[go: up one dir, main page]

KR102321947B1 - 데이터 저장 시스템 및 데이터 저장 시스템 성능, 용량 및/또는 동작 요건을 자율적으로 적응시키기 위한 방법 - Google Patents

데이터 저장 시스템 및 데이터 저장 시스템 성능, 용량 및/또는 동작 요건을 자율적으로 적응시키기 위한 방법 Download PDF

Info

Publication number
KR102321947B1
KR102321947B1 KR1020190108997A KR20190108997A KR102321947B1 KR 102321947 B1 KR102321947 B1 KR 102321947B1 KR 1020190108997 A KR1020190108997 A KR 1020190108997A KR 20190108997 A KR20190108997 A KR 20190108997A KR 102321947 B1 KR102321947 B1 KR 102321947B1
Authority
KR
South Korea
Prior art keywords
data storage
host system
physical storage
amount
storage system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020190108997A
Other languages
English (en)
Other versions
KR20200074844A (ko
Inventor
제이 사카
코리 피터슨
Original Assignee
웨스턴 디지털 테크놀로지스, 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 웨스턴 디지털 테크놀로지스, 인코포레이티드 filed Critical 웨스턴 디지털 테크놀로지스, 인코포레이티드
Publication of KR20200074844A publication Critical patent/KR20200074844A/ko
Application granted granted Critical
Publication of KR102321947B1 publication Critical patent/KR102321947B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/061—Improving I/O performance
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0614—Improving the reliability of storage systems
    • G06F3/0616—Improving the reliability of storage systems in relation to life time, e.g. increasing Mean Time Between Failures [MTBF]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F12/00—Accessing, addressing or allocating within memory systems or architectures
    • G06F12/02—Addressing or allocation; Relocation
    • G06F12/0223—User address space allocation, e.g. contiguous or non contiguous base addressing
    • G06F12/023—Free address space management
    • G06F12/0238—Memory management in non-volatile memory, e.g. resistive RAM or ferroelectric memory
    • G06F12/0246—Memory management in non-volatile memory, e.g. resistive RAM or ferroelectric memory in block erasable memory, e.g. flash memory
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0727—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a storage system, e.g. in a DASD or network based storage system
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0793—Remedial or corrective actions
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3034—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a storage system, e.g. DASD based or network based
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G06F11/3433—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment for load management
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3447—Performance evaluation by modeling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3466—Performance evaluation by tracing or monitoring
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F12/00—Accessing, addressing or allocating within memory systems or architectures
    • G06F12/02—Addressing or allocation; Relocation
    • G06F12/08—Addressing or allocation; Relocation in hierarchically structured memory systems, e.g. virtual memory systems
    • G06F12/10—Address translation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/061—Improving I/O performance
    • G06F3/0613—Improving I/O performance in relation to throughput
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0629—Configuration or reconfiguration of storage systems
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0646—Horizontal data movement in storage systems, i.e. moving data in between storage devices or systems
    • G06F3/0647—Migration mechanisms
    • G06F3/0649—Lifecycle management
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0653—Monitoring storage devices or systems
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/0671—In-line storage system
    • G06F3/0673—Single storage device
    • G06F3/0679—Non-volatile semiconductor memory device, e.g. flash memory, one time programmable memory [OTP]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/81—Threshold
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
    • G06F2212/10—Providing a specific technical effect
    • G06F2212/1032—Reliability improvement, data loss prevention, degraded operation etc
    • G06F2212/1036—Life time enhancement
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
    • G06F2212/10—Providing a specific technical effect
    • G06F2212/1041—Resource optimization
    • G06F2212/1044—Space efficiency improvement
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
    • G06F2212/65—Details of virtual memory and virtual address translation
    • G06F2212/657—Virtual address space management
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
    • G06F2212/72—Details relating to flash memory management
    • G06F2212/7201—Logical to physical mapping or translation of blocks or pages
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
    • G06F2212/72—Details relating to flash memory management
    • G06F2212/7204—Capacity control, e.g. partitioning, end-of-life degradation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
    • G06F2212/72—Details relating to flash memory management
    • G06F2212/7206—Reconfiguration of flash memory system
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
    • G06F2212/72—Details relating to flash memory management
    • G06F2212/7208—Multiple device management, e.g. distributing data over multiple flash devices
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Techniques For Improving Reliability Of Storages (AREA)
  • Debugging And Monitoring (AREA)

Abstract

데이터 저장 시스템들 및 데이터 저장 시스템 성능, 수명, 용량 및/또는 동작 요건들을 자율적으로 적응시키기 위한 방법들을 위한 장치, 매체, 방법들, 및 시스템들이 제공된다. 데이터 저장 시스템은 제어기 및 하나 이상의 비휘발성 메모리 디바이스들을 포함할 수 있다. 제어기는 기계 학습 모델을 사용하여 데이터 저장 시스템에 의해 프로세싱되고 있는 하나 이상의 동작들의 작업부하에 대한 카테고리를 결정하도록 구성된다. 제어기는 하나 이상의 비휘발성 메모리 디바이스들의 예상된 열화를 결정하도록 구성된다. 제어기는, 예상된 열화 및 호스트 시스템에 의한 데이터 저장 시스템의 물리적 저장의 실제 사용량에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정하도록 구성된다.

Description

데이터 저장 시스템 및 데이터 저장 시스템 성능, 용량 및/또는 동작 요건을 자율적으로 적응시키기 위한 방법{DATA STORAGE SYSTEMS AND METHODS FOR AUTONOMOUSLY ADAPTING DATA STORAGE SYSTEM PERFORMANCE, CAPACITY AND/OR OPERATIONAL REQUIREMENTS}
데이터 센터 및 다른 컴퓨터 배열들에서 광범위한 데이터 저장 시스템들이 일반적으로 사용된다. 그러한 데이터 저장 시스템들은 일반적으로, 성능 및 신뢰할 수 있는 동작 수명과 같은 소정의 동작 요건들을 만족시킬 필요가 있다. 각각의 데이터 저장 시스템이 예상된 사용량을 위해 구성될 수 있지만, 데이터 저장 시스템들이 쓸 수 있는 동안의 실제 사용량은 예상된 사용량과는 상이할 수 있다. 따라서, 성능이 기대와 미스매칭될 수 있고/있거나 데이터 저장 시스템들의 동작 수명이 예상된 동작 수명보다 더 빨리 열화될 수 있고 소정의 데이터 저장 시스템들을 열화된 성능으로 동작시키거나 오프라인 상태로 만들 위험을 증가시킬 수 있다. 추가적으로, 동작 요건들 및 사양들을 만족시키는 것은 더 어려워질 수 있다.
발명의 배경이 되는 기술 섹션에서 제공되는 설명은, 단지 그것이 발명의 배경이 되는 기술 섹션에서 언급되거나 그와 연관되기 때문에 종래 기술인 것으로 가정되어서는 안 된다. 발명의 배경이 되는 기술 섹션은 본 기술의 하나 이상의 태양들을 기술하는 정보를 포함할 수 있고, 이 섹션에서의 설명은 본 발명을 제한하지 않는다.
도 1은 예시적인 구현예들에 따른, 고 및 저 엔트로피 작업부하들에 기초하여 데이터 저장 시스템들이 존속 및 실패할 가능성을 예시하는 예시적인 그래프 다이어그램을 도시한다.
도 2는 예시적인 구현예들에 따른, 동일한 지속기간의 고 및 저 엔트로피 작업부하들을 경험한 후에 존속 및 실패한 데이터 저장 시스템들의 집단의 다수의 데이터 저장 시스템들을 예시하는 예시적인 그래프 다이어그램을 도시한다.
도 3은 예시적인 구현예들에 따른 데이터 저장 시스템의 컴포넌트들을 예시하는 블록 다이어그램이다.
도 4는 예시적인 구현예들에 따른, 작업부하의 카테고리를 분류하기 위해 데이터 저장 시스템들을 트레이닝시키는 예시적인 방법의 흐름도이다.
도 5는 예시적인 구현예들에 따른, 호스트 시스템에 대해 이용가능한 물리적 저장 공간을 조정하는 예시적인 방법의 흐름도이다.
하나 이상의 구현예들에서, 각각의 도면에서의 도시된 컴포넌트들 모두가 요구될 수 있는 것은 아니며, 하나 이상의 구현예들은 도면에 도시되지 않은 추가적인 컴포넌트들을 포함할 수 있다. 컴포넌트들의 배열 및 유형의 변동들이 본 발명의 범주로부터 벗어남이 없이 이루어질 수 있다. 추가적인 컴포넌트들, 상이한 컴포넌트들, 또는 더 적은 컴포넌트들이 본 발명의 범주 내에서 이용될 수 있다.
아래에 기재된 상세한 설명은 본 발명의 다양한 구성들의 설명으로서 의도되며, 본 발명이 실시될 수 있는 유일한 구성들을 나타내도록 의도되지 않는다. 첨부된 도면은 본 명세서에 포함되고, 상세한 설명의 일부를 구성한다. 상세한 설명은 본 발명의 완전한 이해를 제공하려는 목적으로 구체적인 상세사항들을 포함한다. 그러나, 본 발명이 이러한 구체적인 상세사항들 없이 실시될 수 있다는 것이 당업자들에게 명백할 것이다. 일부 경우에, 구조물들 및 컴포넌트들은 본 발명의 개념들을 모호하게 하는 것을 피하기 위해 블록 다이어그램 형태로 도시된다. 유사한 컴포넌트들은 이해를 용이하게 하기 위해 동일한 요소 번호들로 라벨링된다.
본 발명은 일반적으로 데이터 저장 시스템들에 관한 것이며, 보다 구체적으로는, 예를 들어, 제한 없이, 데이터 저장 시스템들 및 데이터 저장 시스템 성능, 용량, 및/또는 동작 요건들을 자율적으로 적응시키기 위한 방법들에 관한 것이다. 데이터 센터들은 일반적으로, 다양한 성능 및/또는 동작 수명 요건들 및 사양들을 충족시킬 필요가 있는 다수의 데이터 저장 시스템들을 구현한다. 그러한 데이터 저장 시스템들은 솔리드 스테이트 드라이브들, FastNAND, 상변화 메모리, 저항성 랜덤 액세스 메모리, 연산 저장소 등을 포함한다. 데이터 저장 시스템들의 동작 요건들 및 사양들 내의 데이터 저장 시스템들의 신뢰할 수 있는 동작 수명 및 성능은 데이터 저장 시스템 상에 저장되어 있는 데이터의 처리량 및/또는 데이터 저장 시스템 상에 저장되어 있는 데이터의 엔트로피 레벨에 의존할 수 있다. 일부 구현예들에서, 데이터의 처리량은, 예컨대 초당 메가바이트(MB/s) 또는 초당 입력 출력 동작(Input Output Operations per second, IOPs)의 단위로, 단위 시간당 데이터 저장 시스템으로 전송되고/되거나 그에 저장되는 데이터의 양을 지칭할 수 있다. 일부 구현예들에서, 데이터 저장 시스템의 처리량은, 프로그램/소거 사이클들 또는 단위 시간당 소비되는 평균 프로그램/소거 사이클들로 표시될 수 있다. 일부 구현예들에서, 데이터의 엔트로피 레벨은, 데이터 저장 시스템으로부터 판독되거나 그에 기록되는 데이터의 얼마나 많은 양이 순차 어드레스들을 갖는지 그리고/또는 얼마나 많은 데이터가 랜덤 어드레스들을 이용하여 그로부터 판독되거나 그에 기록되는지를 지칭할 수 있다.
데이터 저장 시스템에 기록되어 있는 데이터의 엔트로피 레벨과, 그러한 데이터 저장 시스템들이 각자의 작업부하 스트레스로 인해 실패 또는 존속할 연관된 가능성 및 백분율 사이의 관계의 일례가 도 1 및 도 2에 그래픽으로 도시되어 있다.
도 1은 고 및 저 엔트로피 레벨들을 갖는 데이터 작업부하들을 프로세싱한 후에 점진적으로 실패 또는 존속한 데이터 저장 시스템들의 집단 또는 세트를 예시한다. 일부 구현예들에서, 고 엔트로피 레벨 작업부하는 랜덤 작업부하일 수 있으며, 여기서 데이터 저장 시스템들로부터 판독되거나 그에 기록되어 있는 데이터는 데이터 저장 시스템에서 이용가능한 메모리 블록들의 풀(pool)을 가로질러 랜덤하게 어드레싱된 메모리 블록들에 저장된다. 일부 구현예들에서, 저 엔트로피 레벨 작업부하는 순차 작업부하일 수 있으며, 여기서 데이터 저장 시스템들로부터 판독되거나 그에 기록되어 있는 데이터는 데이터 저장 시스템에서 이용가능한 메모리 블록들의 풀을 가로질러 인접하여 어드레싱된 메모리 블록들에 저장된다. 데이터 저장 시스템들의 집단 또는 세트에 의해 프로세싱되는 작업부하들 사이의 차이는, 고 엔트로피 레벨 대 저 엔트로피 레벨을 갖는 데이터 작업부하들을 프로세싱한 후에 실패 또는 존속한 데이터 저장 시스템들의 집단 또는 세트를 예시하는 도 2에 도시되어 있다.
도 1 및 도 2로부터 알 수 있는 바와 같이, 데이터 저장 시스템에 의해 프로세싱되고 있는 작업부하의 엔트로피 레벨은 데이터 저장 시스템들이 실패 또는 존속할 가능성에 영향을 준다. 예를 들어, 도 1에서 알 수 있는 바와 같이, 고 엔트로피 작업부하를 경험하는 데이터 저장 시스템들은 저 엔트로피 작업부하를 경험하는 것들보다 더 빨리 그리고 더 큰 분율로 실패한다. 유사하게, 도 2에서 알 수 있는 바와 같이, 저 엔트로피 작업부하를 프로세싱하는 데이터 저장 시스템들은 고 엔트로피 작업부하를 프로세싱하는 데이터 저장 시스템들보다 더 많이 존속한다. 저 엔트로피 작업부하들을 프로세싱하는 데이터 저장 시스템들은 고 엔트로피 작업부하들을 프로세싱하는 데이터 저장 시스템들보다 더 길게 존속할 수 있고, 도 2에서 알 수 있는 바와 같이, 저 엔트로피 작업부하를 프로세싱하는 데이터 저장 시스템들은 고 엔트로피 작업부하를 프로세싱하는 데이터 저장 시스템들보다 더 큰 비율로 존속한다.
데이터 센터들과 같은, 고 처리량 환경들에서 이용되는 데이터 저장 시스템들은 다양한 엔트로피 레벨들의 작업부하들을 프로세싱한다. 따라서, 데이터 저장 시스템들 각각 상에 걸리는 스트레스는 그의 수명에 걸쳐 변하며, 이는 데이터 저장 시스템들의 성능 및 동작 수명에 심각하게 영향을 줄 수 있고 데이터 저장 시스템들로 하여금 동작 요건들 및/또는 사양들을 위반하게 할 수 있다. 그러나, 그러한 데이터 저장 시스템들은, 존재하는 경우, 데이터 저장 시스템들이 동작 요건들 및/또는 사양들(예컨대, 보증 사양들)을 만족하고 그와 적응될 가능성을 개선하기 위해 선제적으로 데이터 저장 시스템들이 데이터 저장 시스템들의 프로세싱 능력을 동적으로 적응시키게 할 수 있는 충분한 기법들 또는 방법들을 갖지 않는다.
본 기술의 하나 이상의 구현예들은 데이터 저장 시스템들의 성능 및/또는 동작 수명을 개선하기 위해 데이터 저장 시스템들의 프로세싱 능력을 동적으로 적응시키는 기법들 및 방법들에 관한 것이다. 데이터 저장 시스템들이 데이터 저장 시스템에 통신가능하게 커플링되는 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장 공간의 양을 조정하게 하는 기법들 및 방법들이 본 명세서에 기술된다. 본 명세서에 기술된 바와 같이, 데이터 저장 시스템들은 하나 이상의 인자들, 예컨대, 데이터 저장 시스템에 의해 프로세싱되고 있는 작업부하의 카테고리 또는 유형, 데이터 저장 시스템에 대한 예상된 열화 효과, 호스트 시스템에 의한 데이터 저장 시스템의 물리적 저장 공간의 사용량 이력 등에 기초하여 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정하도록 구성된다.
도 3은 본 기술의 하나 이상의 태양들에 따른, 데이터 저장 시스템(100)의 예시적인 컴포넌트들을 도시하는 블록 다이어그램이다. 데이터 저장 시스템(100)은, 특히, 제어기(102), 인코딩/디코딩 엔진(104), 저장 매체(106), 및 비휘발성 메모리 디바이스 어레이(108)를 포함한다. 도 3에 도시된 바와 같이, 데이터 저장 시스템(100)은 호스트 인터페이스(112)를 통해 호스트 디바이스(110)에 접속될 수 있다.
제어기(102)는 여러 내부 컴포넌트들(도시되지 않음), 예컨대 하나 이상의 프로세서들(103), 판독 전용 메모리, 비휘발성 컴포넌트 인터페이스(예를 들어, 비휘발성 메모리 디바이스 어레이(108)에 대한 접속부를 따른 명령어 및 데이터 전송을 관리하기 위한 멀티플렉서), I/O 인터페이스, 에러 정정 회로부 등을 포함할 수 있다. 제어기(102)의 프로세서가 데이터 저장 제어기(102) 내의 컴포넌트들의 동작을 모니터링 및 제어할 수 있다. 프로세서 및/또는 제어기(102)는 멀티-코어 프로세서, 범용 마이크로프로세서, 마이크로제어기, 디지털 신호 프로세서(DSP), ASIC(application specific integrated circuit), FPGA(field programmable gate array), PLD(programmable logic device), 제어기, 상태 기계, 게이트형 로직(gated logic), 이산 하드웨어 컴포넌트들, 또는 이들의 조합일 수 있다. 일부 구현예들에서, 제어기(102)의 하나 이상의 요소들은 단일 칩으로 통합될 수 있다. 일부 구현예들에서, 요소들은 2개 이상의 개별 컴포넌트들 상에서 구현될 수 있다.
제어기(102)는 본 명세서에 기술된 동작들 및 기능을 수행하기 위한 코드 또는 명령어들을 실행할 수 있다. 예를 들어, 제어기(102)는 요청 흐름 및 어드레스 맵핑들을 관리하기 위한 그리고 계산들을 수행하고 커맨드들을 생성하기 위한 동작들을 수행할 수 있다. 명령어들의 하나 이상의 시퀀스들이 제어기(102) 내의 메모리 상에 펌웨어로서 저장될 수 있다. 명령어들의 하나 이상의 시퀀스들은, 저장 매체(106), 비휘발성 메모리 디바이스 어레이(108)로부터 저장 및 판독되거나, 또는 호스트 디바이스(110)로부터 (예를 들어, 호스트 인터페이스(112)를 통해) 수신되는 소프트웨어일 수 있다. 저장 매체(106) 및 비휘발성 메모리 디바이스 어레이(108)는 제어기(102)에 의해 실행가능한 명령어들/코드가 저장될 수 있는 기계 또는 컴퓨터 판독가능 매체의 예들을 포함한다. 기계 또는 컴퓨터 판독가능 매체는 일반적으로, 제어기(102) 내의 버퍼들에 대해 또는 저장 매체에 대해 사용되는 동적 메모리와 같은 휘발성 매체, 및 전자 매체, 광학 매체, 및 자기 매체와 같은 비휘발성 매체 둘 모두를 포함하는, 제어기(102)에 명령어들을 제공하는 데 사용되는 임의의 유형적(tangible) 및 비일시적 매체 또는 매체들을 지칭할 수 있다. 본 명세서에 기술된 동작들 및 기능은 또한, 예를 들어 로직 회로들을 사용하는 하드웨어, 또는 하드웨어와 소프트웨어/펌웨어의 조합으로 구현될 수 있다.
일부 태양들에서, 저장 매체(106)는 데이터 저장 시스템(100)을 관리하는 데 사용되는 데이터 및 정보를 일시적으로 저장하는 데 사용되는 휘발성 메모리를 나타낸다. 본 발명의 태양들에 따르면, 저장 매체(106)는 DDR(Double Data Rate) RAM과 같은 RAM(random access memory)이다. 다른 유형의 RAM이 또한 저장 매체(106)를 구현하는 데 사용될 수 있다. 저장 매체(106)는 단일 RAM 모듈 또는 다수의 RAM 모듈들을 사용하여 구현될 수 있다. 저장 매체(106)가 제어기(102)와는 별개인 것으로 도시되어 있지만, 저장 매체(106)는 본 발명의 범주로부터 벗어남이 없이 제어기(102) 내에 포함될 수 있다는 것이 이해된다. 대안적으로, 저장 매체(106)는 자기 디스크, 플래시 메모리, 주변기기 SSD 등과 같은 비휘발성 메모리일 수 있다.
호스트 인터페이스(112)는 호스트 디바이스(110)에 커플링되어, 호스트 디바이스(110)로부터 데이터를 수신하고 그로 데이터를 전송할 수 있다. 호스트 인터페이스(112)는 호스트 디바이스(110)를 제어기(102)에 동작가능하게 커플링하기 위한 전기적 및 물리적 접속들 둘 모두를 포함할 수 있다. 호스트 인터페이스(112)는 호스트 디바이스(110)와 제어기(102) 사이에서 데이터, 어드레스들, 및 제어 신호들을 통신할 수 있다. 이러한 방식으로, 제어기(102)는 호스트 디바이스(110)로부터의 기록 커맨드에 응답하여 호스트 디바이스(110)로부터 수신된 데이터를 비휘발성 메모리 디바이스 어레이(108)에 저장할 수 있고, 호스트 디바이스(110)로부터의 판독 커맨드에 응답하여 비휘발성 메모리 디바이스 어레이(108)에 저장된 데이터를 판독하고 판독된 데이터를 호스트 인터페이스(112)를 통해 호스트 디바이스(110)로 전송할 수 있다.
호스트 디바이스(110)는, 데이터 저장 시스템(100)에 커플링될 수 있고 데이터 저장 시스템(100)에 데이터를 저장할 수 있는 임의의 디바이스를 나타낸다. 호스트 디바이스(110)는 개인용 컴퓨터, 서버, 워크스테이션, 랩톱 컴퓨터, PDA, 스마트 폰 등과 같은 컴퓨팅 시스템일 수 있다. 대안적으로, 호스트 디바이스(110)는 디지털 카메라, 디지털 오디오 플레이어, 디지털 비디오 기록기 등과 같은 전자 디바이스일 수 있다.
도 3에 추가로 도시된 바와 같이, 호스트 디바이스(110) 및 데이터 저장 시스템(100)은 버스(114)를 통해 서로 통신 상태에 있을 수 있다. 버스는 SATA(serial advanced technology attachment), ATA(advanced technology attachment), SCSI(small computer system interface), PCI-X(PCI-extended), 섬유 채널, SAS(serial attached SCSI), SD(secure digital), EMMC(embedded multi-media card), UFS(universal flash storage) 및 PCIe(peripheral component interconnect express)를 포함하지만 이로 제한되지 않는 적합한 인터페이스 표준을 사용할 수 있다. 일부 태양들에 따르면, 데이터 저장 시스템(100)은, 전기적 및 물리적 접속을 확립하기 위해 호스트 디바이스(110) 상의 대응하는 소켓(또는 핀들)과 정합하는 핀들(또는 소켓)을 포함할 수 있다.
제어기는 내부 시스템 버스(115)를 포함할 수 있다. 시스템 버스(115)는 제어 버스, 어드레스 버스, 및 데이터 버스의 조합을 포함할 수 있고, 제어기(102)의 컴포넌트들(예컨대, 그 내부의 메모리 및/또는 프로세서)을, 인코딩/디코딩 엔진(104), 저장 매체(106), 비휘발성 메모리 디바이스 어레이(108), 및 호스트 인터페이스(112)를 비롯한 데이터 저장 시스템(100)의 다른 컴포넌트들과 접속시킬 수 있다. 다양한 컴포넌트들 사이에서 시스템 버스(115)를 통해 데이터가 전송된다. 시스템 버스(115)는 제어기(102)의 부분적으로 외부에 그리고 부분적으로 내부에 존재할 수 있다.
호스트 디바이스(110) 및 데이터 저장 시스템(100)은 유선 또는 무선 접속을 통해 서로 통신 상태에 있을 수 있고, 서로 근거리에 있거나 또는 서로 멀리 떨어져 있을 수 있다. 하나 이상의 다른 태양들에 따르면, 데이터 저장 시스템(100)(또는 호스트 인터페이스(112))은, 호스트 디바이스(110) 및 데이터 저장 시스템(100)을 서로 무선 통신 상태에 배치하기 위해 무선 송수신기를 포함한다.
제어기(102)는 호스트 디바이스(110)의 저장 인터페이스 모듈(116)(예컨대, 디바이스 구동기)로부터 데이터 및/또는 저장 액세스 커맨드들을 수신할 수 있다. 저장 인터페이스 모듈(116)에 의해 통신되는 저장 액세스 커맨드들은, 호스트 디바이스(110)에 의해 발행되는 판독 및 기록 커맨드들을 포함할 수 있다. 판독 및 기록 커맨드들은 논리적 어드레스, 예컨대 데이터 저장 시스템(100)에 저장된 데이터에 액세스하는 데 사용되는 논리적 블록 어드레스(LBA)들을 특정할 수 있다. 제어기(102)는 저장 인터페이스 모듈(116)로부터 수신된 커맨드들에 응답하여 비휘발성 메모리 디바이스 어레이(108) 내의 커맨드들을 실행할 수 있다.
비휘발성 메모리 디바이스 어레이(108)는 다수의 비휘발성 메모리 디바이스들(118)을 포함할 수 있다. 비휘발성 메모리 디바이스(118)는 데이터를 저장하기 위한 비휘발성 메모리 디바이스를 나타낸다. 본 기술의 태양들에 따르면, 비휘발성 메모리 디바이스(118)는, 예를 들어 NAND 플래시 메모리를 포함한다. 각각의 비휘발성 메모리 디바이스(118)는 단일 비휘발성 메모리 칩 또는 다이를 포함할 수 있거나, 또는 다수의 비휘발성 메모리 칩들 또는 다이를 포함할 수 있다. 예를 들어, 비휘발성 메모리 디바이스 어레이(108) 내에서, 비휘발성 메모리 디바이스들(118) 중 일부는 하나의 비휘발성 다이를 포함할 수 있는 반면, 다른 것들은 하나 초과의 비휘발성 다이를 포함할 수 있다. 비휘발성 메모리 디바이스(118)는 임의의 특정 용량 또는 구성으로 제한되지 않는다. 예를 들어, 물리적 블록들의 수, 물리적 블록당 물리적 페이지들의 수, 물리적 페이지당 섹터들의 수, 및 섹터들의 크기는 본 기술의 범주 내에서 달라질 수 있다.
비휘발성 메모리 디바이스들(118)은 다수의 채널들로 배열될 수 있고, 이때 각각의 채널은 하나 이상의 비휘발성 메모리 디바이스들(118)을 갖는다. 비휘발성 메모리 디바이스(118)는 하나 이상의 비휘발성 메모리 인터페이스들(도시되지 않음)을 포함할 수 있다. 각각의 비휘발성 메모리 인터페이스는 대응하는 채널을 통해 제어기(102)를 비휘발성 메모리 디바이스들 중 하나에 인터페이싱한다. 채널들(도시되지 않음) 각각은 비휘발성 메모리 인터페이스들 중 하나와 대응하는 비휘발성 디바이스(들) 사이에 커플링되는 하나 이상의 물리적 I/O 버스들을 사용하여 구현될 수 있다. 각각의 채널은, 대응하는 비휘발성 메모리 인터페이스가 대응하는 비휘발성 메모리 디바이스로 판독, 기록 및/또는 소거 커맨드들을 전송하게 한다. 각각의 비휘발성 메모리 인터페이스는, 대응하는 비휘발성 메모리 디바이스에 대해 제어기(102)로부터의 판독, 기록 및/또는 소거 커맨드들을 큐잉(queuing)하는 레지스터(예컨대, FIFO(First-In-First-Out) 레지스터)를 포함할 수 있다. 앞서 사용된 바와 같은, 용어 "채널"이 비휘발성 메모리 인터페이스와 대응하는 비휘발성 메모리 디바이스 사이에 커플링되는 버스를 지칭했지만, 용어 "채널"은 또한, 버스(예컨대, 시스템 버스(115))를 통해 어드레스가능한 대응하는 비휘발성 메모리 디바이스를 지칭할 수 있다.
비휘발성 메모리 디바이스(118)는 표준 인터페이스 사양을 가질 수 있다. 이러한 표준은, 다수의 제조업자들로부터의 칩들이 상호교환가능하게 사용될 수 있음을 보장한다. 비휘발성 메모리 디바이스(118)의 인터페이스는 내부 레지스터들(120) 및 내부 비휘발성 메모리 제어기(122)에 액세스하는 데 사용될 수 있다. 일부 구현예들에서, 레지스터들(120)은 어드레스, 커맨드, 및/또는 데이터 레지스터들을 포함할 수 있으며, 이들은 NAND 메모리 셀 어레이(124)로 그리고 그로부터 필요한 데이터를 내부적으로 검색 및 출력한다. 예로서, 메모리 셀 어레이(124)는 SLC(single-level cell) 메모리, MLC(multi-level cell) 메모리, TLC(three-level cell) 메모리 디바이스 등을 포함할 수 있다. 일부 태양들에서, 비휘발성 메모리 디바이스 어레이(108)는 SLC, MLC 또는 TLC 모드 중 하나 이상에서 기능할 수 있는 하나 이상의 하이브리드 메모리 디바이스들을 포함할 수 있다. 3D NAND 플래시 메모리, FastNAND, Z-NAND, 상변화 메모리, 저항성 랜덤 액세스 메모리(RRAM) 등과 같은 다른 유형의 비휘발성 메모리가 또한 본 기술에서 고려된다.
(예컨대, 레지스터들(120) 중) 데이터 레지스터는 메모리 셀 어레이(124)에 저장될 데이터, 또는 메모리 셀 어레이(124)로부터의 페치 후의 데이터를 포함할 수 있고, 또한 일시적 데이터 저장을 위해 사용될 수 있고/있거나 버퍼처럼 작용할 수 있다. 어드레스 레지스터는, 데이터가 호스트 디바이스(110)로 페치될 메모리 어드레스 또는 데이터가 전송 및 저장될 어드레스를 저장할 수 있다. 일부 태양들에서, 커맨드 레지스터는 패리티, 인터럽트 제어 등을 제어하기 위해 포함된다. 일부 태양들에서, 내부 비휘발성 메모리 제어기(122)는 비휘발성 메모리 디바이스(118)의 일반적인 거동을 제어하기 위해 제어 레지스터를 통해 액세스가능하다. 내부 비휘발성 제어기(122) 및/또는 제어 레지스터는 정지 비트들의 수, 워드 길이, 수신기 클록 소스를 제어할 수 있고, 또한 어드레싱 모드의 스위칭, 페이징 제어, 코프로세서 제어 등을 제어할 수 있다.
인코딩/디코딩 엔진(104)은, 비휘발성 메모리 디바이스 어레이(108)에 저장되고/되거나 그로부터 판독될 코드 워드들을 인코딩 및/또는 디코딩할 수 있는 하나 이상의 컴포넌트들을 나타낸다. 인코딩/디코딩 엔진(104)은 인코더 및 디코더를 포함할 수 있다. 디코더는 하드 디코더 및 소프트 결정(soft-decision) ECC 디코더를 포함할 수 있다. 인코딩/디코딩 엔진(104)은 호스트 디바이스(110)로부터 수신된 데이터를 인코딩할 수 있고, 디코딩된 데이터를 호스트로 전송하기 전에 비휘발성 메모리 디바이스(118)로부터 판독된 코드 워드들을 디코딩할 수 있다. 일부 구현예들에서, 인코딩/디코딩 엔진(104)은, (예컨대, LDPC, BCH, 또는 터보 코드들을 사용하여) 에러 정정을 수행하는 데 사용되는 하나 이상의 메모리 디바이스들 및/또는 하나 이상의 프로세싱 유닛들을 포함할 수 있다. 인코딩/디코딩 엔진(104)은 또한, 인코딩 및 디코딩 동작들을 위해 소프트 메트릭 입력들을 결정 및/또는 유지하는 소프트 정보 모듈을 포함할 수 있다. 인코딩/디코딩 엔진(104)이 제어기(102)와는 별개인 것으로 도시되어 있지만, 인코딩/디코딩 엔진(104)은 본 발명의 범주로부터 벗어남이 없이 제어기(102) 내에 포함될 수 있다는 것이 이해된다.
제어기(102)는 데이터 저장 시스템(100) 내에 포함된 기계 학습 모듈(도시되지 않음)의 출력들에 기초하여 데이터 저장 시스템(100)의 물리적 저장 공간의 양을 동적으로 조정하도록 구성될 수 있다. 일부 구현예들에서, 제어기(102)는 기계 학습 모듈을 포함할 수 있다. 기계 학습 모듈은, 데이터 저장 시스템(100)에 의해 프로세싱되고 있는 작업부하의 카테고리 또는 유형을 결정하도록 트레이닝되는 기계 학습 모델을 구현한다. 기계 학습 모델은, 기계 학습 모델에 대한 입력 파라미터들의 값들에 기초하여 작업부하의 카테고리 또는 유형을 결정하도록 트레이닝될 수 있다. 작업부하의 카테고리 또는 유형은, 프로세싱되고 있는 데이터의 엔트로피 레벨을 나타낼 수 있다. 일부 구현예들에서, 작업부하는, 호스트 시스템(110)으로부터 수신되는 커맨드들, 예컨대 판독 및/또는 기록 커맨드들에 관련되는 모든 데이터 관련 동작들의 프로세싱을 포함할 수 있다. 기계 학습 모델은 데이터 저장 시스템들의 집단 또는 세트로부터 수집된 트레이닝 데이터를 사용하여 트레이닝될 수 있다. 일부 구현예들에서, 데이터 저장 시스템들의 집단 또는 세트는 다양한 물리적 저장 공간 특성들 및 논리적 방식들을 갖는 데이터 저장 시스템들을 포함할 수 있다. 트레이닝 데이터는, 처음으로 스트레스가 그러한 데이터 저장 시스템들에 적용될 때부터 데이터 저장 시스템이 실패할 때까지 또는 그러한 데이터를 수집하기 위한 미리결정된 기간이 만료될 때까지의 집단의 데이터 저장 시스템들로부터의 입력 파라미터들의 세트에 관련된 데이터를 포함한다. 예를 들어, 입력 파라미터들의 세트에 대한 데이터는, 처음으로 데이터가 그러한 데이터 저장 시스템들에 기록될 때부터 그리고 그 처음 시간으로부터 1년까지 또는 데이터 저장 시스템이 실패할 때까지의 데이터를 포함한다. 트레이닝 데이터는, 실패한 임의의 데이터 저장 시스템의 실패 시점에 관련된 데이터를 포함한다.
기계 학습 모듈의 기계 학습 모델에 대한 입력 파라미터들은, (i) 다양한 비휘발성 메모리 어레이(108) 및/또는 디바이스들(118)에 관련된 파라미터들(예컨대, 관리 및 결함 검출 파라미터들), 및 (ii) 데이터 저장 시스템 동작 파라미터들일 수 있다. 이러한 파라미터들은 하드웨어 결함 파라미터들, 예를 들어 비휘발성 메모리 컴포넌트에서의 블록 레벨 실패 패턴들, 또는 비트 에러율과 같은 결함 계산의 일부일 수 있는 다른 하드웨어 결함들을 포함할 수 있다. 이러한 입력 파라미터들은 또한, 데이터 저장 시스템의 하드웨어 및 펌웨어에 관련된 파라미터들을 포함할 수 있다. 이러한 입력 파라미터들은, 하드웨어 결함들 및 실패들을 식별하는 파라미터들, 및 데이터 저장 시스템의 정상 동작을 돕도록 구성되는 선제적 및/또는 반응성 펌웨어 알고리즘들로부터의 출력 데이터를 포함할 수 있다. 하나 이상의 구현예들에서, 선제적 펌웨어 알고리즘은, 데이터 저장 시스템의 제어기가 데이터 저장 시스템의 정상 동작들을 수행하는 것을 돕는, 데이터를 출력하는 알고리즘이다. 그러한 출력 데이터의 예들은 데이터 저장 시스템의 비휘발성 메모리 디바이스들에 관련된 마모 레벨링(wear-leveling) 정보를 포함하지만 이로 제한되지 않는다. 하나 이상의 구현예들에서, 반응성 펌웨어 알고리즘은, 데이터 저장 시스템의 내부에 여분으로 저장된 데이터에 기초하여 RAID 또는 소거 코딩(Erasure Coding) 메커니즘들에 의해 데이터를 복구하는 알고리즘이며, 이는 데이터 저장 시스템의 비휘발성 메모리 디바이스의 결함으로부터 복구하는 것을 돕기 위해 데이터 저장 시스템의 제어기에 의해 이용된다. 그러한 출력 데이터의 예들은, 데이터 저장 시스템 내부의 재시도들, RAID 또는 유사한 방식들을 사용함으로써 비휘발성 메모리 디바이스의 데이터 관련 블록 레벨 데이터 복구를 포함하지만 이로 제한되지 않는다.
그러한 비휘발성 메모리 관리 및 결함 검출 파라미터 데이터의 예들은, 비휘발성 메모리 변환 계층 관리 이벤트 데이터, 비휘발성 메모리 내구성 관리 이벤트 데이터에 대한 제어기 개시된 데이터 이동, 비휘발성 메모리 변환 계층 데이터 캐싱 관리 이벤트 데이터, 비휘발성 메모리 페이지, 블록 및 다이 레벨 결함 밀도 데이터, 비휘발성 메모리 판독, 프로그램 및 소거 실패 결함 밀도 데이터, 비휘발성 메모리 페이지 레벨 결함 관리 데이터, 비휘발성 메모리 변환 계층 백업 이벤트 데이터, 비휘발성 메모리 이벤트 데이터에서의 제어기 개시된 백그라운드 데이터 이동, 페이지, 블록, 및 다이 레벨 열화 데이터를 선제적으로 관리하기 위한 비휘발성 메모리에서의 제어기 개시된 백그라운드 데이터 이동, 프로그램 및 소거 실패 이벤트 데이터를 반응적으로 관리하기 위한 비휘발성 메모리에서의 제어기 개시된 데이터 이동, 비휘발성 메모리 이벤트 데이터의 조각모음(defragmentation)을 관리하기 위한 비휘발성 메모리에서의 제어기 개시된 데이터 이동, 전력 손실 관리 이벤트 데이터에 대한 제어기 개시된 사용자 데이터 캐시 백업, 비휘발성 메모리 재판독 방법 이벤트 데이터, 제어기 관리된 이용가능한 비휘발성 메모리 기록가능 공간 데이터, 비휘발성 메모리 원시 비트 에러율 데이터, 제어기 개시된 비휘발성 메모리 소거 또는 재기록 동작 관리 데이터, 페이지, 블록, 또는 다이 레벨 실패 데이터에 대해 재구축되는 RAID(redundant array of independent disks)에 의한 제어기 개시된 결함 관리, 에러 데이터에 응답하여 비휘발성 메모리 데이터 이동 및 정정을 위한 제어기 개시된 이벤트를 포함하지만 이로 제한되지 않는다.
일부 구현예들에서, 데이터 저장 시스템(100)은 다수의 센서들을 포함할 수 있다. 그러한 센서들의 예들은 온도 센서들 등을 포함하지만 이로 제한되지 않는다. 센서들 중 하나 이상은 센서들에 의해 캡처된 데이터를 제어기(102)로 송신하도록 구성될 수 있다. 제어기(102)는 센서들로부터 데이터를 수신하도록 그리고, 센서들로부터의 데이터에 기초하여 동작들을 수행하도록 구성될 수 있다. 일부 구현예에서, 센서 데이터는 기계 학습 모듈의 기계 학습 모델에 대한 하나 이상의 입력 파라미터들로서 선택될 수 있고, 센서들로부터의 데이터는 기계 학습 모델에 대한 입력 파라미터들로서 선택되는 센서들에 대한 입력 데이터로서 기계 학습 모듈로 송신된다.
기계 학습 모듈의 기계 학습 모델은, 상이한 엔트로피, 카테고리 또는 유형의 작업부하들에 의해 영향을 받는 그의 입력 파라미터 값들의 다양한 크기들 및 조합들을 식별하기 위해 데이터 저장 시스템들의 상이한 집단 또는 세트에 적용되는 상이한 카테고리 또는 유형의 작업부하들을 사용하여 트레이닝된다. 일부 구현예들에서, 입력 파라미터의 값의 크기는 그 값의 양이다. 기계 학습 모델은, 데이터 저장 시스템에 의해 프로세싱되고 있는 작업부하의 카테고리 또는 유형에 의해 가장 많이 영향을 받는 입력 파라미터들의 값들의 크기들의 세트 및 입력 파라미터들의 조합들을 식별하도록 기계 학습 모델이 학습하기 위하여 실패, 열화, 및 존속한 데이터 저장 시스템들의 입력 파라미터 데이터를 사용하여 트레이닝된다. 일부 구현예들에서, 기계 학습 모델은, 데이터 저장 시스템에 의해 프로세싱되고 있는 작업부하의 카테고리 또는 유형에 의해 가장 많이 영향을 받는 입력 파라미터들의 세트의 순위를 매기도록 기계 학습 모델이 학습하기 위하여 실패 및 존속한 데이터 저장 시스템의 입력 파라미터 데이터를 사용하여 트레이닝될 수 있다. 기계 학습 모델은, 기계 학습 모델에 대한 상이한 입력 트레이닝 데이터로부터 소정의 결정 함수들을 학습하도록 구성될 수 있다.
제어기(102)는 데이터 저장 시스템에 대한 다양한 스트레스 인자들을 계산함으로써 데이터 저장 시스템에 의해 경험되고 있는 스트레스 레벨을 결정하도록 구성될 수 있다. 일부 구현예들에서, 제어기(102)는, 스트레스 가속 인자에 기초하여 데이터 저장 시스템에 의해 경험되고 있는 스트레스 레벨을 결정하도록 구성될 수 있다. 제어기(102)는 호스트 시스템 구동된 하루당 구동 기록들(drive writes per day), 데이터 저장 시스템의 하루당 구동 기록들 사양, 및 계수의 함수에 기초하여 스트레스 가속 인자를 결정하도록 구성될 수 있다. 예를 들어, 제어기(102)는 하기에 기초하여 스트레스 가속 인자를 결정하도록 구성될 수 있다:
Figure 112019090764752-pat00001
(1)
일부 구현예들에서, 스트레스 레벨을 결정하기 위해, 제어기(102)는 데이터 저장 시스템의 기록 증폭 데이터, 데이터 저장 시스템의 오버프로비저닝(over provisioning), 호스트 시스템 구동된 하루당 구동들의 함수에 기초하여 하루당 평균 프로그램/소거 사이클들을 결정하도록 구성될 수 있다. 예를 들어, 제어기(102)는 하기에 기초하여 하루당 평균 프로그램/소거 사이클들을 결정하도록 구성될 수 있다:
Figure 112019090764752-pat00002
=
Figure 112019090764752-pat00003
*
Figure 112019090764752-pat00004
(2)
또는
Figure 112019090764752-pat00005
*
Figure 112019090764752-pat00006
(3)
일부 구현예들에서, 제어기(102)는 데이터 저장 시스템에 의해 경험되고 있는 스트레스 레벨의 결정에 기초하여 호스트 시스템에 대해 이용가능한 물리적 저장 공간을 조정하는 시기를 결정하도록 구성될 수 있다. 일부 구현예들에서, 데이터 저장 시스템은, 데이터 저장 시스템에 의해 경험되고 있는 스트레스 레벨 또는 데이터 저장 시스템들에 대해 이용가능한 물리적 저장 공간의 양에 기초하는 예상된 스트레스 레벨을 결정할 수 있다. 예를 들어, 제어기(102)는 하기에 기초하여 스트레스 가속을 결정하도록 구성될 수 있다:
Figure 112019090764752-pat00007
(4)
상기 함수에서, OP initial 은 데이터 저장 시스템의 오버프로비저닝된 물리적 저장 공간의 초기량을 지칭하고, OP modulated 는 데이터 저장 시스템의 오버프로비저닝된 물리적 저장 공간의 자율적으로 조정된 양을 지칭하고, Write-Amp 1 은 초기 오버프로비저닝된 양(OP initial )에서의 데이터 저장 시스템의 기록 증폭을 지칭하고, Write-Amp 2 는 데이터 저장 시스템의 변조 또는 조정된 오버프로비저닝된 물리적 저장 공간에서의 데이터 저장 시스템의 기록 증폭을 지칭한다. 일부 구현예들에서, 전술된 함수에 기초하는, 제어기(102)는, 데이터 저장 시스템에 의해 경험되고 있는 스트레스 레벨이 호스트 시스템(110)에 대해 이용가능한 조정된 물리적 저장 공간에 기초하여 임계 스트레스 레벨을 만족하도록 감소되는지 여부를 결정하도록 구성될 수 있다.
호스트 시스템에 대해 이용가능한 물리적 저장 공간을 조정하는 것 및 작업부하의 카테고리를 결정하기 위한 기계 학습 모델의 트레이닝의 추가적인 상세사항들이 본 명세서에서 그리고 도 4 및 도 5를 참조하여 기술되어 있다.
이제 도 4를 참조하면, 데이터 저장 시스템들에 의해 프로세싱되고 있는 작업부하의 카테고리 또는 유형에 대한 기계 학습 모델을 트레이닝시키는 프로세스를 예시하는 흐름도가 도시되어 있다. 명확한 예를 설명하기 위해, 도 3을 참조하여 도시되고 기술된 데이터 저장 시스템(100)의 컴포넌트들이 기계 학습 모델을 트레이닝시키는 프로세스를 기술하는 데 사용된다.
방법(400)은, 호스트 시스템(110)에 의해, 호스트 시스템(110)에 통신가능하게 커플링되는 데이터 저장 시스템들의 세트, 예컨대 데이터 저장 시스템(100)으로 작업부하의 유형 또는 카테고리를 전송하는 단계(블록(401))를 포함한다. 작업부하의 유형 또는 카테고리는 소정 엔트로피 레벨을 갖는 데이터의 판독 또는 기록을 포함할 수 있다. 예를 들어, 작업부하의 유형 또는 카테고리가 랜덤인 경우, 동작들의 데이터의 엔트로피 레벨은 높을 수 있다. 이 예에서, 동작들은, 예를 들어, 데이터 저장 시스템의 하나 이상의 비휘발성 메모리 디바이스들로부터 판독하거나 그에 데이터를 저장하는 것을 포함할 수 있고, 그러한 동작들은 작업부하를 프로세싱하기 위해 수행된다. 유사하게, 작업부하의 유형 또는 카테고리가 순차인 경우, 동작들의 데이터의 엔트로피 레벨은 낮을 수 있다.
데이터 저장 시스템들의 세트의 각각의 데이터 저장 시스템(예컨대, 데이터 저장 시스템(100))에서, 전송된 작업부하가 수신된다(블록(402)). 제어기(102)와 같은 각각의 데이터 저장 시스템의 제어기는 수신된 작업부하의 프로세싱을 개시할 수 있다. 일부 구현예들에서, 수신된 작업부하는, 데이터 저장 시스템이 그의 수명에 걸쳐 프로세싱할 수 있는 양과 크기가 유사할 수 있는 작업부하의 양을 시뮬레이션하기 위해 가속 방식으로 프로세싱될 수 있다. 각각의 데이터 저장 시스템에서, 제어기(102)와 같은 데이터 저장 시스템의 제어기는, 예를 들어, 데이터 저장 시스템에서(예컨대, 데이터 저장 시스템(100) 또는 데이터 저장 시스템의 컴포넌트, 예컨대, 제어기(102), 및/또는 저장 매체(106) 내에서) 구현되는, 기계 학습 모델에 대한 입력 파라미터들의 세트의 값들을 모니터링하도록 구성될 수 있다(블록(403)). 일부 구현예들에서, 데이터 저장 시스템은 기계 학습 모델에 대한 입력 파라미터들을 특정하는 규칙들의 세트를 갖도록 구성될 수 있고, 데이터 저장 시스템의 제어기는 저장된 규칙들의 세트에 기초하여, 모니터링할 입력 파라미터들의 세트를 결정하도록 구성될 수 있다.
각각의 데이터 저장 시스템은 입력 파라미터들에 관련된 데이터를 호스트 시스템으로 전송한다(블록(404)). 입력 파라미터들에 관련된 데이터는 입력 파라미터들의 값들 등을 포함할 수 있지만 이로 제한되지 않는다. 일부 구현예들에서, 각각의 데이터 저장 시스템은 미리결정된 기간의 만료 시에 입력 파라미터들의 값들을 전송하도록 구성될 수 있다. 예를 들어, 수신된 작업부하의 프로세싱이 데이터 저장 시스템에 의해 개시되고 나서 몇 개월 후. 일부 구현예들에서, 각각의 데이터 저장 시스템은, 비휘발성 메모리 디바이스와 같은 데이터 저장 시스템의 임의의 컴포넌트들의 실패 시에 입력 파라미터들의 값들을 전송하도록 구성될 수 있다. 일부 구현예들에서, 각각의 데이터 저장 시스템은, 데이터 저장 시스템의 임의의 성능 메트릭이 임계 값 미만인 경우, 입력 파라미터들의 값들을 전송하도록 구성될 수 있다.
데이터 저장 시스템들의 세트의 각각의 데이터 저장 시스템으로부터, 호스트 시스템은 입력 파라미터들에 관련된 데이터를 수신한다(블록(405)). 호스트 시스템은 입력 파라미터들 중 하나 이상에 소정 순위 값을 적용할 수 있다(블록(406)). 호스트 시스템은, 입력 파라미터의 값이 파라미터에 대한 임계 값을 만족하는지 여부에 기초하여 입력 파라미터에 소정 순위 값을 적용할 수 있다. 일부 구현예들에서, 호스트 시스템은 다양한 입력 파라미터들에 다양한 임계 값들을 특정하는 규칙들의 세트에 기초하여 소정 순위 값을 적용할 수 있다. 일부 구현예들에서, 특정된 임계 값들은, 호스트 시스템이 소정 순위 값을 입력 파라미터에 적용하기 위하여 입력 파라미터의 최소 값을 나타낼 수 있다. 예를 들어, 호스트 시스템은, 입력 파라미터의 순위 값이 임계 값 이상인지 여부를 비교할 수 있고, 입력 파라미터의 값이 임계 값 이상이 아닌 경우, 호스트 시스템은 입력 파라미터에 순위 값을 적용하지 않도록 구성될 수 있다. 일부 구현예들에서, 호스트 시스템은 순위 값을 증가 또는 감소시킴으로써 입력 파라미터에 적용되는 순위 값을 업데이트하도록 구성될 수 있다. 일부 구현예들에서, 호스트 시스템은 상이한 데이터 저장 시스템들로부터 수신되는 입력 파라미터의 값의 변화들에 기초하여 입력 파라미터의 순위 값을 업데이트하도록 구성될 수 있다. 일부 구현예들에서, 호스트 시스템은 입력 파라미터들에 적용되는 순위 값들에 기초하여 입력 파라미터들의 순위를 매기도록 구성될 수 있다. 일부 구현예들에서, 호스트 시스템은 입력 파라미터들에 적용되는 순위 값들에 대한 변화들에 기초하여 순위들을 업데이트하도록 구성될 수 있다.
호스트 시스템은 하나 이상의 파라미터들에 적용되는 순위 값들을 교정할 수 있다(블록(407)). 호스트 시스템은, 랜덤 포레스트 모델(random forest model)과 같은 기계 학습 모델을 구성하기 위해 각각의 데이터 저장 시스템으로부터 수신되는 입력 파라미터들에 관련된 데이터에 기초하여 순위 값들을 교정 또는 조정할 수 있다. 일부 구현예들에서, 호스트 시스템은 각각의 데이터 저장 시스템으로부터 수신되는 입력 파라미터들의 값들에 기초하여 순위 값들을 교정 또는 조정할 수 있다. 일부 구현예들에서, 교정 프로세스를 통해, 호스트 시스템은, 데이터 저장 시스템들의 세트의 각각의 데이터 저장 시스템에 의해 하나 이상의 파라미터들에 적용되는 순위 값들에 기초하여 입력 파라미터들 중 하나 이상에 대한 순위 값들의 범위를 결정할 수 있다. 일부 구현예들에서, 호스트 시스템은 작업부하의 카테고리에 대한 다양한 결정 함수들을 학습하기 위해 기계 학습 모델을 트레이닝시킬 수 있다. 일부 구현예들에서, 결정 함수는 최종 출력을 제공하기 위해 기계 학습 모델에 의해 사용되는 하나 이상의 중간 기계 학습 단계들일 수 있다. 각각의 기계 학습 모델은, 작업부하에 대한 카테고리를 수신한 데이터 저장 시스템들의 집단으로부터 수신되는 입력 파라미터들의 집계된 데이터에 기초하여 작업부하의 그 카테고리의 다양한 결정 함수들로 트레이닝될 수 있다.
따라서, 작업부하의 각각의 카테고리 또는 유형에 대해, 기계 학습 모델은 트레이닝된 모델을 생성하는 입력 파라미터들의 값들 및/또는 조합으로 트레이닝된다. 전술된 바와 같이, 일부 구현예들에서, 기계 학습 모델은 입력 파라미터들의 값들로부터 학습되는 순위 값들 및/또는 결정 함수들의 범위로 트레이닝된다. 하나 이상의 예들에서, 호스트 시스템은 입력 파라미터들의 가중치들의 세트 또는 결정 함수를 주어진 카테고리 또는 유형의 작업부하에 연관시킬 수 있다. 일부 구현예들에서, 데이터 저장 시스템(100)과 같은 데이터 저장 시스템은, 상이한 카테고리 또는 유형의 작업부하에 대한 입력 파라미터들로부터 학습되는 결정 함수들의 상이한 세트들을 특정하는 규칙들 또는 명령어들을 저장할 수 있고, 기계 학습 모델들은 데이터 저장 시스템의 제어기(102)와 같은 제어기에 의해 입력 파라미터들에 적용되는 가중치들과 특정 세트들의 가중치들 중 하나 이상의 가중치의 비교에 기초하여 작업부하의 카테고리 또는 유형의 확률 또는 가능성을 결정하도록 구성될 수 있다.
전술한 내용이 하나의 카테고리 또는 유형의 작업부하에 대해 기계 학습 모델을 트레이닝시키는 프로세스를 기술하지만, 동일한 프로세스는 다수의 카테고리들/유형들의 작업부하에 대해 기계 학습 모델을 트레이닝 및 추론하는 데 사용될 수 있다. 일례에서, 데이터 저장 시스템들의 하나의 세트는 하나의 카테고리 또는 유형의 작업부하에 대해 기계 학습 모델을 트레이닝 및 추론하는 데 사용될 수 있고, 데이터 저장 시스템의 다른 세트는 다른 카테고리 또는 유형의 작업부하에 대해 기계 학습 모델을 트레이닝 및 추론하는 데 사용될 수 있다. 추가 카테고리/유형의 작업부하가 있을 때, 데이터 저장 시스템들의 추가 세트들이 이용될 수 있다. 일례에서, 데이터 저장 시스템들의 상이한 세트들이 각자의 카테고리/유형의 작업부하에 사용된다. 다른 예에서, 데이터 저장 시스템들의 하나의 세트는, 작업부하의 카테고리들/유형들 각각을 추론하기 위해, 예컨대, 순차적으로 사용될 수 있다. 다른 예에서, 2개의 전술한 예들의 조합이 사용될 수 있다.
이제 도 5를 참조하면, 작업부하의 유형을 결정하고, 예를 들어, 데이터 저장 시스템 내의 오버프로비저닝된 저장 공간의 양을 조정함으로써, 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정하는 프로세스를 예시하는 흐름도가 도시되어 있다. 일부 구현예들에서, 오버프로비저닝된 저장 공간은, 데이터 저장 시스템에 의해 수행되는 다양한 동작들을 위해 예비되고 호스트 시스템에 의한 사용을 위해 이용가능하지 않은 데이터 저장 시스템의 저장 공간의 양을 지칭한다. 그러한 동작들의 예들은, 마모 레벨링 임계치 초과인 메모리 블록들로부터 마모 레벨링 임계치 미만인 메모리 블록들로 데이터를 이동시키는 것, 데이터 저장 시스템 내의 다른 곳에 저장되는, 더 새로운 데이터로 업데이트된, 오래된 또는 무효화된 데이터를 포함하는 메모리 블록들을 자유롭게 하기 위한 가비지 수집(garbage collection) 동작들을 포함하지만 이로 제한되지 않는다. 명확한 예를 예시할 목적으로, 도 3을 참조하여 도시되고 기술된 데이터 저장 시스템(100)의 컴포넌트들은, 작업부하의 유형을 결정하고 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정하는 프로세스를 기술하는 데 사용된다.
방법(500)은, 데이터 저장 시스템의 제어기(예컨대, 제어기(102))에 의해, 하나 이상의 동작들의 작업부하의 카테고리 또는 유형을 결정하는 단계(블록(501))를 포함한다. 하나 이상의 동작들(예컨대, 제어기(102)에 의해 프로세싱되는 동작들, 비휘발성 메모리 디바이스 어레이(108)에 의해 프로세싱되는 동작들, 비휘발성 메모리 디바이스들(118)에 의해 프로세싱되는 동작들, 비휘발성 메모리 제어기(122)에 의해 프로세싱되는 동작들, 및/또는 이들의 일부 조합)은 데이터 저장 시스템(100)에 의해 프로세싱될 수 있다. 제어기(102)는, 기계 학습 모델 및 기계 학습 모델에 대한 입력 파라미터들과 연관되거나 그에 관련된 데이터를 사용하여 작업부하의 카테고리 또는 유형을 결정하도록 구성될 수 있다. 입력 파라미터들과 연관되거나 그에 관련된 데이터의 예들은 입력 파라미터들의 값들을 포함하지만 이로 제한되지 않는다. 입력 파라미터들의 값들은 데이터 저장 시스템(100)이 작업부하의 동작들을 프로세싱함에 따라 변할 수 있다. 제어기(102)는 기계 학습 모델의 출력에 기초하여 작업부하의 카테고리를 결정하도록 구성될 수 있다.
전술된 바와 같이, 기계 학습 모델은, 프로세싱된 작업부하에 대한 하나 이상의 카테고리 또는 유형의 작업부하의 확률 또는 가능성을 결정하도록 구성될 수 있다. 기계 학습 모델은, 제어기(102)에 의한 입력 파라미터들의 값들 및 기계 학습 모델이 트레이닝되는 입력 파라미터들에 대한 교정된 가중치들의 세트에 기초하여 확률 또는 가능성을 결정하도록 구성될 수 있다. 예를 들어, 기계 학습 모델은, 데이터 저장 시스템에 저장된 규칙들, 명령어들, 또는 기계 학습 결정 함수들에 의해 특정되는 상이한 카테고리 또는 유형의 작업부하에 대한 입력 파라미터들의 교정된 가중치들의 하나 이상의 세트들과 제어기(102)에 의한 입력 파라미터들로 구성된 결정 함수들의 비교에 기초하여 작업부하의 카테고리 또는 유형의 확률 또는 가능성을 결정할 수 있다.
일부 구현예들에서, 작업부하의 하나 이상의 카테고리들 또는 유형들의 각각에 대해, 기계 학습 모델은 작업부하가 그 카테고리 또는 유형의 것일 수 있는 확률 또는 가능성을 결정할 수 있다. 예를 들어, 3가지 카테고리 또는 유형의 작업부하(예컨대, 랜덤, 혼합, 순차)가 있는 경우, 기계 학습 모델은 3가지 유형들 각각에 대한 확률 또는 가능성(예컨대, 작업부하가 랜덤 카테고리의 것임 = 30%, 작업부하가 혼합 카테고리의 것임 = 45%, 작업부하가 순차 카테고리의 것임 = 75% 등)을 결정하도록 구성될 수 있다. 기계 학습 모델은 하나 이상의 카테고리들 또는 유형들의 결정된 확률 또는 가능성을 출력으로서 제공하도록 구성될 수 있다. 제어기(102)는 기계 학습 모델의 확률 또는 가능성 출력에 기초하여 작업부하의 카테고리 또는 유형을 결정하도록 구성될 수 있다. 예를 들어, 제어기(102)는, 가장 높은 확률 또는 가능성을 갖는 카테고리 또는 유형을 결정하도록 그리고 그 카테고리 또는 유형을 작업부하의 카테고리 또는 유형으로서 결정하도록 구성될 수 있다.
제어기(102)는 데이터 저장 시스템(100)의 비휘발성 메모리 컴포넌트들 또는 디바이스들(예컨대, 비휘발성 메모리 디바이스 어레이(108), 비휘발성 메모리 디바이스들(118), 및/또는 이들의 일부 조합) 중 하나 이상의 예상된 열화를 결정한다(블록(502)). 제어기(102)는 작업부하의 결정된 카테고리 또는 유형에 기초하여 예상된 열화를 결정할 수 있다. 일부 구현예들에서, 예상된 열화는, 데이터 저장 시스템의 비휘발성 메모리 컴포넌트들 상의 예상된 마모량으로 인한 데이터 저장 시스템의 동작 수명의 열화 또는 감소를 지칭한다. 일부 구현예들에서, 제어기(102)는, 작업부하의 결정된 카테고리 또는 유형에 기초하여 작업부하의 또는 작업부하에 관련된 데이터의 예상된 엔트로피 레벨을 결정하도록, 그리고 데이터의 예상된 엔트로피 레벨에 기초하여 예상된 열화를 결정하도록 구성될 수 있다. 예를 들어, 작업부하가 카테고리 랜덤 작업부하인 것으로 결정되면, 제어기(102)는, 작업부하의 또는 작업부하에 관련된 데이터의 예상된 엔트로피 레벨이 높고, 데이터 저장 시스템의 비휘발성 메모리 컴포넌트들 또는 디바이스들 중 하나 이상의 예상된 열화가 높다고 결정하도록 구성될 수 있다. 일부 구현예들에서, 제어기(102)는, 작업부하의 결정된 카테고리 또는 유형, 및 작업부하의 각각의 유형 카테고리 또는 유형에 대한 예상된 엔트로피 레벨을 특정하는 규칙들, 소정 기계 학습 모델들의 결정 함수들, 또는 명령어들에 기초하여 작업부하의 또는 작업부하에 관련된 데이터의 예상된 엔트로피 레벨을 결정하도록 구성될 수 있다.
일부 구현예들에서, 제어기(102)는 작업부하의 또는 작업부하에 관련된 데이터의 엔트로피 레벨에 기초하여 예상된 열화량을 결정하도록 구성될 수 있다. 예를 들어, 작업부하의 또는 작업부하에 관련된 데이터의 예상된 엔트로피 레벨이 높은 경우, 제어기(102)는 예상된 열화량이 대응하는 레벨에 대해 높다고 결정할 수 있다. 일부 구현예들에서, 제어기(102)는 데이터의 예상된 엔트로피 레벨의 대응하는 레벨에 대한 예상된 열화량을 결정하도록 구성될 수 있다. 예를 들어, 데이터의 예상된 엔트로피 레벨이 낮으면, 제어기(102)는 예상된 열화량이 낮다고 결정할 수 있거나, 또는 데이터의 예상된 엔트로피 레벨이 높으면, 제어기(102)는 예상된 열화량이 높다고 결정할 수 있다. 일부 구현예들에서, 제어기(102)는 작업부하의 카테고리 또는 유형, 및 데이터 저장 시스템(100) 또는 그의 컴포넌트들(예컨대, 제어기(102), 비휘발성 메모리 디바이스 어레이(108), 비휘발성 메모리 디바이스들(118) 등) 중 하나 이상에 의해 경험되고 있는 스트레스 레벨에 기초하여 예상된 열화를 결정하도록 구성될 수 있다. 일부 구현예들에서, 제어기(102)는 예상된 열화에 대한 값 또는 등급을 결정하도록 구성될 수 있다.
제어기(102)는 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정할지 여부를 결정한다(블록(503)). 일부 구현예들에서, 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양은 오버프로비저닝된 저장 공간에 비해 조정될 수 있다. 예를 들어, 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양은 오버프로비저닝된 저장 공간을 증가시킴으로써 감소될 수 있다. 유사하게, 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양은 오버프로비저닝된 저장 공간을 감소시킴으로써 증가될 수 있다. 제어기(102)는 데이터 저장 시스템의 비휘발성 메모리 컴포넌트들 또는 디바이스들의 예상된 열화에 기초하여 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정할지 여부를 결정하도록 구성될 수 있다. 일부 구현예들에서, 제어기(102)는 예상된 열화가 소정 임계치를 만족하는 경우(예컨대, 소정 임계치 이상인 경우) 물리적 저장 공간의 양을 조정하기로 결정하도록 구성될 수 있다. 예를 들어, 제어기(102)가 예상된 열화가 높고 임계치가 중간이라고 결정하는 경우, 제어기(102)는 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정하기로 결정할 수 있다. 전술된 바와 같이, 제어기(102)는, 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양에 대해 데이터 저장 시스템에서의 오버프로비저닝된 저장 공간을 상충시킴으로써(예컨대, 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 감소시키는 것에 의해 오버프로비저닝된 저장 공간을 증가시킴으로써, 또는 오버프로비저닝된 저장 공간을 감소시키는 것에 의해 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 증가시킴으로써) 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정하도록 구성될 수 있다. 유사하게, 제어기(102)가 예상된 열화가 100분의 40의 값인 것으로 결정했고 임계 값이 35인 경우, 제어기(102)는 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정하기로 결정할 수 있다. 제어기(102)가 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정하지 않기로 결정하면(블록(503)에서 '아니오'), 방법(500)은 종료된다. 제어기(102)가 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정하기로 결정하면(블록(503)에서 '예'), 방법(500)은 블록(504)으로 진행한다.
제어기(102)는 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 호스트 시스템에 의한 실제 사용량을 계산 또는 결정한다(블록(504)). 일부 구현예들에서, 제어기(102)는 제어기(102)에 의한 데이터 저장 시스템의 사용량 이력에 기초하여 호스트 시스템에 의한 실제 사용량을 결정할 수 있다. 일부 구현예들에서, 제어기(102)는 소정 기간에 걸친 호스트 시스템에 의한 사용량 패턴 이력에 기초하여 실제 사용량을 결정할 수 있다. 예를 들어, 제어기(102)는 지난 100일에 걸친 호스트 시스템에 의한 물리적 저장 공간의 평균 사용량 레벨에 기초하여 실제 사용량을 결정할 수 있다.
제어기(102)는 실제 사용량이 임계 사용량 레벨을 만족하는지 여부를 결정한다(블록(505)). 일부 구현예들에서, 제어기(102)는, 실제 사용량이 임계 사용량 레벨 이하인지 여부에 기초하여 실제 사용량이 임계 사용량 레벨을 만족하는지 여부를 결정하도록 구성될 수 있다. 일부 구현예들에서, 임계 사용량 레벨은 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 분율로서 특정될 수 있다. 제어기(102)가 실제 사용량이 임계 사용량 레벨을 만족하지 않는다고 결정하면(블록(505)에서 '아니오'), 방법은 종료된다. 제어기(102)가 실제 사용량이 임계 사용량 레벨을 만족한다고 결정하면(블록(505)에서 '예'), 방법은 블록(506)으로 진행한다.
제어기(102)는 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정한다(블록(506)). 제어기(102)는, 이용가능한 물리적 저장 공간을 감소시키고, 최대 논리적 블록 어드레스(LBA)를, 감소된 물리적 저장 공간 및/또는 증가된 오버프로비저닝된 저장 공간에 대응하는 새로운 최대 LBA로 감소시킴으로써, 호스트 시스템에 대해 이용가능한 물리적 저장 공간을 조정하도록 구성될 수 있다. 일부 구현예들에서, 호스트 시스템에 대해 이용가능한 물리적 저장 공간은 증가되고, 최대 LBA는, 호스트 시스템에 대해 이용가능한 증가된 물리적 저장 공간 및/또는 감소된 오버프로비저닝된 저장 공간에 대응하는 새로운 최대 LBA로 증가된다. 일부 구현예들에서, 제어기(102)는, 호스트 시스템으로 경보를 전송하도록 그리고 호스트 시스템으로부터의 응답에 기초하여 호스트 시스템에 대해 이용가능한 물리적 저장 공간의 양을 조정하도록 구성될 수 있다. 일부 구현예들에서, 경보는 기계 학습 모델의 출력 및/또는 다른 데이터, 예컨대 작업부하의 카테고리, 예상된 열화, 물리적 저장 공간의 사용량 이력 등을 포함할 수 있다. 예를 들어, 호스트 시스템에 대한 경보는 예상된 열화 및 작업부하의 카테고리의 확률을 나타낼 수 있고, 호스트 시스템은, 물리적 저장 공간을 감소시키기 위해, 예상된 열화 및 데이터 저장 시스템에 대한 작업부하의 카테고리의 확률에 기초하여, 응답을 제공할 수 있다. 제어기(102)는, 호스트 시스템으로부터의 수신된 응답에 기초하여, 호스트 시스템에 대해 이용가능한 물리적 저장 공간을 감소시키도록, 감소된 물리적 저장 공간에 대응하도록 최대 LBA를 감소시키도록, 그리고 호스트 시스템으로 최대 LBA에 대한 변화들을 통신하도록 구성될 수 있다.
도 4 및 도 5에 예시된 흐름도의 블록들은 순차적으로 발생하는 것으로 기술되었다. 본 기술은 예시된 프로세스의 기술된 순차적 성능으로 제한되지 않는다. 블록들 중 하나 이상이 예시된 프로세스에서의 다른 블록들과 동시에 수행될 수 있다. 예시된 프로세스의 다른 변동들이 본 기술의 범주 내에 있다.
본 발명의 태양들의 다양한 예들이 하기에 기술된다. 이들은 예들로서 제공되며, 본 기술을 제한하지 않는다.
하나 이상의 구현예들에서, 데이터 저장 시스템은 제어기 및 하나 이상의 비휘발성 메모리 디바이스들을 포함한다. 제어기는, 기계 학습 모델을 사용하여, 기계 학습 모델에 대한 복수의 입력 파라미터들과 연관된 데이터에 기초하여, 데이터 저장 시스템에 의해 프로세싱되고 있는 하나 이상의 동작들의 작업부하에 대한 카테고리를 결정하도록 구성된다. 제어기는, 결정된 카테고리에 기초하여, 하나 이상의 비휘발성 메모리 디바이스들의 예상된 열화를 결정하도록 구성된다. 제어기는, 예상된 열화 및 호스트 시스템에 의한 데이터 저장 시스템의 물리적 저장의 실제 사용량에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정하도록 구성된다.
하나 이상의 구현예들에서, 제어기는, 작업부하에 대한 카테고리 및 예상된 열화에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정할지 여부를 결정하도록 구성된다. 제어기는, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양이 조정되는 것으로 결정될 때, 호스트 시스템에 의한 사용량 이력에 기초하여, 호스트 시스템에 의한 물리적 저장의 실제 사용량을 계산하도록 구성된다. 제어기는 호스트 시스템에 의한 물리적 저장의 실제 사용량이 임계 사용량을 만족하는지 여부를 결정하도록 구성된다. 제어기는, 호스트 시스템에 의한 물리적 저장의 실제 사용량이 임계 사용량을 만족할 때, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정하도록 구성된다. 하나 이상의 예들에서, 제어기는 오버프로비저닝된 저장 공간을 증가시킴으로써 물리적 저장의 양을 조정할 수 있다. 하나 이상의 예들에서, 제어기는 오버프로비저닝된 저장 공간을 감소시킴으로써 물리적 저장의 양을 조정할 수 있다.
하나 이상의 구현예들에서, 제어기는, 작업부하에 대한 카테고리 및 예상된 열화에 기초하여, 데이터 저장 시스템의 하나 이상의 비휘발성 메모리 디바이스들의 수명 및 성능 측정을 결정하도록 구성된다. 하나 이상의 구현예들에서, 제어기는, 작업부하에 대한 카테고리, 예상된 열화, 수명, 및/또는 하나 이상의 비휘발성 메모리 디바이스들의 성능에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정할지 여부를 결정하도록 구성된다.
하나 이상의 구현예들에서, 컴퓨터 구현 방법은, 기계 학습 모델을 사용하여, 기계 학습 모델에 대한 복수의 입력 파라미터들과 연관된 데이터에 기초하여, 데이터 저장 시스템에 의해 프로세싱되고 있는 하나 이상의 동작들의 작업부하에 대한 카테고리를 결정하는 단계를 포함한다. 본 방법은, 결정된 카테고리에 기초하여, 데이터 저장 시스템의 하나 이상의 비휘발성 메모리 디바이스들의 예상된 열화를 결정하는 단계를 포함한다. 본 방법은, 예상된 열화 및 호스트 시스템에 의한 데이터 저장 시스템의 물리적 저장의 실제 사용량에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정하는 단계를 포함한다.
하나 이상의 구현예들에서, 본 방법은, 작업부하에 대한 카테고리 및 예상된 열화에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정할지 여부를 결정하는 단계를 포함한다. 본 방법은, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양이 조정되는 것으로 결정하는 것에 응답하여, 호스트 시스템에 의한 사용량 이력에 기초하여, 호스트 시스템에 의한 물리적 저장의 실제 사용량을 계산하는 단계를 포함한다. 본 방법은, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양이 조정되는 것으로 결정하는 것에 응답하여, 호스트 시스템에 의한 물리적 저장의 실제 사용량이 임계 사용량을 만족하는지 여부를 결정하는 단계를 포함한다. 본 방법은, 호스트 시스템에 의한 물리적 저장의 실제 사용량이 임계 사용량을 만족한다고 결정하는 것에 응답하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정하는 단계를 포함한다.
하나 이상의 구현예들에서, 본 방법은, 작업부하에 대한 카테고리 및 예상된 열화에 기초하여, 데이터 저장 시스템의 하나 이상의 비휘발성 메모리 디바이스들의 수명 및 성능 측정을 결정하는 단계를 포함한다. 하나 이상의 구현예들에서, 본 방법은, 작업부하에 대한 카테고리, 예상된 열화, 수명, 및/또는 하나 이상의 비휘발성 메모리 디바이스들의 성능에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정할지 여부를 결정하는 단계를 포함한다.
하나 이상의 구현예들에서, 데이터 저장 시스템은 하나 이상의 비휘발성 메모리 디바이스들을 포함한다. 데이터 저장 시스템은, 기계 학습 모델을 사용하여, 기계 학습 모델에 대한 복수의 입력 파라미터들과 연관된 데이터에 기초하여, 데이터 저장 시스템에 의해 프로세싱되고 있는 하나 이상의 동작들의 작업부하에 대한 카테고리를 결정하기 위한 수단을 포함한다. 데이터 저장 시스템은, 결정된 카테고리에 기초하여, 데이터 저장 시스템의 하나 이상의 비휘발성 메모리 디바이스들의 예상된 열화를 결정하기 위한 수단을 포함한다. 데이터 저장 시스템은, 예상된 열화 및 호스트 시스템에 의한 데이터 저장 시스템의 물리적 저장의 실제 사용량에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정하기 위한 수단을 포함한다.
하나 이상의 구현예들에서, 데이터 저장 시스템은, 작업부하에 대한 카테고리 및 예상된 열화에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정할지 여부를 결정하기 위한 수단을 포함한다. 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양이 조정되는 것으로 결정하는 것에 응답하여, 호스트 시스템에 의한 사용량 이력에 기초하여, 데이터 저장 시스템은 호스트 시스템에 의한 물리적 저장의 실제 사용량을 계산하기 위한 수단을 포함한다. 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양이 조정되는 것으로 결정하는 것에 응답하여, 데이터 저장 시스템은 호스트 시스템에 의한 물리적 저장의 실제 사용량이 임계 사용량을 만족하는지 여부를 결정하기 위한 수단을 포함한다. 호스트 시스템에 의한 물리적 저장의 실제 사용량이 임계 사용량을 만족한다고 결정하는 것에 응답하여, 데이터 저장 시스템은 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정하기 위한 수단을 포함한다.
하나 이상의 구현예들에서, 데이터 저장 시스템은, 작업부하에 대한 카테고리 및 예상된 열화에 기초하여, 데이터 저장 시스템의 하나 이상의 비휘발성 메모리 디바이스들의 수명 및 성능 측정을 결정하기 위한 수단을 포함한다. 하나 이상의 구현예들에서, 데이터 저장 시스템은, 작업부하에 대한 카테고리, 예상된 열화, 수명, 및/또는 하나 이상의 비휘발성 메모리 디바이스들의 성능에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정할지 여부를 결정하기 위한 수단을 포함한다.
하나 이상의 구현예들에서, 비일시적인 기계 판독가능 매체는, 프로세서에 의해 실행될 때, 방법을 수행하는 기계 실행가능한 명령어들을 포함한다. 본 방법은, 기계 학습 모델을 사용하여, 기계 학습 모델에 대한 복수의 입력 파라미터들과 연관된 데이터에 기초하여, 데이터 저장 시스템에 의해 프로세싱되고 있는 하나 이상의 동작들의 작업부하에 대한 카테고리를 결정하는 단계를 포함한다. 본 방법은, 결정된 카테고리에 기초하여, 데이터 저장 시스템의 하나 이상의 비휘발성 메모리 디바이스들의 예상된 열화를 결정하는 단계를 포함한다. 본 방법은, 예상된 열화 및 호스트 시스템에 의한 데이터 저장 시스템의 물리적 저장의 실제 사용량에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정하는 단계를 포함한다.
하나 이상의 구현예들에서, 비일시적인 기계 판독가능 매체는, 프로세서에 의해 실행될 때, 작업부하에 대한 카테고리 및 예상된 열화에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정할지 여부를 결정하는 단계를 포함하는 방법을 수행하는 기계 실행가능한 명령어들을 포함한다. 본 방법은, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양이 조정되는 것으로 결정하는 것에 응답하여, 호스트 시스템에 의한 사용량 이력에 기초하여, 호스트 시스템에 의한 물리적 저장의 실제 사용량을 계산하는 단계를 포함한다. 본 방법은, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양이 조정되는 것으로 결정하는 것에 응답하여, 호스트 시스템에 의한 물리적 저장의 실제 사용량이 임계 사용량을 만족하는지 여부를 결정하는 단계를 포함한다. 본 방법은, 호스트 시스템에 의한 물리적 저장의 실제 사용량이 임계 사용량을 만족한다고 결정하는 것에 응답하여, 오버프로비저닝된 저장 공간에 비해 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정하는 단계를 포함한다.
하나 이상의 구현예들에서, 비일시적인 기계 판독가능 매체는, 프로세서에 의해 실행될 때, 작업부하에 대한 카테고리 및 예상된 열화에 기초하여, 데이터 저장 시스템의 하나 이상의 비휘발성 메모리 디바이스들의 수명 및 성능 측정을 결정하는 단계를 포함하는 방법을 수행하는 기계 실행가능한 명령어들을 포함한다. 하나 이상의 구현예들에서, 본 방법은, 작업부하에 대한 카테고리, 예상된 열화, 수명, 및/또는 하나 이상의 비휘발성 메모리 디바이스들의 성능에 기초하여, 호스트 시스템에 대해 이용가능한 데이터 저장 시스템의 물리적 저장의 양을 조정할지 여부를 결정하는 단계를 포함한다.
본 기술의 다른 구성들이 본 명세서의 상세한 설명으로부터 당업자들에게 용이하게 명백해질 것이며, 여기서 본 기술의 다양한 구성들은 예시로서 도시되고 기술된다는 것이 이해된다. 본 기술은 다른 그리고 상이한 구성들이 가능하고, 그의 여러 상세사항들은 다양한 다른 측면들에서 수정이 가능하며, 이들 모두는 본 기술의 범주로부터 벗어나지 않는다. 따라서, 도면 및 상세한 설명은 사실상 예시적인 것으로 간주되어야 하며 제한적인 것은 아니다.
예시적인 프로세스의 전술된 특징들 및 관련 특징들 및 애플리케이션들 중 많은 것은, 프로세서 판독가능 저장 매체(컴퓨터 판독가능 매체로도 지칭됨) 상에 기록되는 명령어들의 세트로서 특정되는 소프트웨어 또는 펌웨어 프로세스들로서 구현될 수 있다. 이러한 명령어들이 하나 이상의 프로세싱 유닛(들)(예컨대, 하나 이상의 프로세서들, 프로세서들의 코어들, 또는 다른 프로세싱 유닛들)에 의해 실행될 때, 프로세싱 유닛(들)은 명령어들에 나타낸 액션들을 수행하게 한다. 프로세서 판독가능 매체의 예들은 휘발성 메모리, 비휘발성 메모리뿐만 아니라, 자기 매체, 광학 매체, 및 전자 매체와 같은 다른 형태의 매체를 포함하지만 이로 제한되지 않는다. 프로세서 판독가능 매체는, 무선으로 또는 유선 접속을 통해 통신되는 전자 신호들 및 반송파들을 포함하지 않는다.
용어 "소프트웨어"는, 적절한 경우, 프로세서에 의한 프로세싱을 위해 작업 메모리로 판독될 수 있는, 메모리에 저장된 애플리케이션들 또는 메모리에 존재하는 펌웨어를 포함하는 것으로 의도된다. 또한, 일부 구현예들에서, 본 발명의 다수의 소프트웨어 태양들은 본 발명의 별개의 소프트웨어 태양들을 유지하면서 더 큰 프로그램의 하위 부분들로서 구현될 수 있다. 일부 구현예들에서, 다수의 소프트웨어 태양들이 또한 별개의 프로그램들로서 구현될 수 있다. 마지막으로, 본 명세서에 기술된 소프트웨어 태양을 함께 구현하는 별개의 프로그램들의 임의의 조합이 본 발명의 범주 내에 있다. 일부 구현예들에서, 소프트웨어 프로그램들은, 하나 이상의 전자 시스템들 상에서 동작하도록 설치될 때, 소프트웨어 프로그램들의 동작들을 실행하고 수행하는 하나 이상의 특정 기계 구현예들을 정의한다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 스크립트, 또는 코드로도 알려짐)은 컴파일링되거나 해석된 언어들, 선언적 또는 절차적 언어들을 포함하는 임의의 형태의 프로그래밍 언어로 기록될 수 있고, 그것은, 예를 들어 독립형 프로그램으로서 또는 모듈, 컴포넌트, 서브루틴, 객체, 또는 컴퓨팅 환경에서 사용하기에 적합한 다른 유닛으로서, 임의의 형태로 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템 내의 파일에 대응할 수 있지만, 반드시 대응할 필요는 없다. 프로그램은, 다른 프로그램들 또는 데이터(예컨대, 마크업 언어 문서에 저장된 하나 이상의 스크립트들)를 보유하는 파일의 일부분에, 당해 프로그램에 전용되는 단일 파일에, 또는 다수의 조정된 파일들(예컨대, 하나 이상의 모듈들, 서브 프로그램들, 또는 코드의 부분들을 저장하는 파일들)에 저장될 수 있다.
본 명세서에 기술된 예시적인 블록들, 모듈들, 요소들, 컴포넌트들, 방법들, 및 알고리즘들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 둘 모두의 조합들로서 구현될 수 있다는 것이 이해된다. 하드웨어 및 소프트웨어의 이러한 호환성을 설명하기 위해, 다양한 예시적인 블록들, 모듈들, 요소들, 컴포넌트들, 방법들, 및 알고리즘들이 일반적으로 그들의 기능의 관점에서 전술되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지는 전체 시스템에 부과되는 특정 애플리케이션 및 설계 제약들에 의존한다. 숙련자들은 기술된 기능을 각각의 특정 애플리케이션에 대해 다양한 방식으로 구현할 수 있다. 다양한 컴포넌트들 및 블록들은 모두 본 발명의 범주로부터 벗어남이 없이 상이하게 배열될 수 있다(예컨대, 상이한 순서로 배열되거나, 또는 상이한 방식으로 분할될 수 있다).
개시된 프로세스들에서의 단계들의 특정 순서 또는 계층구조가 일부 예시적인 접근법들의 예시로서 제시된다는 것이 이해된다. 설계 선호도들 및/또는 다른 고려사항들에 기초하여, 프로세스들에서의 단계들의 특정 순서 또는 계층구조가 재배열될 수 있다는 것이 이해된다. 예를 들어, 일부 구현예들에서, 단계들 중 일부는 동시에 수행될 수 있다. 따라서, 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 요소들을 제시하고, 제시된 특정 순서 또는 계층구조로 제한되는 것으로 의도되지 않는다.
이전의 설명은 당업자가 본 명세서에 기술된 다양한 태양들을 실시할 수 있게 하기 위해 제공된다. 이전의 설명은 본 발명의 다양한 예들을 제공하고, 본 발명은 이러한 예들로 제한되지 않는다. 이러한 태양들에 대한 다양한 수정들이 당업자들에게 용이하게 명백할 것이며, 본 명세서에서 정의된 일반 원리들은 다른 태양들에도 적용될 수 있다. 따라서, 청구항들은 본 명세서에 나타낸 태양들로 제한되는 것으로 의도되는 것이 아니라, 언어 청구항에 부합되는 전체 범주를 부여받아야 하며, 여기서 단수형의 요소에 대한 언급은 달리 구체적으로 그렇게 언급되지 않는 한 "오직 하나만"을 의미하도록 의도되지 않고, 오히려 "하나 이상"을 의미하도록 의도된다. 달리 구체적으로 언급되지 않는 한, 용어 "일부"는 하나 이상을 지칭한다. 남성 명사에서의 대명사들(예컨대, 그의)은 여성 및 중성(예컨대, 그녀의 및 그것의)을 포함하고, 그 반대로도 가능하다. 제목 및 부제목은, 존재하는 경우, 단지 편의를 위해 사용되며, 본 발명을 제한하지 않는다.
용언들 "하도록 구성된", "하도록 동작가능한", 그리고 "하도록 프로그래밍된"은 대상의 임의의 특정 유형적 또는 비유형적 수정을 암시하지 않고, 오히려 상호교환가능하게 사용되도록 의도된다. 예를 들어, 동작 또는 컴포넌트를 모니터링 및 제어하도록 구성된 프로세서는 또한, 동작을 모니터링 및 제어하도록 프로그래밍되어 있는 프로세서 또는 동작을 모니터링 및 제어하도록 동작가능한 프로세서를 의미할 수 있다. 마찬가지로, 코드를 실행하도록 구성된 프로세서는, 코드를 실행하도록 프로그래밍되거나 또는 코드를 실행하도록 동작가능한 프로세서로서 해석될 수 있다.
문구 "과 통신 상태에 있는" 그리고 "커플링된"은, 본 명세서에서 명명되거나 명명되지 않은 하나 이상의 컴포넌트들을 통해 직접 통신 상태에 있거나 또는 간접 통신 상태에 있는 것을 의미한다.
일 "태양"과 같은 문구는, 그러한 태양이 본 발명에 필수적이거나 또는 그러한 태양이 본 발명의 모든 구성들에 적용된다는 것을 암시하지 않는다. 일 태양에 관한 개시내용은 모든 구성들, 또는 하나 이상의 구성들에 적용될 수 있다. 일 태양은 하나 이상의 예들을 제공할 수 있다. 일 태양과 같은 문구는 하나 이상의 태양들을 지칭할 수 있고, 그 반대로도 가능하다. 일 "구현예"와 같은 문구는, 그러한 구현예가 본 발명에 필수적이거나 또는 그러한 구현예가 본 발명의 모든 구성들에 적용된다는 것을 암시하지 않는다. 일 구현예에 관한 개시내용은 모든 태양들, 또는 하나 이상의 태양들에 적용될 수 있다. 일 구현예는 하나 이상의 예들을 제공할 수 있다. 일 "구현예"와 같은 문구는 하나 이상의 구현예들을 지칭할 수 있고, 그 반대로도 가능하다. 일 "구성"과 같은 문구는, 그러한 구성이 본 발명에 필수적이거나 또는 그러한 구성이 본 발명의 모든 구성들에 적용된다는 것을 암시하지 않는다. 일 구성에 관한 개시내용은 모든 구성들, 또는 하나 이상의 구성들에 적용될 수 있다. 일 구성은 하나 이상의 예들을 제공할 수 있다. 일 "구성"과 같은 문구는 하나 이상의 구성들을 지칭할 수 있고, 그 반대로도 가능하다.
단어 "예시적인"은 "일례 또는 예시로서의 역할을 하는"을 의미하는 데 사용된다. "예시적인"으로서 본 명세서에 기술된 임의의 태양 또는 설계는 반드시 다른 태양들 또는 설계들에 비해 바람직하거나 유리한 것으로 해석되어야 하는 것은 아니다.

Claims (20)

  1. 데이터 저장 시스템으로서,
    제어기; 및
    하나 이상의 비휘발성 메모리 디바이스들을 포함하고,
    상기 제어기는,
    기계 학습 모델(machine-learned model)을 사용하여, 상기 기계 학습 모델에 대한 복수의 입력 파라미터들과 연관된 데이터에 기초하여, 상기 데이터 저장 시스템에 의해 프로세싱되고 있는 하나 이상의 동작들의 작업부하에 대한 카테고리를 결정하도록;
    상기 결정된 카테고리에 기초하여, 상기 하나 이상의 비휘발성 메모리 디바이스들의 예상된 열화를 결정하도록; 그리고
    상기 예상된 열화 및 호스트 시스템에 의한 상기 데이터 저장 시스템의 물리적 저장의 실제 사용량에 기초하여, 상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 양을 조정하도록 구성되는, 데이터 저장 시스템.
  2. 제1항에 있어서, 상기 제어기는,
    상기 작업부하에 대한 상기 카테고리 및 상기 예상된 열화에 기초하여, 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 양을 조정할지 여부를 결정하도록;
    상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양이 조정되는 것으로 결정될 때, 상기 호스트 시스템에 의한 사용량 이력에 기초하여, 상기 호스트 시스템에 의한 물리적 저장의 실제 사용량을 계산하도록;
    상기 호스트 시스템에 의한 물리적 저장의 상기 실제 사용량이 임계 사용량을 만족하는지 여부를 결정하도록; 그리고
    상기 호스트 시스템에 의한 물리적 저장의 상기 실제 사용량이 상기 임계 사용량을 만족할 때, 상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양을 조정하도록 구성되는, 데이터 저장 시스템.
  3. 제2항에 있어서, 상기 호스트 시스템에 의한 물리적 저장의 상기 실제 사용량이 상기 임계 사용량을 만족할 때, 상기 제어기는,
    상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양을 감소시키고 최대 논리적 블록 어드레스(logical block address, LBA)를 감소시키도록 구성되는, 데이터 저장 시스템.
  4. 제1항에 있어서, 상기 제어기는,
    최대 논리적 블록 어드레스(LBA)를 조정함으로써 상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양을 조정하도록 구성되는, 데이터 저장 시스템.
  5. 제1항에 있어서, 상기 제어기는,
    상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 오버프로비저닝된(over provisioned) 물리적 저장의 양을 감소시키도록; 그리고
    최대 논리적 블록 어드레스를 이전에 이용가능한 최대 논리적 블록 어드레스로 증가시키도록 구성되는, 데이터 저장 시스템.
  6. 제1항에 있어서, 상기 제어기는,
    상기 호스트 시스템으로 경보를 전송하도록 구성되고, 상기 경보는 상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양이 조정가능함을 나타내는, 데이터 저장 시스템.
  7. 제6항에 있어서, 상기 제어기는,
    상기 경보에 응답하여 상기 호스트 시스템으로부터 메시지를 수신하도록; 그리고
    상기 메시지에 기초하여, 상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양을 조정하도록 구성되는, 데이터 저장 시스템.
  8. 데이터 저장 시스템을 위한 컴퓨터 구현 방법으로서,
    기계 학습 모델을 사용하여, 상기 기계 학습 모델에 대한 복수의 입력 파라미터들과 연관된 데이터에 기초하여, 상기 데이터 저장 시스템에 의해 프로세싱되고 있는 하나 이상의 동작들의 작업부하에 대한 카테고리를 결정하는 단계;
    상기 결정된 카테고리에 기초하여, 상기 데이터 저장 시스템의 하나 이상의 비휘발성 메모리 디바이스들의 예상된 열화를 결정하는 단계; 및
    상기 예상된 열화 및 호스트 시스템에 의한 상기 데이터 저장 시스템의 물리적 저장의 실제 사용량에 기초하여, 상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 양을 조정하는 단계를 포함하는, 컴퓨터 구현 방법.
  9. 제8항에 있어서,
    상기 작업부하에 대한 상기 카테고리 및 상기 예상된 열화에 기초하여, 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 양을 조정할지 여부를 결정하는 단계;
    상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양이 조정되는 것으로 결정하는 것에 응답하여:
    상기 호스트 시스템에 의한 사용량 이력에 기초하여, 상기 호스트 시스템에 의한 물리적 저장의 실제 사용량을 계산하는 단계;
    상기 호스트 시스템에 의한 물리적 저장의 상기 실제 사용량이 임계 사용량을 만족하는지 여부를 결정하는 단계; 및
    상기 호스트 시스템에 의한 물리적 저장의 상기 실제 사용량이 상기 임계 사용량을 만족한다고 결정하는 것에 응답하여:
    상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양을 조정하는 단계를 추가로 포함하는, 컴퓨터 구현 방법.
  10. 제8항에 있어서,
    상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양을 감소시킴으로써 상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양을 조정하는 단계를 추가로 포함하는, 컴퓨터 구현 방법.
  11. 제10항에 있어서,
    최대 논리적 블록 어드레스(LBA)를 감소시킴으로써 상기 최대 LBA를 조정하는 단계를 추가로 포함하는, 컴퓨터 구현 방법.
  12. 제8항에 있어서,
    상기 호스트 시스템에 대해 이용가능한 물리적 저장의 상기 양을 증가시킴으로써 상기 호스트 시스템에 대해 이용가능한 물리적 저장의 상기 양을 조정하는 단계; 및
    최대 논리적 블록 어드레스(LBA)를 이전에 이용가능한 최대 LBA로 증가시키는 단계를 추가로 포함하는, 컴퓨터 구현 방법.
  13. 제8항에 있어서,
    상기 호스트 시스템으로 경보를 전송하는 단계를 추가로 포함하고, 상기 경보는 상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양이 조정가능함을 나타내는, 컴퓨터 구현 방법.
  14. 제13항에 있어서,
    상기 전송된 경보에 응답하여 상기 호스트 시스템으로부터 메시지를 수신하는 단계; 및
    상기 메시지에 기초하여, 상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양을 조정하는 단계를 추가로 포함하는, 컴퓨터 구현 방법.
  15. 데이터 저장 시스템으로서,
    복수의 비휘발성 메모리 디바이스들;
    기계 학습 모델을 사용하여, 상기 기계 학습 모델에 대한 복수의 입력 파라미터들과 연관된 데이터에 기초하여, 상기 데이터 저장 시스템에 의해 프로세싱되고 있는 하나 이상의 동작들의 작업부하에 대한 카테고리를 결정하기 위한 수단;
    상기 결정된 카테고리에 기초하여, 상기 데이터 저장 시스템의 하나 이상의 비휘발성 메모리 디바이스들의 예상된 열화를 결정하기 위한 수단; 및
    상기 예상된 열화 및 호스트 시스템에 의한 데이터 저장 시스템의 물리적 저장의 실제 사용량에 기초하여, 상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 양을 조정하기 위한 수단을 포함하는, 데이터 저장 시스템.
  16. 제15항에 있어서,
    상기 작업부하에 대한 상기 카테고리 및 상기 예상된 열화에 기초하여, 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 양을 조정할지 여부를 결정하기 위한 수단;
    상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양이 조정되는 것으로 결정하는 것에 응답하여:
    상기 호스트 시스템에 의한 사용량 이력에 기초하여, 상기 호스트 시스템에 의한 물리적 저장의 실제 사용량을 계산하기 위한 수단;
    상기 호스트 시스템에 의한 물리적 저장의 상기 실제 사용량이 임계 사용량을 만족하는지 여부를 결정하기 위한 수단; 및
    상기 호스트 시스템에 의한 물리적 저장의 상기 실제 사용량이 상기 임계 사용량을 만족한다고 결정하는 것에 응답하여:
    상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양을 조정하기 위한 수단을 포함하는, 데이터 저장 시스템.
  17. 제15항에 있어서,
    상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양을 감소시킴으로써 상기 호스트 시스템에 대해 이용가능한 상기 데이터 저장 시스템의 물리적 저장의 상기 양을 조정하기 위한 수단을 포함하는, 데이터 저장 시스템.
  18. 제15항에 있어서,
    상기 호스트 시스템에 대해 이용가능한 물리적 저장의 상기 양을 증가시킴으로써 상기 호스트 시스템에 대해 이용가능한 물리적 저장의 상기 양을 조정하기 위한 수단; 및
    최대 논리적 블록 어드레스(LBA)를 이전에 이용가능한 최대 LBA로 증가시키기 위한 수단을 포함하는, 데이터 저장 시스템.
  19. 제1항에 있어서, 상기 작업부하에 대한 카테고리는 상기 작업부하에 대한 엔트로피 유형을 포함하는, 데이터 저장 시스템.
  20. 제19항에 있어서,
    상기 엔트로피 유형은,
    랜덤하게 어드레싱된 메모리 블록들을 이용하는 판독 또는 기록과 연관된 랜덤 작업부하 유형;
    인접하여 어드레싱된 메모리 블록들을 이용하는 판독 또는 기록과 연관된 순차 작업부하 유형; 및
    랜덤하게 어드레싱된 메모리 블록들 및 인접하여 어드레싱된 메모리 블록들을 이용하는 판독 또는 기록과 연관된 혼합 작업부하 유형
    중 적어도 하나를 포함하는, 데이터 저장 시스템.
KR1020190108997A 2018-12-17 2019-09-03 데이터 저장 시스템 및 데이터 저장 시스템 성능, 용량 및/또는 동작 요건을 자율적으로 적응시키기 위한 방법 Active KR102321947B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/223,041 2018-12-17
US16/223,041 US10963332B2 (en) 2018-12-17 2018-12-17 Data storage systems and methods for autonomously adapting data storage system performance, capacity and/or operational requirements

Publications (2)

Publication Number Publication Date
KR20200074844A KR20200074844A (ko) 2020-06-25
KR102321947B1 true KR102321947B1 (ko) 2021-11-03

Family

ID=70859387

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190108997A Active KR102321947B1 (ko) 2018-12-17 2019-09-03 데이터 저장 시스템 및 데이터 저장 시스템 성능, 용량 및/또는 동작 요건을 자율적으로 적응시키기 위한 방법

Country Status (4)

Country Link
US (3) US10963332B2 (ko)
KR (1) KR102321947B1 (ko)
CN (1) CN111324298B (ko)
DE (1) DE102019125060A1 (ko)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10963332B2 (en) * 2018-12-17 2021-03-30 Western Digital Technologies, Inc. Data storage systems and methods for autonomously adapting data storage system performance, capacity and/or operational requirements
US11537326B2 (en) * 2020-09-10 2022-12-27 Western Digital Technologies, Inc. Relocation flow using CbA technology
US11436138B2 (en) * 2020-10-21 2022-09-06 EMC IP Holding Company LLC Adaptive endurance tuning of solid-state storage system
US11880595B2 (en) * 2020-11-06 2024-01-23 Micron Technology, Inc. Memory cell access techniques for memory systems
US20220342601A1 (en) * 2021-04-27 2022-10-27 Samsung Electronics Co., Ltd. Systems, methods, and devices for adaptive near storage computation
CN115620793B (zh) 2021-07-12 2024-10-22 长鑫存储技术有限公司 一种半导体存储器及其上存储块的容量配置方法
KR20230058230A (ko) 2021-10-22 2023-05-03 삼성전자주식회사 스토리지 장치 및 그 동작 방법
US11954341B2 (en) * 2022-05-05 2024-04-09 Seagate Technology Llc External storage of internal drive management data
US12007830B2 (en) * 2022-07-22 2024-06-11 VMware LLC Methods and systems for resolving performance problems with objects of a data center
CN117931416A (zh) * 2022-10-14 2024-04-26 成都华为技术有限公司 资源分配方法、装置、存储介质及程序产品
US12423016B2 (en) * 2022-12-27 2025-09-23 Netapp, Inc. Reducing provisioned storage capacity of an aggregate of a storage appliance

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170285943A1 (en) * 2016-03-30 2017-10-05 EMC IP Holding Company LLC Balancing ssd wear in data storage systems
WO2018167890A1 (ja) 2017-03-15 2018-09-20 株式会社日立製作所 計算機システム及び管理方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8904082B1 (en) * 2008-03-25 2014-12-02 Cadence Design Systems, Inc. Operation based polling in a memory system
TWI584120B (zh) * 2012-03-23 2017-05-21 Lsi公司 用於動態調適快取的方法及系統
CN105224240B (zh) * 2014-05-30 2019-04-30 北京忆恒创源科技有限公司 将数据写入存储设备的方法、装置及存储设备
US9158681B1 (en) 2014-09-02 2015-10-13 Sandisk Technologies Inc. Process and apparatus to reduce declared capacity of a storage device by conditionally trimming
US9678677B2 (en) * 2014-12-09 2017-06-13 Intel Corporation Determining adjustments to the spare space in a storage device unavailable to a user based on a current consumption profile of a storage device
US10234930B2 (en) * 2015-02-13 2019-03-19 Intel Corporation Performing power management in a multicore processor
US10402733B1 (en) * 2015-06-17 2019-09-03 EMC IP Holding Company LLC Adaptive ensemble workload prediction model based on machine learning algorithms
US9703664B1 (en) * 2015-06-24 2017-07-11 EMC IP Holding Company LLC Self adaptive workload classification and forecasting in multi-tiered storage system using ARIMA time series modeling
KR102519663B1 (ko) 2015-07-31 2023-04-07 삼성전자주식회사 스토리지 장치, 스토리지 장치를 포함하는 시스템 및 그것의 동작 방법
US10235057B2 (en) * 2015-09-04 2019-03-19 Western Digital Technologies, Inc. Operating parameters for flash memory devices
US10592110B2 (en) * 2016-02-19 2020-03-17 International Business Machines Corporation Techniques for dynamically adjusting over-provisioning space of a flash controller based on workload characteristics
US11468359B2 (en) * 2016-04-29 2022-10-11 Hewlett Packard Enterprise Development Lp Storage device failure policies
CN108287660B (zh) * 2017-01-09 2021-07-09 中国移动通信集团河北有限公司 数据存储方法和设备
KR102526650B1 (ko) * 2017-05-25 2023-04-27 삼성전자주식회사 뉴럴 네트워크에서 데이터를 양자화하는 방법 및 장치
US10884636B1 (en) * 2017-06-12 2021-01-05 Pure Storage, Inc. Presenting workload performance in a storage system
US20200117642A1 (en) * 2017-06-30 2020-04-16 Intel Corporation Determining optimal data size for data deduplication operation
US11609810B2 (en) * 2017-12-07 2023-03-21 Intel Corporation Technologies for predicting computer hardware performance with machine learning
US10635324B1 (en) * 2018-02-28 2020-04-28 Toshiba Memory Corporation System and method for reduced SSD failure via analysis and machine learning
US20190334786A1 (en) * 2018-04-30 2019-10-31 Hewlett Packard Enterprise Development Lp Predicting Workload Patterns in a Data Storage Network
CN108804039B (zh) * 2018-06-04 2021-01-29 平安科技（深圳）有限公司 自适应的数据恢复流控方法、装置、电子设备及存储介质
US10963332B2 (en) * 2018-12-17 2021-03-30 Western Digital Technologies, Inc. Data storage systems and methods for autonomously adapting data storage system performance, capacity and/or operational requirements
US10809936B1 (en) * 2019-07-30 2020-10-20 EMC IP Holding Company LLC Utilizing machine learning to detect events impacting performance of workloads running on storage systems
US11175829B2 (en) * 2019-10-22 2021-11-16 EMC IP Holding Company LLC Automatic identification of workloads contributing to behavioral changes in storage systems using machine learning techniques
US20230177345A1 (en) * 2021-12-08 2023-06-08 Vmware, Inc. Methods and systems that use machine-learning to determine workloads and to evaluate deployment/configuration policies
US20230281470A1 (en) * 2022-03-04 2023-09-07 Netapp, Inc. Machine learning classification of object store workloads

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170285943A1 (en) * 2016-03-30 2017-10-05 EMC IP Holding Company LLC Balancing ssd wear in data storage systems
WO2018167890A1 (ja) 2017-03-15 2018-09-20 株式会社日立製作所 計算機システム及び管理方法

Also Published As

Publication number Publication date
DE102019125060A1 (de) 2020-06-18
US20230024176A1 (en) 2023-01-26
US20200192738A1 (en) 2020-06-18
CN111324298A (zh) 2020-06-23
US12181961B2 (en) 2024-12-31
CN111324298B (zh) 2023-10-24
KR20200074844A (ko) 2020-06-25
US20210173731A1 (en) 2021-06-10
US10963332B2 (en) 2021-03-30
US11500714B2 (en) 2022-11-15

Similar Documents

Publication Publication Date Title
KR102321947B1 (ko) 데이터 저장 시스템 및 데이터 저장 시스템 성능, 용량 및/또는 동작 요건을 자율적으로 적응시키기 위한 방법
CN110955385B (zh) 用于改进的数据重定位的数据存储系统和方法
US10726930B2 (en) Method and system for a storage (SSD) drive-level failure and health prediction leveraging machine learning on internal parametric data
US10388385B2 (en) Reduction or elimination of a latency penalty associated with adjusting read thresholds for non-volatile memory
US9135112B2 (en) Policy for read operations addressing on-the-fly decoding failure in non-volatile memory
CN111445942B (zh) 基于保留漂移历史的非易失性存储器读取阈值最优化
KR102411329B1 (ko) 디코딩 성공 추세에 기초한 조정가능한 판독 재시도 순서
US8738994B2 (en) Memory controller, memory system, and operating method
CN107179962A (zh) 用于自适应读取电平调节的系统和方法
WO2016069194A1 (en) Method and system for throttling bandwidth based on temperature
CN106158040B (zh) 读取电压准位估测方法、存储器存储装置及控制电路单元
CN105005450B (zh) 数据写入方法、存储器存储装置及存储器控制电路单元
TW201415468A (zh) 在一非揮發性記憶體中測量平均抹除之記憶體胞損壞
CN111427510B (zh) 用于后台管理操作的优化调度的数据存储系统和方法
US12118229B2 (en) Memory sub-system event log management
TWI545581B (zh) 資料寫入方法、記憶體儲存裝置及記憶體控制電路單元
KR20220085804A (ko) 용도 블록을 위한 동적 오버 프로비저닝 할당
US12333164B2 (en) Data storage systems and methods for self adaptive chip-enable setup time
US20240231708A1 (en) Dynamic rain for zoned storage systems

Legal Events

Date Code Title Description
PA0109 Patent application

St.27 status event code: A-0-1-A10-A12-nap-PA0109

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

D13-X000 Search requested

St.27 status event code: A-1-2-D10-D13-srh-X000

D14-X000 Search report completed

St.27 status event code: A-1-2-D10-D14-srh-X000

PG1501 Laying open of application

St.27 status event code: A-1-1-Q10-Q12-nap-PG1501

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

GRNT Written decision to grant
PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

St.27 status event code: A-2-2-U10-U11-oth-PR1002

Fee payment year number: 1

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601

PN2301 Change of applicant

St.27 status event code: A-5-5-R10-R11-asn-PN2301

PN2301 Change of applicant

St.27 status event code: A-5-5-R10-R14-asn-PN2301

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 4

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 5