一种基于多智能体强化学习辅助的混合SSD空间管理方案
《ACM Transactions on Architecture and Code Optimization》:A Multi-Agent Reinforcement Learning-Assisted Space Management Scheme for Hybrid SSDs
【字体:
大
中
小
】
时间:2026年08月30日
来源:ACM Transactions on Architecture and Code Optimization 2.9
编辑推荐:
摘要AI 摘要要查看此 AI 生成的摘要,您必须拥有高级访问权限。了解详情登录摘要摘要混合 SSD 允许闪存单元在不同类型的闪存单元(例如 SLC/MLC/QLC)之间进行转换,旨在同时实现高性能和高密度。然而,以往仅包含两种闪存单元类型的设计在单比特模式(SLC)的闪存单元
要查看此 AI 生成的摘要,您必须拥有高级访问权限。
摘要
摘要
混合 SSD 允许闪存单元在不同类型的闪存单元(例如 SLC/MLC/QLC)之间进行转换,旨在同时实现高性能和高密度。然而,以往仅包含两种闪存单元类型的设计在单比特模式(SLC)的闪存单元耗尽后,会出现性能断崖式下降。在本工作中,我们提出了一种基于层级划分的新颖混合 SSD(例如,包含 SLC-MLC-QLC),命名为 RL-hybridSSD,该设计采用中间层级(例如 MLC)作为性能缓冲。我们设计了一种工作负载感知的动态放置机制,根据工作负载动态和设备空间压力,自适应地在 SLC、MLC 和 QLC 区域之间路由热数据和冷数据写入。此外,我们设计了一种多智能体强化学习辅助的空间管理方案,综合考虑 SSD 内部状态和工作负载模式,协调垃圾回收和模式转换过程。我们基于仿真,利用多种真实世界工作负载对 RL-hybridSSD 进行了评估。实验结果表明,与最先进的方案相比,所提出的 RL-hybridSSD 在平均性能上提高了 2.03 倍。
AI 摘要
AI 生成摘要(实验性)
本摘要由自动化工具生成,未经论文作者撰写或审核。它旨在支持文献发现、帮助读者评估相关性,并协助相邻研究领域的读者理解本工作。本摘要旨在补充作者提供的摘要,后者仍然是论文的主要摘要。完整文章仍是权威的正式版本。点击此处了解详情。
点击 此处 对本摘要的准确性、清晰度和实用性进行评论。这样做将有助于改进未来的重新生成版本。
要查看此 AI 生成的通俗摘要,您必须拥有高级访问权限。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号