2112), 물리 스트림 판별기(2113), 대표 값 풀(2114), 및 대표 값 풀 관리자(2115)를 포함할 수 있다.
대표 값 추출기(2111)는 호스트(110)로부터의 요청(RQ)의 제0 가상 스트림(VSID0)에 대한 제0 대표 값(RV0)을 추출하도록 구성될 수 있다. 즉, 대표 값 추출기(2111)는 도 8 내지 도 12를 참조하여 설명된 제0 추출 모델(EM0)을 기반으로 제0 가상 스트림(VSID0)에 대한 제0 대표 값(RV0)을 추출할 수 있다.
한편, 대표 값 풀(2114)은 복수의 물리 스트림들 각각에 대한 대표 값들을 저장할 수 있다. 예를 들어, 가상 스트림에 대한 가상 스트림 매핑 동작 또는 가상 스트림 클러스터링 동작을 통해 복수의 물리 스트림들 각각에 대한 대표 값이 추출 또는 연산될 수 있다. 추출된 대표 값은 대표 값 풀(2114)에 저장될 수 있다. 즉, 대표 값 풀(2114)은 복수의 물리 스트림들 각각에 대한 대표 값들을 저장할 수 있고, 이에 따라, 별도의 추출 동작 없이(즉, 도 6의 S114 단계가 생략됨.), 복수의 물리 스트림들 각각에 대한 대표 값이 획득될 수 있다.
거리 함수 엔진(2112)은 대표 값 추출기(2111)로부터 제0 대표 값(RV0)을 입력받고, 대표 값 풀(2114)로부터 복수의 물리 스트림들 각각에 대한 대표 값들을 입력받을 수 있다. 거리 함수 엔진(2112)은 입력받은 대표 값들을 기반으로 거리 정보(DS)을 연산할 수 있으며, 물리 스트림 판별기(2113)는 연산된 거리 정보(DS)을 기반으로 물리 스트림을 선택하고, 선택된 물리 스트림에 대응하는 물리 스트림 식별자(PSID)를 출력할 수 있다. 거리 함수 엔진(2112) 및 물리 스트림 판별기(2113)의 동작은 앞서 설명되었으므로, 이에 대한 상세한 설명은 생략된다.
대표 값 풀 관리자(2115)는 물리 스트림 판별기(2113)에 의해 선택된 물리 스트림 식별자(PSID)를 기반으로 대표 값 풀(2114)을 갱신할 수 있다. 예를 들어, 제0 가상 스트림(VSID0)에 대하여, 새로운 물리 스트림(예를 들어, 제0 물리 스트림)이 선택된 경우, 대표 값 풀 관리자(2115)는 선택된 제0 물리 스트림에 대한 대표 값으로서, 제0 대표 값(RV0)을 대표 값 풀(2114)에 저장할 수 있다. 제0 가상 스트림(VSID0)에 대하여, 기할당된 물리 스트림(예를 들어, 제1 물리 스트림)이 선택된 경우, 대표 값 풀 관리자(2115)는 제1 물리 스트림에 대하여 대표 값 풀(2114)에 기저장된 대표 값 및 제0 대표 값(RV0)을 비교하고, 비교 결과를 기반으로 대표 값 풀(2114)에 저장된 기대표 값 및 제0 대표 값(RV0) 중 어느 하나를 선택하여 갱신할 수 있다. 예시적인 실시 예에서, 상술된 갱신 동작은 기계 학습을 기반으로 수행될 수 있다.
상술된 바와 같이, 본 발명의 실시 예에 따른 스토리지 장치는 복수의 물리 스트림들 각각에 대하여, 기계 학습을 통해 추출된 대표 값들을 대표 값 풀에 저장하여 관리할 수 있다. 이 경우, 가상 스트림 클러스팅 동작마다, 복수의 물리 스트림들 각각에 대한 대표 값을 추출하는 동작이 생략될 수 있다. 따라서, 스토리지 장치의 성능 및 수명이 향상될 수 있다.
도 15a 및 도 15b는 도 14의 대표 값 풀을 갱신하는 방법을 설명하기 위한 도면들이다. 도면의 간결성 및 설명의 편의를 위하여, 대표 값 풀(2114)의 갱신 동작을 설명하는데 불필요한 구성 요소들은 생략된다.
도 1, 도 14, 도 15a, 및 도 15b를 참조하면, 대표 값 풀(2114)은 제1 내지 제3 물리 스트림들(PSID1~PSID3) 각각에 대응하는 제1 내지 제3 대표 값들(RV1~RV3)을 저장하도록 구성될 수 있다. 제4 물리 스트림(PSID4)에 대해서는, 아직 가상 스트림이 할당되지 않은 상태일 수 있다.
이 때, 도 15a에 도시된 바와 같이, 스토리지 장치(1000)는 호스트(110)로부트의 제0 가상 스트림(VSID0)에 대하여, 제4 물리 스트림(PSID4)을 선택할 수 있다. 즉, 스토리지 장치(1000)는 제0 가상 스트림(VSID0)과 유사한 물리 스트림이 존재하지 않는 것으로 판단하고, 할당되지 않은 새로운 물리 스트림(즉, 제4 물리 스트림(PSID4))을 제0 가상 스트림(VSID0)에 대하여 할당할 수 있다. 이 경우, 대표 값 풀 관리자(2115)는 제0 가상 스트림(VSID0)에 대하여 추출된 제0 대표 값(RV0)을 제4 물리 스트림(PSID4)에 대한 대표 값으로서, 대표 값 풀(2114)을 갱신할 수 있다. 갱신된 대표 값 풀(2114')은 제1 내지 제4 물리 스트림들(PSID1~PSID4) 각각에 대하여, 제1, 제2, 제3, 및 제0 대표 값들(RV1, RV2, RV3, RV0)을 저장할 수 있다.
또는, 도 15b에 도시된 바와 같이, 스토리지 장치(1000)는 호스트(110)로부트의 제0 가상 스트림(VSID0)에 대하여, 제1 물리 스트림(PSID4)을 선택할 수 있다. 즉, 스토리지 장치(1000)는 제1 물리 스트림(PSID1)이 제0 가상 스트림(VSID0)과 유사한 것으로 판단하고, 제1 물리 스트림(PSID1)을 제0 가상 스트림(VSID0)에 대하여 할당할 수 있다. 이 경우, 이 경우, 대표 값 풀 관리자(2115)는 제0 가상 스트림(VSID0)에 대하여 추출된 제0 대표 값(RV0)을 제1 물리 스트림(PSID1)에 대한 대표 값으로서, 대표 값 풀(2114)을 갱신할 수 있다. 갱신된 대표 값 풀(2114')은 제1 내지 제3 물리 스트림들(PSID1~PSID3) 각각에 대하여, 제0, 제2, 및 제3 대표 값들(RV0, RV2, RV3)을 저장할 수 있다.
예시적인 실시 예에서, 제1 물리 스트림(PSID1)에 대한 대표 값의 갱신은 선택적으로 수행될 수 있다. 예를 들어, 대표 값 풀(2114)에서, 제1 물리 스트림(PSID1)에 대하여 기저장된 제1 대표 값(RV1)과 새롭게 할당된 제0 가상 스트림(VSID0)에 대한 제0 대표 값(RV0)을 비교하고, 비교 결과에 따라 제1 대표 값(RV1) 및 제0 대표 값(RV0) 중 하나가 제1 물리 스트림(PSID1)에 대한 대표 값으로 갱신될 수 있다. 또는, 제1 대표 값(RV1) 및 제0 대표 값(RV0)이 조합된 새로운 대표 값이 제1 물리 스트림(PSID1)에 대한 대표 값으로서 갱신될 수 있다. 상술된 선택 동작 또는 조합 동작은 기계 학습을 기반으로 결정될 수 있다.
도 16은 도 1의 스토리지 장치의 동작을 예시적으로 보여주는 순서도이다. 예시적인 실시 예에서, 도 16의 순서도에 따른 동작 방법은 가상 스트림 또는 가상 스트림 식별자(VSID) 없이 수행될 수 있다. 예를 들어, 도 16의 순서도에 따른 동작 방법은 순차성을 갖는 요청들(즉, 연속 쓰기 요청이며, 랜덤 쓰기 요청이 아님.)에 대하여 물리 스트림을 할당하는 동작일 수 있다.
도 1 및 도 16을 참조하면, S310 단계에서, 스토리지 장치(1000)는 호스트(110)로부터 입출력 요청(RQ)을 수신할 수 있다. 예시적인 실시 예에서, 입출력 요청(RQ)은 쓰기 요청일 수 있다.
S320 단계에서, 스토리지 장치(1000)는 수신된 입출력 요청(RQ)에 대한 순차성을 확인할 수 있다. 예를 들어, 스토리지 장치(1000)는 호스트(110)로부터 수신된 입력 요청(RQ)의 논리 블록 어드레스에 대한 해시 테이블을 관리할 수 있다. 해시 테이블은 호스트(110)로부터 수신된 복수의 입출력 요청들에 대한 논리 블록 어드레스의 누적 정보를 포함할 수 있다. 스토리지 장치(1000)는 해시 테이블을 기반으로, 수신된 입출력 요청(RQ)의 논리 블록 어드레스가 이전의 입출력 요청들 또는 저장된 데이터에 대하여 연속인지 또는 비연속인지 판별할 수 있다.
S330 단계에서, 입출력 요청(RQ)이 비연속인 경우 또는 비순차인 경우, 스토리지 장치(1000)는 S340 단계의 동작을 수행할 수 있다. S340 단계에서, 스토리지 장치(1000)는, 수신된 입출력 요청(RQ)에 응답하여, 불휘발성 메모리 장치(1200)에서 데이터를 기입할 수 있다. 예시적인 실시 예에서, S340 단계에서 기입되는 데이터는 랜덤 데이터(즉, 비순차 데이터)일 수 있다.
S330 단계에서, 입출력 요청(RQ)이 연속인 경우 또는 순차적인 경우, 스토리지 장치(1000)는 S350 단계의 동작을 수행할 수 있다. S350 단계에서, 스토리지 장치(1000)는 수신된 입출력 요청(RQ)에 대응하는 데이터를 버퍼에 저장할 수 있다. 예를 들어, 스토리지 장치(1000)는 별도의 데이터 버퍼(예를 들어, DRAM 또는 SRAM 등)를 포함할 수 있다. 스토리지 장치(1000)는 수신된 입출력 요청(RQ)에 대응하는 데이터를 데이터 버퍼에 저장할 수 있다.
S360 단계에서, 스토리지 장치(1000)는 버퍼에 저장된 데이터 크기(즉, I/O 크기)가 기준 크기보다 큰지 판별할 수 있다. 버퍼에 저장된 데이터 크기가 기준 크기보다 크지 않은 경우, 스토리지 장치(1000)는 S310 단계로 다시 진행할 수 있다.
버퍼에 저장된 데이터 크기가 기준 크기보다 큰 경우, S370 단계에서, 스토리지 장치(1000)는 버퍼에 저장된 데이터에 대한 물리 스트림을 할당할 수 있다. 예시적인 실시 예에서, S370 단계의 동작은 도 1 내지 도 15b를 참조하여 설명된 물리 스트림 선택 또는 할당 방법을 기반으로 수행될 수 있다. 예를 들어, 스토리지 장치(1000)는 복수의 물리 스트림들 각각에 대한 대표 값들을 추출하거나 또는 관리할 수 있다. 스토리지 장치(1000)는 버퍼에 저장된 데이터에 대한 대표 값을 추출할 수 있다. 스토리지 장치(1000)는 추출된 대표 값 및 복수의 물리 스트림들 각각에 대한 대표 값들을 기반으로 거리 정보를 산출하고, 산출된 거리 정보를 기반으로 복수의 물리 스트림들 중 하나를 할당할 수 있다. 즉, S370 단계의 동작은 가상 스트림 또는 가상 스트림 식별자를 통해 구분된다는 점만 제외하면, 앞서 설명된 실시 예들과 유사할 수 있다. 따라서, 이에 대한 상세한 설명은 생략된다. 예시적인 실시 예에서, S370 단계의 동작은 앞서 설명된 바와 같이, 기계 학습을 기반으로 수행될 수 있다.
S380 단계에서, 스토리지 장치(1000)는 할당된 물리 스트림(PSID)을 기반으로, 불휘발성 메모리 장치(12000)에 데이터(즉, 버퍼에 저장된 데이터)를 저장할 수 있다. 예를 들어, 스토리지 장치(1000)는 할당된 물리 스트림(PSID)에 포함된 메모리 블록에 데이터를 저장할 수 있다. 또는 스토리지 장치(1000)는 특정 메모리 블록에 데이터를 저장하고, 특정 메모리 블록을 할당된 물리 스트림(PSID)에 포함되도록 관리할 수 있다.
상술된 본 발명의 실시 예에 따르면, 호스트(110)로부터의 수신된 입출력 요청에 대하여, 연속성을 기반으로 랜덤 데이터 및 순차 데이터를 구분하고, 순차 데이터에 대하여, 유사한 특성을 갖는 물리 스트림을 할당할 수 있다. 이 경우, 호스트(110) 상의 커널에서 발생하는 페이지 캐싱 등으로 인하여, 논리 블록 어드레스의 연속성이 깨지더라도, 데이터에 대하여, 복수의 물리 스트림들에 대한 대표 값을 기반으로 물리 스트림들이 할당되기 때문에, 유사한 특징을 갖는 데이터가 동일한 물리 스트림으로 관리될 수 있다. 따라서, 스토리지 장치의 성능 및 수명이 향상될 수 있다.
도 17은 도 1의 스토리지 장치의 동작을 예시적으로 보여주는 순서도이다. 도 1 및 도 17을 참조하면, S410 단계에서, 스토리지 장치(1000)는 정상 동작을 수행할 수 있다. 예를 들어, 스토리지 장치(1000)는 도 1 내지 도 16을 참조하여 설명된 동작 방법을 기반으로 동작할 수 있다.
S420 단계에서, 스토리지 장치(1000)는 스트림 재-클러스터링이 필요한지 판별할 수 있다. 예를 들어, 스토리지 장치(1000)는 호스트(110)의 명시적 요청에 의해 물리 스트림을 재구성할 수 있다. 또는 스토리지 장치(1000)는 특정 조건 하에서, 물리 스트림을 재구성할 수 있다. 예시적인 실시 예에서, 물리 스트림을 재구성하는 것은, 물리 스트림 및 가상 스트림의 매핑 관계를 재구성하는 것, 물리 스트림에 대한 대표 값을 재구성하는 것, 물리 스트림의 개수를 조정하는 것, 가상 스트림의 개수를 조정하는 것 등과 같이 물리 스트림을 할당하는데 필요한 정보를 재구성하는 것을 포함할 수 있다.
예시적인 실시 예에서, 특정 조건은, 2개 이상의 물리 스트림들에 포함된 데이터가 유사성을 갖는 경우, 특정 물리 스트림에 포함된 데이터의 유사도가 현저하게 떨어지는 경우, 할당되지 않은 새로운 물리 스트림이 요구되는 경우, 하나의 물리 스트림에 포함된 데이터를 2개의 물리 스트림들로 분할하는 것이 필요한 경우 등과 같은 다양한 조건들을 포함할 수 있다.
스트림 재-클러스터링이 필요한 경우, S430 단계에서, 스토리지 장치(1000)는 스트림 재-클러스터링 동작을 수행할 수 있다. 예를 들어, 스트림 재-클러스터링 동작에서, 스토리지 장치(1000)는 수집된 스트림 정보(SDB)를 기반으로 학습 모델들(예를 들어, 선택 모델들 또는 추출 모델들)에 대한 트레이닝을 수행할 수 있다. 또는, 스트림 재-클러스터링 동작에서, 스토리지 장치(1000)는 하나의 물리 스트림에 포함된 데이터를 적어도 2개의 물리 스트림들로 분할할 수 있다. 또는 스트림 재-클러스터링 동작에서, 스토리지 장치(1000)는 적어도 2개의 물리 스트림들에 포함된 데이터를 하나의 물리 스트림으로 통합시킬 수 있다. 또는, 스트림 재-클러스터링 동작에서, 스토리지 장치(1000)는 복수의 물리 스트림들 각각에 대응하는 대표 값들을 재구성할 수 있다. 상술된 동작들은 예시적인 것이며, 본 발명의 범위가 이에 한정되는 것은 아니며, 스트림 재-클러스터링 동작에서, 스토리지 장치(1000)는 물리 스트림을 할당하는데 필요한 다양한 정보를 재구성할 수 있다.
도 18은 본 발명에 따른 스토리지 시스템이 적용된 SSD 시스템을 예시적으로 보여주는 블록도이다. 도 18을 참조하면, SSD 시스템(3000)은 호스트(3100) 및 스토리지 장치(3200)를 포함한다. 예시적인 실시 예에서, 호스트(3100) 및 스토리지 장치(3200)는 도 1 내지 도 17을 참조하여 설명된 호스트(110) 및 스토리지 장치(1000)이거나 또는 도 1 내지 도 17을 참조하여 설명된 동작 방법을 기반으로 동작할 수 있다.
스토리지 장치(3200)는 신호 커넥터(3201)를 통해 호스트(3100)와 신호(SIG)를 주고받고, 전원 커넥터(3202)를 통해 전원(PWR)을 입력 받을 수 있다. 스토리지 장치(3200)는 SSD(Solid State Drive) 컨트롤러(3210), 복수의 불휘발성 메모리들(3221~322n), 보조 전원 장치(3230), 및 버퍼 메모리(3240)를 포함할 수 있다.
SSD 컨트롤러(3210)는 호스트(3100)로부터 수신된 신호(SIG)에 응답하여 복수의 불휘발성 메모리들(3221~322n)을 제어할 수 있다. 복수의 불휘발성 메모리들(3221~322n)은 SSD 컨트롤러(3210)의 제어에 따라 동작할 수 있다. 보조 전원 장치(3230)는 전원 커넥터(3002)를 통해 호스트(3100)와 연결된다. 보조 전원 장치(3230)는 호스트(3100)로부터 전원(PWR)을 입력 받고, 충전할 수 있다. 보조 전원 장치(3230)는 호스트(3100)로부터의 전원 공급이 원활하지 않을 경우, SSD(3200)의 전원을 제공할 수 있다.
버퍼 메모리(3240)는 스토리지 장치(3200)의 버퍼 메모리로서 사용될 수 있다. 예시적인 실시 예에서, 도 1 내지 도 17을 참조하여 설명된 스트림 매핑 관리자(1110, 2110)는 버퍼 메모리(3240)에 저장된 정보를 사용하여 상술된 동작들을 수행할 수 있다.
도 19는 발명에 따른 스토리지 시스템이 적용된 전자 장치를 예시적으로 보여주는 블록도이다. 도 19를 참조하면, 전자 장치(4000)는 메인 프로세서(4100), 터치 패널(4200), 터치 구동 회로(4202), 디스플레이 패널(4300), 디스플레이 구동 회로(4302), 시스템 메모리(4400), 스토리지 장치(4500), 이미지 처리기(4600), 통신 블록(4700), 오디오 처리기(4800), NFC 집적 회로(4900)를 포함할 수 있다. 예시적인 실시 예에서, 전자 장치(4000)는 개인용 컴퓨터, 랩탑 컴퓨터, 서버, 워크스테이션, 이동식 통신 단말기, PDA(Personal Digital Assistant), PMP(Portable Media Player), 디지털 카메라, 스마트폰, 태블릿 컴퓨터, 웨어러블(Wearable) 장치 등과 같은 다양한 전자 장치 중 하나일 수 있다.
메인 프로세서(4100)는 전자 장치(4000)의 전반적인 동작들을 제어할 수 있다. 메인 프로세서(4100)는 전자 장치(4000)의 구성 요소들의 동작들을 제어/관리할 수 있다. 메인 프로세서(4100)는 전자 장치(4000)를 동작시키기 위해 다양한 연산을 처리할 수 있다.
터치 패널(4200)은 터치 구동 회로(4202)의 제어에 따라 사용자로부터의 터치 입력을 감지하도록 구성될 수 있다. 디스플레이 패널(4300)은 디스플레이 구동 회로(4302)의 제어에 따라 영상 정보를 표시하도록 구성될 수 있다.
시스템 메모리(4400)는 전자 장치(4000)의 동작에 이용되는 데이터를 저장할 수 있다. 예로서, 시스템 메모리(4400)는 SRAM(Static Random Access Memory), DRAM(Dynamic RAM), SDRAM(Synchronous DRAM) 등과 같은 휘발성 메모리, 및/또는 PRAM(Phase-change RAM), MRAM(Magneto-resistive RAM), ReRAM(Resistive RAM), FRAM(Ferro-electric RAM) 등과 같은 불휘발성 메모리를 포함할 수 있다.
스토리지 장치(4500)는 전원 공급에 관계없이 데이터를 저장할 수 있다. 예로서, 스토리지 장치(4500)는 플래시 메모리, PRAM, MRAM, ReRAM, FRAM 등과 같은 다양한 불휘발성 메모리 중 적어도 하나를 포함할 수 있다. 예로서, 스토리지 장치(4500)는 전자 장치(4000)의 내장 메모리 및/또는 착탈식 메모리를 포함할 수 있다. 예시적인 실시 예에서, 스토리지 장치(4500)는 도 1 내지 도 17을 참조하여 설명된 스토리지 장치이거나, 또는 도 1 내지 도 17을 참조하여 설명된 동작 방법을 기반을 동작할 수 있다.
오디오 처리기(4600)는 오디오 신호 처리기(4610)를 이용하여 오디오 신호를 처리할 수 있다. 오디오 처리기(4600)는 마이크(4620)를 통해 오디오 입력을 수신하거나, 스피커(4630)를 통해 오디오 출력을 제공할 수 있다.
통신 블록(4700)은 안테나(4710)를 통해 외부 장치/시스템과 신호를 교환할 수 있다. 통신 블록(4700)의 송수신기(4720) 및 MODEM(Modulator/Demodulator, 2730)은 LTE(Long Term Evolution), WiMax(Worldwide Interoperability for Microwave Access), GSM(Global System for Mobile communication), CDMA(Code Division Multiple Access), Bluetooth, NFC(Near Field Communication), Wi-Fi(Wireless Fidelity), RFID(Radio Frequency Identification) 등과 같은 다양한 무선 통신 규약 중 적어도 하나에 따라, 외부 장치/시스템과 교환되는 신호를 처리할 수 있다.
이미지 처리기(4800)는 렌즈(4810)를 통해 광을 수신할 수 있다. 이미지 처리기(4800)에 포함되는 이미지 장치(4820) 및 이미지 신호 처리기(4830)는 수신된 광에 기초하여, 외부 객체에 관한 이미지 정보를 생성할 수 있다.
도 20은 본 발명의 실시 예에 따른 스토리지 시스템이 적용된 데이터 센터를 예시적으로 보여주는 블록도이다. 도 20을 참조하면, 데이터 센터(5000)는 복수의 컴퓨팅 노드들(5100~5400)을 포함할 수 있다. 복수의 컴퓨팅 노느들(5100~5400)은 네트워크(NT)를 통해 서로 통신할 수 있다. 예시적인 실시 예에서, 네트워크(NT)는 파이버 채널(Fibre Channel), iSCSI 프로토콜, FCoE, NAS, NVMe-oF 등과 같은 다양한 통신 프로토콜들 중 적어도 하나를 포함할 수 있다.
복수의 컴퓨팅 노드들(5100~5400) 각각은 프로세서들(5110, 5210, 5310, 5410), 메모리들(5120, 5220, 5320, 5420), 스토리지 장치들(5130, 5230, 5330, 5430), 및 인터페이스 회로들(5140, 5240, 5340, 5440)을 각각 포함할 수 있다.
예를 들어, 제1 컴퓨팅 노드(5100)는 제1 프로세서(5110), 제1 메모리(5120), 제1 스토리지 장치(5130), 및 제1 인터페이스 회로(5140)를 포함할 수 있다. 예시적인 실시 예에서, 제1 프로세서(5110)는 싱글 코어 또는 멀티 코어로 구현될 수 있다. 제1 메모리(5120)는 DRAM, SDRAM, SRAM, 3D XPoint 메모리, MRAM, PRAM, FeRAM, ReRAM 등과 같은 메모리를 포함할 수 있다. 제1 스토리지 장치(5130)는 하드 디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD) 등과 같은 대용량 저장 매체일 수 있다. 제1 인터페이스 회로(5140)는 네트워크(NT)를 통한 통신 지원하도록 구성된 네트워크 인터페이스 컨트롤러(NIC; network interface controller)일 수 있다.
예시적인 실시 예에서, 제1 컴퓨팅 노드(5100)의 제1 프로세서(5110)는 제1 메모리(5120)를 액세스하도록 구성될 수 있다. 또는 제1 컴퓨팅 노드(5100)의 제1 프로세서(5110)는 네트워크(NT)를 통해 다른 컴퓨팅 노드들(5200, 5300, 5400)의 메모리들(5220, 5320, 5420)을 액세스하도록 구성될 수 있다. 예시적인 실시 예에서, 제1 컴퓨팅 노드(5100)의 제1 프로세서(5110)는 제1 스토리지 장치(5130)를 액세스하도록 구성될 수 있다. 또는 제1 컴퓨팅 노드(5100)의 제1 프로세서(5110)는 네트워크(NT)를 통해 다른 컴퓨팅 노드들(5200, 5300, 5400)의 스토리지 장치들(5230, 5330, 5430)을 액세스하도록 구성될 수 있다. 제2 내지 제4 컴퓨팅 노드들(5200~5400)은 상술된 제1 컴퓨팅 노드(5100)와 유사한 동작을 수행할 수 있으며, 이에 대한 상세한 설명은 생략된다.
예시적인 실시 예에서, 데이터 센터(5000)에서, 다양한 애플리케이션들이 실행될 수 있다. 다양한 애플리케이션들은 컴퓨팅 노드들(5100~5400) 사이의 데이터 이동 또는 복사를 위한 명령어를 실행하도록 구성되거나, 또는 컴퓨팅 노드들(5100~5400) 상에 존재하는 다양한 정보들을 조합, 가공, 재생산하기 위한 명령어들을 실행하도록 구성될 수 있다. 예시적인 실시 예에서, 데이터 센터(5000)는 고성능 컴퓨팅(HPC; high-performance computing)(예를 들어, 금융, 석유, 재료과학, 기상 예측 등), 기업형 애플리케이션(예를 들어, 스케일 아웃 데이터베이스), 빅 데이터 애플리케이션(예를 들어, NoSQL 데이터베이스, 인-메모리 복제 등)을 위해 사용될 수 있다.
예시적인 실시 예에서, 복수의 컴퓨팅 노드들(5100~5400) 중 적어도 하나는 애플리케이션 서버일 수 있다. 애플리케이션 서버는 데이터 센터(5000)에서 다양한 동작을 수행하도록 구성된 애플리케이션을 실행하도록 구성될 수 있다. 복수의 컴퓨팅 노드들(5100~5400) 중 적어도 하나는 스토리지 서버일 수 있다. 스토리지 서버는 데이터 센터(5000)에서 생성되거나 또는 관리되는 데이터를 저장하도록 구성될 수 있다. 예시적인 실시 예에서, 데이터 센터(5000)에 포함된 복수의 컴퓨팅 노드들(5100~5400)은 동일한 위치에 존재하거나 또는 물리적으로 이격된 위치에 존재할 수 있다. 예시적인 실시 예에서, 데이터 센터(5000)에 포함된 복수의 컴퓨팅 노드들(5100~5400)은 서로 동일한 메모리 기술을 기반으로 구현되거나 또는 서로 다른 메모리 기술들을 기반으로 구현될 수 있다. 예시적인 실시 예에서, 데이터 센터(5000)에 포함된 복수의 컴퓨팅 노드들(5100~5400)의 개수, 각 컴퓨팅 노드에 포함된 프로세서의 개수, 메모리 개수, 스토리지 장치의 개수는 예시적인 것이며, 본 발명의 범위가 이에 한정되는 것은 아니다. 예시적인 실시 예에서, 복수의 컴퓨팅 노드들(5100~5400) 각각에 포함된 스토리지 장치들(5130, 5230, 5330, 5430)은 도 1 내지 도 17을 참조하여 설명된 동작 방법을 기반으로 동작할 수 있다.
상술된 내용은 본 발명을 실시하기 위한 구체적인 실시 예들이다. 본 발명은 상술된 실시 예들뿐만 아니라, 단순하게 설계 변경되거나 용이하게 변경할 수 있는 실시 예들 또한 포함할 것이다. 또한, 본 발명은 실시 예들을 이용하여 용이하게 변형하여 실시할 수 있는 기술들도 포함될 것이다. 따라서, 본 발명의 범위는 상술된 실시 예들에 국한되어 정해져서는 안되며 후술하는 특허청구범위뿐만 아니라 이 발명의 특허청구범위와 균등한 것들에 의해 정해져야 할 것이다.

Claims (20)

  1. 복수의 불휘발성 메모리들을 복수의 물리 스트림들로 관리하도록 구성된 스토리지 장치의 동작 방법에 있어서,
    외부 호스트 장치로부터 입출력 요청을 수신하는 단계;
    상기 수신된 입출력 요청에 대응하는 제0 가상 스트림 식별자를 판별하는 단계;
    상기 판별된 제0 가상 스트림 식별자에 대응하는 제0 가상 스트림 특징으로부터 제0 대표 값을 추출하는 단계;
    상기 복수의 물리 스트림들 중 제1 및 제2 물리 스트림들에 대응하는 제1 및 제2 대표 값들을 추출하는 단계;
    상기 추출된 제0 내지 제2 대표 값들을 기반으로, 상기 제0 가상 스트림 및 상기 제1 물리 스트림 사이의 제1 유사도 및 상기 제0 가상 스트림 및 상기 제2 물리 스트림 사이의 제2 유사도를 포함하는 거리 정보를 산출하는 단계;
    상기 거리 정보를 기반으로, 상기 제0 가상 스트림을 상기 복수의 물리 스트림들 중 하나로 할당하는 단계; 및
    상기 할당된 하나의 물리 스트림에서, 상기 입출력 요청에 대응하는 동작을 수행하는 단계를 포함하고,
    상기 제0 대표 값을 추출하는 단계, 상기 제1 및 제2 대표 값들을 추출하는 단계, 및 상기 거리 정보를 산출하는 단계는 기계 학습을 통해 사전 학습된 학습 모델을 사용하여 수행되는 동작 방법.
  2. 제 1 항에 있어서,
    상기 학습 모델은 상기 제0 가상 스트림 특징으로부터 상기 제0 대표 값을 추출하도록 구성된 제0 추출 모델을 포함하는 동작 방법.
  3. 제 2 항에 있어서,
    상기 학습 모델은 제1 및 제2 선택 모델들 및 제1 및 제2 추출 모델들을 더 포함하고,
    상기 제1 및 제2 대표 값들을 추출하는 단계는:
    상기 제1 선택 모델을 사용하여, 상기 제1 물리 스트림으로 매핑된 적어도 하나의 제1 가상 스트림들 중 적어도 하나에 대응하는 제1 가상 스트림 특징을 선택하는 단계;
    상기 제2 선택 모델을 사용하여, 상기 제2 물리 스트림으로 매핑된 적어도 하나의 제2 가상 스트림들 중 적어도 하나에 대응하는 제2 가상 스트림 특징을 선택하는 단계;
    상기 제1 추출 모델을 사용하여, 상기 제1 가상 스트림 특징으로부터 상기 제1 대표 값을 추출하는 단계; 및
    상기 제2 추출 모델을 사용하여, 상기 제2 가상 스트림 특징으로부터 상기 제2 대표 값을 추출하는 단계를 포함하는 동작 방법.
  4. 제 3 항에 있어서,
    상기 제0 가상 스트림 특징은 상기 제0 가상 스트림 식별자에 대응하는 제0 가상 스트림에 대한 제0 처리량, 제0 논리 블록 어드레스 범위, 제0 주기성, 제0 순차성, 및 제0 연속성에 대한 정보를 포함하고,
    상기 제1 가상 스트림 특징은 상기 적어도 하나의 제1 가상 스트림들 중 상기 적어도 하나에 대한 제1 처리량, 제1 논리 블록 어드레스 범위, 제1 주기성, 제1 순차성, 및 제1 연속성에 대한 정보를 포함하고,
    상기 제2 가상 스트림 특징은 상기 적어도 하나의 제2 가상 스트림들 중 상기 적어도 하나에 대한 제2 처리량, 제2 논리 블록 어드레스 범위, 제2 주기성, 제2 순차성, 및 제2 연속성에 대한 정보를 포함하는 동작 방법.
  5. 제 4 항에 있어서,
    상기 제0 가상 스트림 특징, 상기 제1 가상 스트림 특징, 및 상기 제2 가상 스트림 특징은 입출력 모니터에 의해 모니터링된 값인 동작 방법.
  6. 제 4 항에 있어서,
    상기 제0 대표 값은 상기 제0 처리량, 상기 제0 논리 블록 어드레스 범위, 상기 제0 주기성, 상기 제0 순차성, 및 상기 제0 연속성에 대한 정보 중 하나 또는 적어도 2개의 조합에 대응하는 제1 값을 포함하고,
    상기 제1 대표 값은 상기 제1 처리량, 상기 제1 논리 블록 어드레스 범위, 상기 제1 주기성, 상기 제1 순차성, 및 상기 제1 연속성에 대한 정보 중 하나 또는 적어도 2개의 조합에 대응하는 제2 값을 포함하고,
    상기 제2 대표 값은 상기 제2 처리량, 상기 제2 논리 블록 어드레스 범위, 상기 제2 주기성, 상기 제2 순차성, 및 상기 제2 연속성에 대한 정보 중 하나 또는 적어도 2개의 조합에 대응하는 제3 값을 포함하고,
    상기 제0 대표 값에 포함된 상기 제0 값, 상기 제1 대표 값에 포함된 상기 제1 값, 및 상기 제2 대표 값에 포함된 상기 제2 값은 동일한 타입인 동작 방법.
  7. 제 4 항에 있어서,
    상기 제0 대표 값은 상기 제0 처리량, 상기 제0 논리 블록 어드레스 범위, 상기 제0 주기성, 상기 제0 순차성, 및 상기 제0 연속성에 대한 정보 중 하나 또는 적어도 2개의 조합에 대응하는 제1 값을 포함하고,
    상기 제1 대표 값은 상기 제1 처리량, 상기 제1 논리 블록 어드레스 범위, 상기 제1 주기성, 상기 제1 순차성, 및 상기 제1 연속성에 대한 정보 중 하나 또는 적어도 2개의 조합에 대응하는 제2 값을 포함하고,
    상기 제2 대표 값은 상기 제2 처리량, 상기 제2 논리 블록 어드레스 범위, 상기 제2 주기성, 상기 제2 순차성, 및 상기 제2 연속성에 대한 정보 중 하나 또는 적어도 2개의 조합에 대응하는 제3 값을 포함하고,
    상기 제1 대표 값에 포함된 상기 제1 값은 제1 타입이고,
    상기 제2 대표 값에 포함된 상기 제2 값은 상기 제1 타입과 다른 제2 타입이고,
    상기 제0 대표 값에 포함된 상기 제1 값은 상기 제1 및 제2 타입들에 모두 대응하는 동작 방법.
  8. 제 1 항에 있어서,
    상기 거리 정보를 기반으로, 상기 제0 가상 스트림을 상기 복수의 물리 스트림들 중 하나로 할당하는 단계는:
    상기 거리 정보에 포함된 상기 제1 및 제2 유사도들 중 적어도 하나가 기준 값보다 작은지 판별하는 단계; 및
    상기 거리 정보에 포함된 상기 제1 및 제2 유사도들 중 적어도 하나가 상기 기준 값보다 작은 경우, 상기 제1 및 제2 물리 스트림들 중, 상기 제1 및 제2 유사도들 중 가장 작은 유사도와 대응되는 하나를 상기 하나의 물리 스트림으로서 할당하고, 상기 거리 정보에 포함된 상기 제1 및 제2 유사도들 모두가 상기 기준 값보다 작지 않은 경우, 상기 복수의 물리 스트림들 중 상기 제1 및 제2 물리 스트림들과 다른 제3 물리 스트림을 상기 하나의 물리 스트림으로서 할당하는 단계를 포함하는 동작 방법.
  9. 제 1 항에 있어서,
    상기 할당된 하나의 물리 스트림에 대한 물리 스트림 식별자 및 상기 제0 가상 스트림 식별자를 기반으로 상기 복수의 물리 스트림들 및 복수의 가상 스트림들 사이의 매핑 정보를 저장하도록 구성된 스트림 매핑 테이블을 갱신하는 단계를 더 포함하는 동작 방법.
  10. 제 1 항에 있어서,
    상기 제0 가상 스트림 식별자에 대한 정보는 상기 입출력 요청에 포함되는 동작 방법.
  11. 제 1 항에 있어서,
    상기 제0 가상 스트림 식별자는 상기 입출력 요청에 포함된 논리 블록 어드레스 또는 데이터 크기를 기반으로 판별되는 동작 방법.
  12. 제 9 항에 있어서,
    상기 복수의 가상 스트림들의 개수는 상기 복수의 물리 스트림들의 개수보다 많은 동작 방법.
  13. 복수의 불휘발성 메모리들; 및
    상기 복수의 불휘발성 메모리들을 복수의 물리 스트림들로 관리하고, 외부 호스트 장치로부터의 입출력 요청에 대응하는 제0 가상 스트림에 대하여 상기 복수의 물리 스트림들 중 하나를 할당하도록 구성된 스토리지 컨트롤러를 포함하고,
    상기 스토리지 컨트롤러는:
    상기 복수의 물리 스트림들 각각에 대응하는 복수의 가상 스트림 특징들을 포함하는 스트림 정보를 저장하도록 구성된 메모리; 및
    상기 제0 가상 스트림에 대응하는 제0 가상 스트림 특징으로부터 제0 대표 값을 추출하고, 상기 스트림 정보로부터 상기 복수의 물리 스트림들 각각에 대응하는 복수의 대표 값들을 추출하고, 상기 추출된 제0 대표 값 및 상기 추출된 복수의 대표 값들을 기반으로, 상기 제0 가상 스트림 및 상기 복수의 물리 스트림들 사이의 유사도를 가리키는 거리 정보를 산출하고, 상기 산출된 거리 정보를 기반으로 상기 복수의 물리 스트림들 중 하나를 상기 제0 가상 스트림으로 할당하도록 구성된 스트림 매핑 관리자를 포함하고,
    상기 스트림 매핑 관리자는 기계 학습을 통해 사전에 학습된 학습 모델을 기반으로 동작하는 스토리지 장치.
  14. 제 13 항에 있어서,
    상기 스트림 매핑 관리자는:
    상기 제0 가상 스트림 특징 및 상기 스트림 정보를 기반으로, 상기 제0 대표 값 및 상기 복수의 대표 값들을 추출하도록 구성된 대표 값 추출기;
    상기 복수의 대표 값들 각각과 상기 제0 대표 값 사이의 상기 유사도를 가리키는 상기 거리 정보를 산출하도록 구성된 거리 함수 엔진; 및
    상기 거리 정보를 기반으로 상기 복수의 물리 스트림들 중 상기 하나를 할당하도록 구성된 물리 스트림 판별기를 포함하는 스토리지 장치.
  15. 제 14 항에 있어서,
    상기 대표 값 추출기는:
    복수의 선택 모델들을 통해, 상기 스트림 정보에 포함된 복수의 가상 스트림 특징들 중 상기 복수의 물리 스트림들 각각에 대응하는 복수의 선택 가상 스트림 특징들을 선택하도록 구성된 선택 엔진; 및
    복수의 추출 모델을 통해, 상기 복수의 선택 가상 스트림 특징들로부터 상기 복수의 물리 스트림들 각각에 대응하는 상기 복수의 대표 값들을 추출하고, 제0 추출 모델을 통해, 상기 제0 가상 스트림 특징으로부터 상기 제0 대표 값을 추출하도록 구성된 추출 엔진을 포함하고,
    상기 복수의 선택 모델들 및 상기 복수의 추출 모델들은 상기 학습 모델에 포함되는 스토리지 장치.
  16. 제 15 항에 있어서,
    상기 제0 추출 모델은 상기 제0 가상 스트림 특징으로부터 상기 제0 대표 값을 추출하도록 구성된 제0 컨볼루션 레이어이고,
    상기 복수의 추출 모델들 중 제1 추출 모델은 상기 선택된 복수의 가상 스트림 특징들 중에서, 상기 복수의 물리 스트림들 중 제1 물리 스트림에 대응하는 제1 가상 스트림 특징으로부터 상기 복수의 대표 값들 중 상기 제1 물리 스트림에 대응하는 제1 대표 값을 추출하도록 구성된 제1 컨볼루션 레이어이고,
    상기 거리 함수 엔진은 상기 제0 대표 값 및 상기 제1 대표 값을 기반으로 상기 제0 가상 스트림 및 상기 제1 물리 스트림 사이의 제1 유사도를 산출하도록 구성된 전-연결-레이어를 포함하고,
    상기 제0 컨볼루션 레이어 및 상기 제1 컨볼루션 레이어는 복수의 학습 파라미터들을 서로 공유하도록 더 구성된 스토리지 장치.
  17. 제 13 항에 있어서,
    상기 제0 가상 스트림 특징 및 상기 복수의 가상 스트림 특징들을 모니터링하도록 구성된 입출력 모니터를 더 포함하는 스토리지 장치.
  18. 제 17 항에 있어서,
    상기 제0 가상 스트림 특징은 상기 제0 가상 스트림에 대한 처리량, 논리 블록 어드레스 범위, 주기성, 순차성, 및 연속성에 대한 정보를 포함하고,
    상기 복수의 가상 스트림 특징들은 상기 복수의 물리 스트림들 각각에 할당된 복수의 가상 스트림들 각각에 대한 처리량, 논리 블록 어드레스 범위, 주기성, 순차성, 및 연속성에 대한 정보를 포함하는 스토리지 장치.
  19. 복수의 불휘발성 메모리들을 복수의 물리 스트림들로 관리하도록 구성된 스토리지 장치의 동작 방법에 있어서,
    외부 호스트 장치로부터 입출력 요청을 수신하는 단계;
    상기 수신된 입출력 요청에 대응하는 제0 가상 스트림 식별자를 판별하는 단계;
    상기 판별된 제0 가상 스트림 식별자에 대응하는 제0 가상 스트림 특징으로부터 제0 대표 값을 추출하는 단계;
    대표 값 풀로부터 상기 복수의 물리 스트림들 중 제1 및 제2 물리 스트림들에 대응하는 제1 및 제2 대표 값들을 획득하는 단계;
    상기 추출된 제0 대표 값 및 상기 획득된 제1 및 제2 대표 값들을 기반으로, 상기 제0 가상 스트림 및 상기 제1 물리 스트림 사이의 제1 유사도 및 상기 제0 가상 스트림 및 상기 제2 물리 스트림 사이의 제2 유사도를 포함하는 거리 정보를 산출하는 단계;
    상기 거리 정보를 기반으로, 상기 복수의 물리 스트림들 중 하나를 상기 제0 가상 스트림으로 할당하는 단계;
    상기 할당된 하나의 물리 스트림에서, 상기 입출력 요청에 대응하는 동작을 수행하는 단계; 및
    상기 할당된 하나의 물리 스트림에 대응하는 물리 스트림 식별자 및 상기 제0 대표 값을 기반으로 상기 대표 값 풀을 갱신하는 단계를 포함하고,
    상기 제0 대표 값을 추출하는 단계 및 상기 거리 정보를 산출하는 단계는 기계 학습을 통해 사전 학습된 학습 모델을 사용하여 수행되는 동작 방법.
  20. 제 19 항에 있어서,
    상기 학습 모델은 상기 제0 가상 스트림 특징으로부터 상기 제0 대표 값을 추출하도록 구성된 제0 추출 모델을 포함하는 동작 방법.

KR1020190178994A 2019-12-31 2019-12-31 다중-스트림을 지원하도록 구성된 스토리지 장치 및 그것의 동작 방법 KR20210085674A (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020190178994A KR20210085674A (ko) 2019-12-31 2019-12-31 다중-스트림을 지원하도록 구성된 스토리지 장치 및 그것의 동작 방법
EP20217489.2A EP3846037B1 (en) 2019-12-31 2020-12-29 Storage device configured to support multi-streams and operation method thereof
US17/136,818 US11567698B2 (en) 2019-12-31 2020-12-29 Storage device configured to support multi-streams and operation method thereof
CN202011609288.4A CN113126908A (zh) 2019-12-31 2020-12-30 被配置为支持多流的存储装置及其操作方法
US18/101,496 US11907586B2 (en) 2019-12-31 2023-01-25 Storage device configured to support multi-streams and operation method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190178994A KR20210085674A (ko) 2019-12-31 2019-12-31 다중-스트림을 지원하도록 구성된 스토리지 장치 및 그것의 동작 방법

Publications (1)

Publication Number Publication Date
KR20210085674A true KR20210085674A (ko) 2021-07-08

Family

ID=74125021

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190178994A KR20210085674A (ko) 2019-12-31 2019-12-31 다중-스트림을 지원하도록 구성된 스토리지 장치 및 그것의 동작 방법

Country Status (4)

Country Link
US (2) US11567698B2 (ko)
EP (1) EP3846037B1 (ko)
KR (1) KR20210085674A (ko)
CN (1) CN113126908A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102493864B1 (ko) * 2021-11-16 2023-01-31 삼성전자주식회사 스토리지 장치의 동작 방법 및 호스트 및 스토리지 장치를 포함하는 스토리지 시스템의 동작 방법

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU5386796A (en) 1995-04-11 1996-10-30 Kinetech, Inc. Identifying data in a data processing system
US6785688B2 (en) 2000-11-21 2004-08-31 America Online, Inc. Internet streaming media workflow architecture
US7496565B2 (en) 2004-11-30 2009-02-24 Microsoft Corporation Method and system for maintaining namespace consistency with a file system
US8352540B2 (en) 2008-03-06 2013-01-08 International Business Machines Corporation Distinguishing data streams to enhance data storage efficiency
US9875480B2 (en) 2012-01-27 2018-01-23 Sony Network Entertainment International Llc System, method, and infrastructure for real-time live streaming content
US9639549B2 (en) 2014-01-24 2017-05-02 International Business Machines Corporation Hybrid of proximity and identity similarity based deduplication in a data deduplication system
US10282324B2 (en) 2015-07-13 2019-05-07 Samsung Electronics Co., Ltd. Smart I/O stream detection based on multiple attributes
GB2556925B (en) * 2016-11-25 2020-07-29 Canon Kk Method and system for determining encoding parameters of video sources in large scale video surveillance systems
US10338842B2 (en) 2017-05-19 2019-07-02 Samsung Electronics Co., Ltd. Namespace/stream management
US10902615B2 (en) 2017-11-13 2021-01-26 Qualcomm Incorporated Hybrid and self-aware long-term object tracking
KR102656172B1 (ko) 2018-03-28 2024-04-12 삼성전자주식회사 가상 스트림들과 물리 스트림들을 맵핑하기 위한 스토리지 장치 및 그것의 동작 방법
US10949123B2 (en) 2018-10-18 2021-03-16 Western Digital Technologies, Inc. Using interleaved writes to separate die planes
KR102599117B1 (ko) * 2018-11-14 2023-11-06 삼성전자주식회사 블록들의 온 셀 카운트들을 모니터링하고 저장하는 스토리지 장치 및 그것의 동작 방법
US10776164B2 (en) * 2018-11-30 2020-09-15 EMC IP Holding Company LLC Dynamic composition of data pipeline in accelerator-as-a-service computing environment
KR20210055875A (ko) 2019-11-08 2021-05-18 삼성전자주식회사 저장 장치와 저장 장치 시스템 그리고 그 동작 방법
KR20210094915A (ko) 2020-01-22 2021-07-30 삼성전자주식회사 스토리지 컨트롤러, 이를 포함하는 스토리지 장치 및 스토리지 컨트롤러의동작 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102493864B1 (ko) * 2021-11-16 2023-01-31 삼성전자주식회사 스토리지 장치의 동작 방법 및 호스트 및 스토리지 장치를 포함하는 스토리지 시스템의 동작 방법

Also Published As

Publication number Publication date
US11907586B2 (en) 2024-02-20
US20230168842A1 (en) 2023-06-01
CN113126908A (zh) 2021-07-16
US20210200477A1 (en) 2021-07-01
EP3846037B1 (en) 2023-08-23
EP3846037A1 (en) 2021-07-07
US11567698B2 (en) 2023-01-31

Similar Documents

Publication Publication Date Title
US9846642B2 (en) Efficient key collision handling
US10374792B1 (en) Layout-independent cryptographic stamp of a distributed dataset
CN110663019B (zh) 用于叠瓦式磁记录(smr)的文件系统
KR101930117B1 (ko) 비휘발성 스토리지 장치 세트의 휘발성 메모리 표현 기법
KR20170133247A (ko) 어드레스 기반의 멀티-스트림 스토리지 장치 액세스
US10216418B2 (en) Storage apparatus and method for autonomous space compaction
JP2020511714A (ja) ストリームを使用するデータの割り振りエリアへの選択的記憶
US11042328B2 (en) Storage apparatus and method for autonomous space compaction
US11620263B2 (en) Data compression using dictionaries
EP3885889A1 (en) Storage device and method thereof
US11907568B2 (en) Storage controller, storage device, and operation method of storage device
US11907586B2 (en) Storage device configured to support multi-streams and operation method thereof
CN111475279B (zh) 用于备份的智能数据负载平衡的系统和方法
JP2023502909A (ja) インテリジェント・データ・プール
US11226769B2 (en) Large-scale storage system and data placement method in large-scale storage system
US11200210B2 (en) Method of efficient backup of distributed file system files with transparent data access
US10585802B1 (en) Method and system for caching directories in a storage system
US10394472B1 (en) Classification and identification from raw data within a memory domain
US10664442B1 (en) Method and system for data consistency verification in a storage system
US9864761B1 (en) Read optimization operations in a storage system
US20220291864A1 (en) Operation method of storage device configured to support multi-stream
CN115480700A (zh) 数据存储方法、存储设备以及主机
KR20210052199A (ko) 스토리지 디바이스 특성 셀프 모니터링을 위한 스토리지 디바이스 및 방법
KR20230172426A (ko) 데이터 저장을 위한 방법 및 장치
CN117880288A (zh) 数据均衡方法及相关设备