【忆芯技术分享】企业级SSD这个创新思路，如何让IO性能如此稳定

关于SSD的性能测试有很多项，文章下面跟大家分享下PTS测试中的Write Saturation(WSAT)写饱和测试的优化内容。PTS是固态存储的性能测试规范，可参见《Solid State Storage Performance Test Specification 》

在PTS中，将SSD的性能状态分为了3个阶段：

出厂状态，一般称为空盘状态。SSD 的NAND区域没有进行数据写入， 安全擦除命令可以将设备恢复出厂状态，该阶段的写性能可以达到峰值性能，SSD后台任务不会启动。

随着非重复数据的不断写入，SSD的可写空间变小，当降低到一定阈值时就会触发SSD的垃圾回收（GC）任务释放空闲空间。该阶段性能下降较多，波动也较大，下降的幅度，取决于GC回收空闲空间的负载。

当GC回收的负载和主机写入负载趋于平衡时，SSD 的性能会逐渐平稳下来，并长期维持在这个状态，称为稳态。稳态性能对于企业SSD应用有很大的实际意义。

稳态的性能不仅仅是IO处理的速度有多快，还要看处理IO是否平稳。衡量平稳的方式，一般有两种：

前者着重于表现单点向下跌落的程度，后者着重于表现上下振动的幅度。

传统的控制算法（如自适应控制算法）的优势在于处理该问题时，表现出在不同硬件（如NAND,DDR）配置下都有较好的性能控制能力。

但是，其难点是在转换阶段时容易出现扰动，并传递到稳定阶段，影响IO的一致性。而且不同硬件配置下扰动的程度可能不同，所以还需要开发人员分别精心地调校。

下面我们来看下如何用神经网络模型处理SSD的稳态控制问题，以及效果怎样。

主机先要对SSD的性能参数调节模块配置一组参数，然后在特定训练的IO场景中对SSD发送IO命令,同时主机实时地采集SSD内部的性能监测模块上报的各项工作数据。

抽样的数据有很多，且时间段也较长，要能实际表示出实际情形，需要在后面的整个流程中，不断反复且持续的进行工作并修正需要训练的数据集。

为了方便理解，可将模型简化为一个三输入二输出的模型。输入输出的参数如下：

输入参数host_w_iops：采样主机写通路的IOPS

输入参数host_r_iops：采样主机读通路的IOPS

输入参数vtc：SSD内部启动GC（垃圾回收）任务时，最小单位数据的有效数量

输出参数host_w_limit：主机写通路的流量限制参数

输出参数gc_limit：GC通路的流量限制参数

注：流量限制是指单位时间（如100ms）内可以处理单元数据（一般是4K）的数量。

通过软件定时器实现的单位时间精度一般是在ms毫秒级，忆芯科技的新一代主控芯片STAR2000在硬件上实现了流量管理功能，时间精度可以达到ns纳秒级，精度相对提高了100万倍。

i. 分析收集到的数据集，配置给模型一组期望的目标值。

ii. 用收集到的数据集训练神经网络，并评估训练结果，若目标偏差较大，需要反复迭代训练该过程。

iii. 训练完成后，将相关参数集部署到SSD中，并执行训练场景的IO测试。

iv. 若实际结果与目标偏差较大，则反馈到前端进行调整。

v. 最后训练完成后，就可以进入评估阶段，验证下实际的效果。

从下图中看到转换过程中没有超调的情况，在退出转换阶段时无明显的扰动。

从下图中可看到，使用神经网络模型的方式，在振动的幅度上有一定的改善。单点向下抖动的程度也有一定改善，具体的一致性数值则从之前的91%提升至97%。