SSD内部的GC导致性能的下降和吞吐量的波动，这极大的影响实时系统的QoS
在FLASH存储器中满足QoS要求有三大挑战：
- 在共享一个FLASH子系统时，多个FTL任务之间存在资源争用
- 任务的关键程度取决于存储系统的状态。当系统的空闲块数量较少时，垃圾收集的性能就成为瓶颈，因为需要为主机写入回收空间
- 由于垃圾回收引起的负载不均衡
针对上述问题，本文讲述了三方面的特征：1. FTL任务之间公平地调度闪存操作 2. 根据系统的状态，动态调整FTL任务之间的占比 3. 平衡所有chip的负载（对一些non-binding requests，动态调整写入的chip，以平衡chip之间的负载均衡）
QoS-aware flash memory controller (QoSFC)
为了充分利用现有SSD上的嵌入式处理器，host stream和GC stream并发执行。所谓host stream就是从Host request handler发出的，而GC stream是从Garbage collector发出的。stream ID标记在每个请求上
Fair Share Scheduler
根据stream的权重对请求进行调度
FSS：
- 追踪channel和chip的状态和有效性
- 基于fair share决定哪些请求在队列中等待
- 向LLFC发出命令并接收响应
LLFC：处理到闪存芯片的IO活动和物理信号，并向FSS隐藏许多NAND闪存命令、地址、数据周期和时间细节。
virtual time：工作值（操作延迟）/所属流的权重；因此含有更高权重的流所得的虚拟时间增加得更慢，这样就比其他流运行得更为频繁。故其可以控制流的速度，因此可以根据 virtual time来调度
每当来自两个流的请求争夺共享资源(channel或chip)时，FSS选择stream进展最少的请求，也就是选择虚拟时间小的流中的请求进行处理
下面来看一个例子：
$\operatorname{Req}{i}^{\mathrm{S}}\left(\mathrm{C}{\mathrm{n}}\right)$表示来自stream S到chip n中的第i个请求
需要注意的是当请求到达时，若channel和chip都空闲，那么直接执行；如果有请求正在处理，那么进入channel队列，并且局部虚拟时间的计算为队列前面请求预计完成时间的总和
Dynamic Share Allocator
根据系统状态对流权重进行动态调整
当空闲块充足时，host stream的权重应该更高；当空闲块不足时，GC stream的权重应该更高
因此，DSA使用系统中的空闲块数作为feedback，通过一个简单的PID controller来控制流的权重
在t时刻，DSA计算误差值e(t)和控制变量u(t)如下：
其中targfree是空闲块的目标数目，numfree(t)是时间t处的空闲块数，kp、ki和kd是控制系数。
从而，可以得到host stream和GC stream为
$w_{H O S T}=\frac{n u m_{f r e e}(t)}{n u m_{f r e e}(t)+u(t)} \quad w_{G C}=1-w_{H O S T}$
Non-binding Request Handler
均衡chip之间的负载
根据每个芯片的估计排队延迟，动态分配用于写入请求的目标chip，选择最小延迟的chip：
- 给定 stream ID S
- 估计队列延迟 $d^{q} m, n$，表示stream m ，chip n上所有操作的延迟总和
- chip n上当前请求的估计完成时间 $t^{c p l}_{n}$
下述方程表示chip n中估计完成时间和归一化估计队列延迟之和为最小
$\operatorname{argmin}{n}\left(t^{c p l}{n}+\sum_{i} \frac{w_{i}}{w_{S}} \cdot d^{q}_{i, n}\right)$
在最坏的情况下，如果来自竞争流的请求被连续调度，则无法保证请求何时可以启动。因为NRH不能提前知道实际的调度顺序
支付宝打赏
微信打赏
good luck!
