01背景及動機

3D閃存架構中的制程差異增加了壞塊管理的難度。由于不同塊之間的錯誤特征不同，現有的基于P/E次數的壞塊管理策略下，很難確定合適的P/E閾值。若P/E設置激進，則增加數據丟失的可能性；若P/E設置保守，則無法充分利用強可靠性閃存塊的壽命，從而降低了SSD的整體使用壽命。本文探討的壞塊管理，本質是如何權衡可靠性和SSD使用壽命?

一個理想的壞塊管理策略是在一個塊失敗之前立即退役，關鍵是能夠準確地預測閃存塊何時接近其生命周期的末端。

在本文中，利用閃存塊之間的空間相關性劃分集群，以集群為粒度進行壞塊管理。如果在塊級存在空間相關性，那么一個塊的失效是其相鄰塊近期失效的有力指標。本文在海力士3D TLC閃存上進行可靠性實驗，分析相鄰閃存塊之間的錯誤特征，并且表明存在集群相似性，即物理接近的閃存塊具有相似的錯誤特征。

02集群相似性

實驗設置：從10塊海力士TLC閃存選取40個cluster，每個cluster的選取采用同個plane中的連續10個塊。對這些塊執行編程隨機數據，然后執行擦除，循環直到報廢。擦除之前數據的dwell time為10s。收集對應P/E下的比特錯誤率。

結論：1）對于不同集群中的塊，在P/E周期中的比特錯誤率趨勢可能非常不同；2）對于同一集群中的塊，比特錯誤率趨勢更加相似，即存在集群相似性。

03基于集群的壞塊管理

基于集群相似性，提出了一種基于集群的壞塊管理策略。集群中的閃存塊可靠性及在P/E影響下錯誤率趨勢具有相似性。也就是說，在壞塊管理時，當其中一個閃存塊成為壞塊時，整個集群中的閃存塊全部標記為壞塊。通過這種集群相似性特征來管理壞塊，可以及時標記壞塊，從而在確保可靠性的前提下，盡可能提升閃存壽命。

提出的基于集群的壞塊管理策略有兩個關鍵設計問題。

1) 集群大小的選擇。集群大小決定了SSD壽命和可靠性之間的權衡。更大的集群大小會導致更低的故障率（更加保守，并不能完全耗盡每一個閃存塊的壽命），但會以更短的SSD壽命為代價。如何選擇集群相似度強的集群大小，在不犧牲SSD壽命的情況下保證可靠性，對于基于集群的壞塊管理機制的有效性至關重要。為此，本文提出了一個度量標準來量化集群的相似性，并推導出閃存塊故障率和集群大小之間的相關性。因此，給定集群大小的可靠性和SSD壽命之間的權衡可以被定量地評估。

2) 集群退役時對I/O性能的影響。集群退役的時候，該集群的所有有效數據需要拷貝到其他集群。由于集群退役而導致的讀寫突發可能會干擾用戶的I/O請求。為了解決這一問題，本文提出了一種關鍵塊優先調度策略，當集群中某個塊標記為壞塊時，該塊的數據遷移優先級高于用戶請求。集群中其余塊在之后SSD空閑時，執行關聯的讀寫操作。因此，可以盡量減少集群退役時的性能影響。

04實驗測試

實驗一：對比基于集群的管理方法和基于塊的管理方法

權衡Block usage和Block failure rate。其中，?Block? usage指的是被定義為在SSD不再可用之前所承受的平均P/E。Block failure rate定義為發生塊故障的塊的比例。

當P/E次數增加時，塊的使用情況和塊的故障率都會上升。基于集群的塊管理方法中，可以實現23000P/E次數，并實現block failure rate為0.01。對于基于塊的管理方法，當確保塊失敗率為0.01時，P/E僅為11000。如果要實現23000P/E，塊失敗率為0.09。這表明，所提出的基于集群相似性的方法在塊使用和塊故障率之間實現了更好的權衡。

為了進行更詳細的分析，從塊管理策略中選擇以下設置，以查看塊退休率和塊故障率如何隨時間變化。

不同的集群大小如何影響基于集群的管理策略？圖8展示了塊退休率和塊故障率隨時間變化趨勢。評估了五種不同的集群大小，包括1、2、5、10，以及clusterAll表示同一芯片內的所有塊視為單個集群。注意，cluster1相當于BlockNoLimit，clusterALL代表集群很大。

當集群大小增加時，壽命降低。然而，對于集群大小為1、2、5、10，差異不顯著。這是因為當集群大小等于10時，集群相似性仍然很強。

隨著集群大小的增加，塊故障率減小。當集群大小等于10時，塊故障率已經小于0.01。因此，沒有必要選擇一個更大的集群大小。

實驗二：測試數據重新分配的性能情況

比較了基于集群管理策略與基于塊管理策略的I/O性能。該實驗表明，通過關鍵塊優先分配調度可以減輕基于集群管理策略的I/O影響。下圖表示塊退役前后的I/O延遲。x軸表示分析時間和塊退役之間的時間差，從塊退役前50秒到塊退役后50秒。y軸表示每1000個請求的平均I/O延遲。可以看到，基于集群的方法會引入延遲尖峰。而關鍵塊優先分配解決了此問題。

05總結

本文發現物理接近的閃存塊間存在相似的誤差特征(集群相似性)，提出一種基于集群的壞塊管理方式，確保閃存可靠性的前提下，提升閃存壽命。考慮到基于集群的管理下，集群退役引起的I/O性能問題，本文還提供了一種針對壞塊重新分配的關鍵塊優先調度方法。實驗表明所提出的方法可以延長閃存壽命2倍，而不會有任何I/O性能下降。

審核編輯：劉清