RBC：一种适用于ZNS固态硬盘的随机抗干扰块级压缩策略

《ACM Transactions on Architecture and Code Optimization》：RBC: A Randomness-Resistant Block-Grained Compaction Strategy for ZNS SSDs

针对ZNS SSD中LSM树优化面临的数据碎片化、预取缓存命中率下降及读延迟增加问题，提出随机抗性块级紧凑化（RBC）策略。通过动态调整紧凑化粒度、重映射表优化预取缓存，延迟碎片化区块回收，有效降低数据迁移开销和随机读操作，实验显示RBC提升吞吐量69%，范围查询性能1.75倍。

　　

摘要

针对基于ZNS（Zoned NAS Storage）的SSD（Solid State Disk），关于LSM-tree（Log-Structured Merge Tree）优化方面的研究受到了广泛关注。现有研究主要集中在通过确保数据块在各个区域内的生命周期一致性来降低垃圾收集的开销。虽然许多研究探讨了LSM-tree与ZNS SSD之间的级联写放大（cascading write amplification）问题，但很少有研究评估现有写放大减少策略在ZNS上的有效性。块压缩（Block compaction）是一种常用的优化方法，它通过将压缩粒度缩小到数据块级别并重新映射可重用的数据块来减少写放大。然而，块压缩会导致ZNS SSD中的数据碎片化，从而在区域回收过程中增加数据迁移和写放大的现象。此外，数据碎片化还会降低ZNS文件系统的预取缓存命中率，进而增加数据块读取延迟，对用户的读取操作和范围查找性能产生负面影响。另外，当可重用数据块的比例较低时，块压缩会产生更多的随机读取操作，导致更高的压缩延迟，并阻塞用户的读写操作。

为了解决这些问题，我们提出了抗随机性的块级压缩（Randomness-Resistant Block-grained Compaction，简称RBC）策略。RBC使用一个重映射表来跟踪碎片化数据块的位置，从而更高效地利用预取缓存。此外，RBC通过延迟高度碎片化区域的回收，并在空闲期间迁移重新映射的数据块，来减少由数据碎片化引起的数据迁移开销。RBC引入了一种动态压缩策略：在高脏块比率（dirty block ratio）时采用块级压缩，在低脏块比率时切换到文件级压缩。同时，它还实现了一种低CPU开销的脏块检测机制。实验结果表明，与传统RocksDB以及其他块级压缩方法相比，RBC分别将吞吐量提高了69%和37%；并且与其他块级压缩技术相比，RBC还将范围查询性能提高了1.75倍。