[국내논문]Cold 블록 영역과 hot 블록 영역의 주기적 교환을 통한 wear-leveling 향상 기법 A wear-leveling improving method by periodic exchanging of cold block areas and hot block areas원문보기
플래시 메모리에서 읽기 작업은 속도도 빠르고 제약이 없으나 데이터 변경 시에는 덮어쓰기(overwrite)가 되지 않아 해당 데이터를 새로운 영역에 쓰고 이전에 존재하던 데이터는 무효 시켜야한다. 무효화시킨 데이터는 가비지컬렉션을 통해 지움 연산을 수행해야 한다. 지역 접근성을 가지는 데이터에 대해 가비지컬렉션을 통해 클리어 시킬 대상 목록을 선정할 때 cost-benefit 방법을 사용하면 성능은 좋으나 wear-leveling이 나빠지는 문제점이 있다. 본 연구에서는 wear-leveling을 개선하기 위해 플래시 메모리를 hot 데이터 그룹들과 cold 데이터 그룹들의 다수의 그룹으로 분할한 후 데이터를 배치하고 주기적으로 hot 데이터 영역과 cold 데이터 영역을 교체함으로써 wear-leveling과 성능을 개선하였다.
플래시 메모리에서 읽기 작업은 속도도 빠르고 제약이 없으나 데이터 변경 시에는 덮어쓰기(overwrite)가 되지 않아 해당 데이터를 새로운 영역에 쓰고 이전에 존재하던 데이터는 무효 시켜야한다. 무효화시킨 데이터는 가비지컬렉션을 통해 지움 연산을 수행해야 한다. 지역 접근성을 가지는 데이터에 대해 가비지컬렉션을 통해 클리어 시킬 대상 목록을 선정할 때 cost-benefit 방법을 사용하면 성능은 좋으나 wear-leveling이 나빠지는 문제점이 있다. 본 연구에서는 wear-leveling을 개선하기 위해 플래시 메모리를 hot 데이터 그룹들과 cold 데이터 그룹들의 다수의 그룹으로 분할한 후 데이터를 배치하고 주기적으로 hot 데이터 영역과 cold 데이터 영역을 교체함으로써 wear-leveling과 성능을 개선하였다.
While read operation on flash memory is fast and doesn't have any constraints, flash memory can not be overwritten on updating data, new data are updated in new area. If data are frequently updated, garbage collection, which is achieved by erasing blocks, should be performed to reclaim new area. Hen...
While read operation on flash memory is fast and doesn't have any constraints, flash memory can not be overwritten on updating data, new data are updated in new area. If data are frequently updated, garbage collection, which is achieved by erasing blocks, should be performed to reclaim new area. Hence, because the number of erase operations is limited due to characteristics of flash memory, every block should be evenly written and erased. However, if data with access locality are processed by cost benefit algorithm with separation of hot block and cold block, though the performance of processing is high, wear-leveling is not even. In this paper, we propose CB-MG (Cost Benefit between Multi Group) algorithm in which hot data are allocated in one group and cold data in another group, and in which role of hot group and cold group is exchanged every period. Experimental results show that performance and wear-leveling of CB-MG provide better results than those of CB-S.
While read operation on flash memory is fast and doesn't have any constraints, flash memory can not be overwritten on updating data, new data are updated in new area. If data are frequently updated, garbage collection, which is achieved by erasing blocks, should be performed to reclaim new area. Hence, because the number of erase operations is limited due to characteristics of flash memory, every block should be evenly written and erased. However, if data with access locality are processed by cost benefit algorithm with separation of hot block and cold block, though the performance of processing is high, wear-leveling is not even. In this paper, we propose CB-MG (Cost Benefit between Multi Group) algorithm in which hot data are allocated in one group and cold data in another group, and in which role of hot group and cold group is exchanged every period. Experimental results show that performance and wear-leveling of CB-MG provide better results than those of CB-S.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 hot 데이터와 cold 데이터를 분리하여 저장하여 관리하는 Cost benefit 방법 (CB・S)의 단점인 wear-levelinge; 개선하기 위한 방법으로 hot 데이터와 cold 데이터를 서로 다른 그룹에에저장하여 관리하고 일정주기로 그룹의 역할을 교환하는 방법을 제안하고 성능을 평가하였다. hot 데이터와 cold 데이터를 블록단위로 분리하여 저장하여 관리하는 Cost benefit 방법은 좋은 성능을 보이지만 균등하지 않은 wear-leveling을 제공하는 것이 단점으로 지적된 반면, 본 연구에서 제안한 CB-MG 방법은 접근지역성을 보이는 작업부하에 대해 CB-S 방법에 비해 좋은 성능을 보임과 동시에 균등한 wear-leveling-g- 보이는 것으로 나타났다.
제안 방법
본 연구에서는 플래시 메모리 공간을 다수의 그룹으로 나누고 hot 데이터와 cold 데이터의 비율에 따라 일정 수의 그룹은 hot 데이터 블록들 올 저장하고, 나머지 그룹은 cold 데이터 블록들을 저장한 후, 주기적으로 hot 데이터 영역과 cold 데이터 영역을 교체함으로써 wear-leveling 을 개선하였다.
이런 경우, hot 블록만 포함하는 그룹과 cold 블록만 포함하는 그룹 모두 그룹내에서는 균등한 wear-levelingl- 제공할 수 있지만, h아 블록만 포함하는 그룸이 빨리 소진되는 현상이 나타날 것이다. 따라서 본 논문에서는 일정한 주기로 hot 그룹과 cold 그룹의 역할을 바꾸도록 하여 전체풀래시 메모리의 weai니ev이ing을 향상시켰다.
본 논문에서 제안한 CB-MG의 성눙 및 wear- le戒ling을 CB-S 기법과 비교하기 위해 시뮬레이션을 수행하였다.
실험은 1개 뱅크의 크기에 해당하는 논리적 페이지에 대한 페이지 번호를 발생시키되 발생된흘수 페이지 번호는 번호가 하나 작욘 짝수 페이지로 바꾸어 논리적인 홀수 페이지는 없도록 하여 1개의 물리적 뱅크에 할당되는 물리적인 페이지의 수는 물리적 뱅크의 절반만 차치하도록 하였다. 이때 새로운 물리적 블록이 일정개수 (1/100) 이하가 되면 가비지 컬렉션이 수행되도록 하여 dirty 페이지가 많은 블록들이 클리어 되도록 하였다.
이때 새로운 물리적 블록이 일정개수 (1/100) 이하가 되면 가비지 컬렉션이 수행되도록 하여 dirty 페이지가 많은 블록들이 클리어 되도록 하였다. 이와 같은 방법으로 작업부하를 1000 회 연속 발생시켜 실험을 수행하였다. CB-MG의 성능을 평가하기 위해 플래시 메모리를 10개의 ZL룹으로 나눈 후' 발생된 페이지 번호에 따라 그룹으로 나뉘어 관리되도록 하였다.
이와 같은 방법으로 작업부하를 1000 회 연속 발생시켜 실험을 수행하였다. CB-MG의 성능을 평가하기 위해 플래시 메모리를 10개의 ZL룹으로 나눈 후' 발생된 페이지 번호에 따라 그룹으로 나뉘어 관리되도록 하였다.
성능비교시 CB-S 및 C&MG의 CPU 수행시간을 고려하였다. 본 실험은 플래시 메모리를 사용하는 환경을 PDA와 같은 임베디드 시스템을 고려하므로 CPU 의 수행시간을 PC 수행시간의 5배로 환산하여 계산하 였다.
작업부하는 [6]에 있는 것과 유사한 방법으로 지역성을 가지는 작업부하를 2개의 등급으로 나누어 실험한다. 참조의 지역성을 표시하기 위해 x/y로 표현하는데 이것은 y%의 데이터에 X % 의 접근이 이루어지는 것을 의미한다.
대상 데이터
과 같다. 표 1의 실험 파라메터는 블록의 크기가 크고 대용량인 플래시 메모리의 사양으로 사용되는 파라메터이다,
데이터처리
본 논문에서 제안하는 CB.MG의 성능을 상대적으로 평가하기 위해 기존에 제안된 CB-S 방법의 성능을 함께 평가하여 비교한다. 성능비교시 CB-S 및 C&MG의 CPU 수행시간을 고려하였다.
성능/효과
본 논문에서 제안한 CB-MG 방법은 접근 지역성이 증가함에 따라 CB-S에 비해 성능은 더 좋아지고 wear-leveling 또한 양호한 결과를 보여준다. 전체적으로 CB-MG는 교환 주기가 평균 쓰기 50회인 경우에 성능과 wear-leveling 측면에서 좋은 결과를 보여준다.
전체적으로 CB-MG는 교환 주기가 평균 쓰기 50회인 경우에 성능과 wear-leveling 측면에서 좋은 결과를 보여준다.
평가하였다. hot 데이터와 cold 데이터를 블록단위로 분리하여 저장하여 관리하는 Cost benefit 방법은 좋은 성능을 보이지만 균등하지 않은 wear-leveling을 제공하는 것이 단점으로 지적된 반면, 본 연구에서 제안한 CB-MG 방법은 접근지역성을 보이는 작업부하에 대해 CB-S 방법에 비해 좋은 성능을 보임과 동시에 균등한 wear-leveling-g- 보이는 것으로 나타났다. CB-MG는 그룹의 교환 주기가 평균 쓰기 50회로 하면 가장 좋은 성능과 좋은 wear-leveling을 보이는 것으로 분석되었다.
hot 데이터와 cold 데이터를 블록단위로 분리하여 저장하여 관리하는 Cost benefit 방법은 좋은 성능을 보이지만 균등하지 않은 wear-leveling을 제공하는 것이 단점으로 지적된 반면, 본 연구에서 제안한 CB-MG 방법은 접근지역성을 보이는 작업부하에 대해 CB-S 방법에 비해 좋은 성능을 보임과 동시에 균등한 wear-leveling-g- 보이는 것으로 나타났다. CB-MG는 그룹의 교환 주기가 평균 쓰기 50회로 하면 가장 좋은 성능과 좋은 wear-leveling을 보이는 것으로 분석되었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.