NVMe SSD的GC演算法與模擬原理解析

NVMe SSD的核心演算法眾多，Garbage collection（後文簡稱GC）就是其中之一。一個好的GC演算法可以有效的降低SSD的寫放大係數，對於SSD的效能和壽命都大有益處。本篇文章就介紹下Memblaze在GC演算法及其模擬方面的一些工作。
NAND中，block必須先擦除，然後才能寫入資料，且資料寫入和擦除的粒度不一致，是需要GC的一個重要原因。擦除粒度block遠大於寫入粒度page，當系統寫入一段時間後，會存在一些block，這些block中有些page中的資料是無效的，如下圖。

對於上圖，**GC完成的功能就是把圖中左邊的兩個block選出來，然後搬移Block中的有效資料到右邊的block中。**首先，Block x和Block y上有效的資料被搬移到Block z中，然後，Block x和Block y將被擦除以便後來資料寫入。顯然這個機制作用下，SSD上NAND的寫入量要比主機寫到SSD上的資料量大（因為GC搬移資料也是NAND寫入操作）。由此就有了寫放大（WA）：

好的GC演算法能夠得到較小的WA。實現GC功能，SSD需要提供額外的儲存空間，來儲存這些需要搬移的資料，這個額外的空間就是OP（此外，當SSD出現壞塊時，OP也可以保障足夠的使用者空間）。OP越大，GC工作起來越得心應手，大開大合無拘無束，OP越小，GC越累。
這裡做一個進一步的解釋，**OP很重要，OP越大意味著使用的NAND越多，成本也越高；但是沒有OP，SSD的WA會非常大，進而影響到效能和壽命。**GC的目標就是努力使的相同OP下，WA儘可能小；或者相同WA下，OP儘可能小，這是等價的表述。隨著OP減小，SSD的效能表現會逐漸變差。

模擬平臺

GC側重在演算法研究，這需要明確輸入是什麼。困難的是，我們無法找到一個形式化的描述，或者一個資料集，來明確定義GC演算法的輸入。由此，模擬是一個解決辦法。通過建立GC演算法執行的環境，把不同的GC演算法，載入到這個環境中來執行，觀察其效果，不斷對比評估，從而得到期望的GC演算法。Memblaze開發了自己的SSD演算法模擬平臺，該平臺將SSD高度抽象，著重突出其NAND擦寫邏輯，從而簡單明瞭的直接支援GC演算法的研究。
模擬平臺由輸入、輸出、演算法和框架幾個部分組成。輸入模擬了使用者IO；輸出是監測到的系統狀態資料；演算法對GC研究來說就是GC演算法；框架是平臺核心，模擬了SSD邏輯，並將各個部分有機組合在一起協同工作，如下圖。

框架部分可以擴充套件，以實現不同的SSD邏輯，以此來模擬各種SSD實卡環境。IO部分，目前能夠支援多種形式化描述的使用者流模式，如順序流、隨機流及其混合流；以及檔案形式的使用者資料流。檔案形式的資料流多是從實際環境中採集得到。在框架的支援下，多種演算法可以聯合研究，比如，Memblaze最近的順序流演算法，就通過和GC演算法聯合研究，以檢測其有效性。

GC演算法

GC對SSD來說，必不可少，眾多的從業人員和學者都進行了很多研究。Memblaze基於演算法模擬平臺，在GC方面也進行了大量研究。GC演算法，如上文所介紹，當沒有地方寫使用者資料的時候，把那些已經寫上資料的block，挑一些出來，這些block上有用的資料都搬到另一個新的block上，這些被挑出來的block就可以擦除，用來寫新的使用者資料了。因此，GC的核心就是怎麼挑選block。一個GC演算法需要考慮：

1. 什麼時候開始做GC；
2. 怎麼挑選block；
3. 搬移的資料和使用者資料怎麼寫。
   這些問題沒有一個確定的答案，不同的SSD應用環境，不同的設計目標，會有不同的選擇。
   Memblaze研究的GC演算法，目標是在儘可能多的應用場景下，使得block的磨損基本均衡，且WA儘可能小。GC演算法包括單流、雙流以及多流演算法。這裡流指的是NAND裡選出的一串block，及其上儲存的資料。不同流的資料，基本都有明確可區分的來源。
   對於一個雙流的GC演算法來說，區分為使用者流和GC流，它們最後會寫入到不同的block中，以此來利於冷熱資料各自聚集。使用者流是直接來自host的IO構成的流，GC流是搬移產生的IO構成的流。
   GC在系統空閒容量達到閾值時啟動，並依據眾多的狀態因素和統計資訊來挑選block，最後將使用者流和GC流分別寫到不同的block裡。GC演算法好比一個程式，其中包含多個執行緒。每個執行緒都專注於分析處理各自關心的因素或資訊，並給出挑哪個block來擦除的選擇。
   一個主執行緒，根據策略來管理和選擇使用哪個執行緒提供的結果，做為最終選中的block。有一個執行緒處理磨損均衡，當各個block擦除的次數差別超過閾值時，它就提供擦除次數最小的一個block做為備選，提供給主執行緒。有一個執行緒處理冷熱資料，如果冷資料需要搬移，就把它搬到擦除次數最小的block中，以利於磨損均衡，這個block就提供給主執行緒備選。
   有一個執行緒在不斷的計算每個block的優先順序分數，並提供分數最小的那個block給主執行緒。分數的計算需要考慮很多因素，比如，block裡面有用的資料越少，分數要越低；block的擦除次數越少，分數要越低。主執行緒根據整個SSD的狀態，來確定選擇哪個block來擦除。

GC演算法的效果

下面兩個圖，分別是採用全盤隨機寫和JESD219的輸入IO時的模擬結果。通過對比模擬結果，可以持續調整優化演算法。

在多流的GC演算法方面，Memblaze也做了大量模擬研究，正逐步加強實踐檢驗方面的內容。更進一步，模擬平臺可以擴充套件SSD的抽象邏輯，以支援各種SSD演算法的研究。同時，GC演算法一方面也可以考慮更多的應用場景，來繼續優化演算法；同時可以考慮更新的GC演算法結構。

本文作者

來自Memblaze研究中心的技術高手。GC、磨損均衡等NVMe SSD的核心演算法和平臺模擬技術正是他的重要研究領域。這篇文章就是他執筆結合自身研究寫的一篇文章，旨在幫助讀者理解GC演算法的設計與實現的基本原理。