Randomness based Static Wear-Leveling for Enhancing Reliability in Large-scale Flash-based Storage

대용량 플래시 저장장치에서 신뢰성 향상을 위한 무작위 기반 정적 마모 평준화 기법

As flash-based storage systems have been actively employed in large-scale servers and data centers, reliability has become an indispensable element. One promising technique for enhancing reliability is static wear-leveling, which distributes erase operations evenly among blocks so that the lifespan of storage systems can be prolonged. However, increasing the capacity makes the processing overhead of this technique non-trivial, mainly due to searching for blocks whose erase count would be minimum (or maximum) among all blocks. To reduce this overhead, we introduce a new randomized block selection method in static wear-leveling. Specifically, without exhaustive search, it chooses n blocks randomly and selects the maximal/minimal erased blocks among the chosen set. Our experimental results revealed that, when n is 2, the wear-leveling effects can be obtained, while for n beyond 4, the effect is close to that obtained from traditional static wear-leveling. For quantitative evaluation of the processing overhead, the scheme was actually implemented on an FPGA board, and overhead reduction of more than 3 times was observed. This implies that the proposed scheme performs as effectively as the traditional static wear-leveling while reducing overhead.

플래시 기반 저장장치가 서버와 데이터 센터에 활발하게 도입됨에 따라 신뢰성이 더욱 중요해지고 있다. 신뢰성을 향상시키는 방법들 중에 한 가지는 정적 마모도 평준화로, 이것은 삭제 횟수를 평준화시켜 결국 저장장치 수명을 향상시킬 수 있다. 하지만 저장장치의 용량이 증가함에 따라 정적 마모도 평준화를 위한 부하도 커지고 있다. 특히 전체 블록에서 최대 또는 최소의 삭제 횟수를 갖는 블록의 검색 비용이 용량의 증가에 따라 커지고 있다. 본 논문에서는 이러한 부하를 줄이기 위해 무작위 선택을 정적 마모도 평준화에 도입한다. 구체적으로 전수 조사 대신, n개의 블록을 무작위로 뽑고 이 중에서 최대 또는 최소 삭제 횟수를 갖는 블록들을 선택한다. 실험 결과 n이 2일 때에도 마모 평준화 효과가 있으며, n이 4 이상이며 전수 조사에 기반한 최적 평준화에 근접하는 결과를 보이는 것을 알 수 있었다. 성능 향상의 효과를 측정하기 위해 실제 보드에 구현을 하였으며, 블록 선택 시간이 3배 이상 향상된 것을 관찰할 수 있었다. 결국 제안 기법은 기존 정적 마모 평균화의 효과를 적은 부하로 얻을 수 있는 것이다.