초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

최근 휴대전화 디지털 카메라, 랜 스위치, 디지털 셋톱박스, 휴대용 MP3 플레이어, 노트북용 PC 카드, 내장 기기의 펌웨어 등 플래시 메모리의 활용이 증가하고 있다. 하지만 기존 저장 장치와 달리 플래시 메모리는 특정 블록에 쓰기 연산을 하기 전에 해당 블록은 미리 소거(erase-before-write)되어 있어야 하는 제약이 있으며, 각 블록은 소거될 수 있는 횟수가 제한적이다. 이런 단점들은 플래시 메모리가 대용량화됨에 따라 중요한 문제로 대두되고 있다. 이런 각 블록에 대한 소거 횟수의 제한을 해결하기 위하여 소거 횟수 평준화 기법(wear-leveling) 기법이 필수적이다. 본 논문에서는 블록의 소거 횟수의 한계를 극복하기 위한 새로운 소거 횟수 평준화 기법으로 전체 블록에 대한 소거 횟수 레벨을 두어 소거 횟수 평준화를 이루는 KM-평준화(KM-leveling)를 제안한다. KM-평준화는 소거 횟수 평준화를 위한 전체 블록의 계산 비용을 최소화하고 블록에 대한 소거 레벨을 두어 적은 공간을 사용하는 효율적인 기법이다. 본 논문은 M값 범위 이내에 각 블록의 소거 횟수들이 존재하도록 보장하는 KM-평준화를 제안한다.

최근 휴대전화 디지털 카메라, 랜 스위치, 디지털 셋톱박스, 휴대용 MP3 플레이어, 노트북용 PC 카드, 내장 기기의 펌웨어 등 플래시 메모리의 활용이 증가하고 있다. 하지만 기존 저장 장치와 달리 플래시 메모리는 특정 블록에 쓰기 연산을 하기 전에 해당 블록은 미리 소거(erase-before-write)되어 있어야 하는 제약이 있으며, 각 블록은 소거될 수 있는 횟수가 제한적이다. 이런 단점들은 플래시 메모리가 대용량화됨에 따라 중요한 문제로 대두되고 있다. 이런 각 블록에 대한 소거 횟수의 제한을 해결하기 위하여 소거 횟수 평준화 기법(wear-leveling) 기법이 필수적이다. 본 논문에서는 블록의 소거 횟수의 한계를 극복하기 위한 새로운 소거 횟수 평준화 기법으로 전체 블록에 대한 소거 횟수 레벨을 두어 소거 횟수 평준화를 이루는 KM-평준화(KM-leveling)를 제안한다. KM-평준화는 소거 횟수 평준화를 위한 전체 블록의 계산 비용을 최소화하고 블록에 대한 소거 레벨을 두어 적은 공간을 사용하는 효율적인 기법이다. 본 논문은 M값 범위 이내에 각 블록의 소거 횟수들이 존재하도록 보장하는 KM-평준화를 제안한다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 블록의 소거 횟수에 대해서 M번 이내의 K 소거 횟수 차이를 유지하며 많은 소거 연산이 들어오더라도 각 블록의 소거 횟수가 균등한 수준이 될 수 있도록 하는 기법을 제안한다. 이 기법에서는 각 블록의 소거 횟수를 적은 공간을 사용하고 기록하여 소거 횟수 평준화를 보장하며 빈 블록을 할당하는 기간 내에 평준화 작업을 위한 블록의 교체 작업이 이루어지므로 계산 비용을 줄인다.
• 본 논문에서는 플래시 메모리 시스템에서 여러 FTL(Flash Translation Layer)[7] 알고리즘에 쉽고 효율적으로 적용 가능한 KM-평준화 기법을 제안하고 구현한다. 또한 각 블록에 대한 정보를 작은 저장 공간을 사용하여 소거 횟수 평준화를 할 수 있도록 한다.
• 플래시 메모리의 대용량화에 따른 전체 블록의 계산 비용을 최소화하고 소거 횟수에 대한 정보를 적은 공간을 이용하여 관리하는 기법이 필요하다. 본 논문은 전체 블록에 대한 레벨을 두어 공간을 적게 차지하며 M값 범위 이내에 각 블록의 소거 횟수들이 존재하도록 보장한다. 그리고 FreeQ, HotQ, ColdQ 큐를 두어 블록을 찾는데 걸리는 비용을 줄이며, 업/다운-레벨링의 비용을 최소화하였다.

제안 방법

• 또한 각 블록에 대한 정보를 작은 저장 공간을 사용하여 소거 횟수 평준화를 할 수 있도록 한다. KM-평준화 기법은 다음의 5가지의 주안점을 가지고 설계하며 K-leveling을 개선한 효율적인 소거 횟수 평준화 기법이다.
• KM-평준화 기법의 결과를 비교하였다. 또한 성능 평가를 위해 표 2과 같은 테스트 작업을 수행하였다. 플래시 메모리는 6, 600개의 블록(약 100M)을 사용하였다.
• 2절에서 설명하도록 하겠다. 또한, 소거 레벨에 따른 블록의 교체에서 HotQ 큐와 ColdQ 큐의 크기를 3개로 두고 실험하였다.
• 본 논문에서는 KM-평준화에 대한 성능평가에 초점을 두었으며, 예기치 못한 시스템 종료로 인한 정보의 일관성 유지에 대한 문제는 다루지 않는다.
• 소거 횟수 평준화 기법의 성능을 비교 평가하기 위하여 KM-평준화를 적용하지 않는 것과 K-평준화 기법, 그리고 KM-평준화 기법의 결과를 비교하였다. 또한 성능 평가를 위해 표 2과 같은 테스트 작업을 수행하였다.
• 교체 정책은 다음과 같다. 소거 횟수에 대한 정보는 섹터의 헤더에 기록하여 블록들의 소거 횟수를 비교하는데 사용한다.
• 앞서 설명한 대로 5가지를 주안점을 두고 KM-평준화를 제안하였다. 하지만 본 논문에서는 실험 결과에 영향을 미치는 변화 요인을 제한하고 다음과 같은 가정으로 실험하였다.
• 앞으로 실험 환경에서는 본 논문에서 제안하는 KM-평준화와 성능 비교를 위해 블록을 할당하는 방법으로 KM-평준화를 적용하지 않은 랩-어라운드와 비교한다. 그리고 FreeQ 큐의 크기는 10개로 두어서 실험하였다.
• 이렇게 소거 횟수를 비교하여 그 차이가 임계 값을 초과하면 핫 블록(hot block)과 콜드 블록(cold block)을 교체한다. 교체 정책은 다음과 같다.
• 첫 번째는 물리적인 블록 테이블에 대한 정보는 정보 블록(information block)에 상주시키는 방법을 이용하고 두 번째 방법으로 각 블록의 K 값은 그 블록의 헤더 (header)에 저장한다. 이렇듯 두 가지 방법을 두는 이유는 정보의 안정성과 신뢰성을 높이기 위한 것이다.
• 같이 동작하게 된다. 핫블록과 콜드블록을 선정하고 각 FTL에 해당하는 교체 정책에 따라서 교체한다.
• 로그 파일은 다중 프로세서가 JPG와 MP3파일을 복사 혹은 삭제에 대한 디스크의 랜덤 I/O를 추출한 로그 파일이다. 현재 실험에 사용한 로그파일은 NTFS 파일 시스템으로 임의의 데이터에 대한 I/O를 수행하여 실제 물리적인 플래시 메모리에 대해서 각 블록 당 소거 횟수를 살펴보고 성능의 차이를 시뮬레이션하였다.

대상 데이터

• 또한 성능 평가를 위해 표 2과 같은 테스트 작업을 수행하였다. 플래시 메모리는 6, 600개의 블록(약 100M)을 사용하였다. 로그 파일은 다중 프로세서가 JPG와 MP3파일을 복사 혹은 삭제에 대한 디스크의 랜덤 I/O를 추출한 로그 파일이다.

이론/모형

• 이와 같이 공평하게 빈 블록을 할당 하는 것이 중요한 이유는 소거 레벨을 고려하여 할당해 서각 블록이 비슷한 레벨에서 소거될 수 있도록 한다. 공평하게 빈 블록을 할당하기 위해서 순차적으로 할당하는 방식(wrap-around)을 사용한다. 순차적 할당 방식인 랩-어라운드 방식은 빈 블록을 순차적으로 할당하는 방식을 말하는데, 빈 블록을 찾을 때에는 블록의 처음부터 찾는 것이 아니라 이전에 할당된 블록의 다음 블록부터 순차적으로 찾아 빈 블록을 할당하는 방식을 말한다.
• 용도에 따라 다를 수 있다. 본 논문에는 FTL 알고리즘 중 로그 블록 기법[9](log block scheme)중 FAST(Full Associative Sector Translation)[10] 알고리즘을 가지고 성능 평가를 수행하였다. FAST 알고리즘의 블록 교체 정책은 4.
• 위 실험 환경을 테스트하기 위해서 로그정보를 읽어 FTL 알고리즘의 성능을 평가하는 도구인 FTL APAT(FTL Algorithm Performance Analysis Tool)[11]를 사용하여 KM-평준화를 적용하지 않은 것과 K-평준화, 그리고 KM-평준화 기법을 FAST 알고리즘에 적용하여 실험하였다.

성능/효과

• 본 논문은 전체 블록에 대한 레벨을 두어 공간을 적게 차지하며 M값 범위 이내에 각 블록의 소거 횟수들이 존재하도록 보장한다. 그리고 FreeQ, HotQ, ColdQ 큐를 두어 블록을 찾는데 걸리는 비용을 줄이며, 업/다운-레벨링의 비용을 최소화하였다.
• 특히 K-평준화보다 KM-평준화 기법의 성능이 우수한 이유는 K-평준화는 고정된 K값이기 때문에 TE를 증가시키고, 소거 레벨이 K값을 초과하게 되어 일관성을 잃기 때문이다. 표 3에서 보는 바와 같이 블록의 교체로 인한 강제적 소거로 플래시 메모리 시스템에 약 2%정도의 성능 저하가 나타나며 소거 횟수 평준화는 약 56%정도(표준편차 기준) 향상된 결과를 알 수 있다.
• 현재 표 3의 결과로 비춰볼 때 KM-평준화를 적용하지 않은 것과 K-평준화 기법보다 KM-평준화 기법이 우수하다는 것을 알 수 있다. 특히 K-평준화보다 KM-평준화 기법의 성능이 우수한 이유는 K-평준화는 고정된 K값이기 때문에 TE를 증가시키고, 소거 레벨이 K값을 초과하게 되어 일관성을 잃기 때문이다.

후속연구

• M 값은 전체 블록 중 사용하지 않는 빈 블록의 개수와 관계가 있다. KM-평준화는 M값 이내에 각 블록의 소거 횟수들이 존재함을 보장해야 하기 때문에 M값을 산출하기 위해서는 KM-평준화를 위한 여유 블록을 얼마만큼 두어야 하는지를 연구되어야 할 것이다. 또한 시스템의 예기치 못한 종료로 인하여 정보의 일관성 유지를 위한 구현에 대해서도 고려해 보아야 하며, FTL 알고리즘 중 FAST 알고리즘뿐 아니라 다른 알고리즘에 적용하여 성능 평가해봐야 할 것이다.
• KM-평준화는 M값 이내에 각 블록의 소거 횟수들이 존재함을 보장해야 하기 때문에 M값을 산출하기 위해서는 KM-평준화를 위한 여유 블록을 얼마만큼 두어야 하는지를 연구되어야 할 것이다. 또한 시스템의 예기치 못한 종료로 인하여 정보의 일관성 유지를 위한 구현에 대해서도 고려해 보아야 하며, FTL 알고리즘 중 FAST 알고리즘뿐 아니라 다른 알고리즘에 적용하여 성능 평가해봐야 할 것이다.
• 향후 연구로는 M값을 결정하는 연구가 필요하다. M 값은 전체 블록 중 사용하지 않는 빈 블록의 개수와 관계가 있다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기

연구과제 타임라인

FlashMemory기반임베디드멀티미디어소프트웨어기술개발

LOADING...

전체(0) 논문(0) 특허(0) 보고서(0)

더보기

LOADING...

전체(0) 논문(0) 특허(0) 보고서(0)

더보기

LOADING...

LOADING...

LOADING...