Efficient Key-Value Data Placement for ZNS SSD

[kyungmin-Earnest-Lim]

written by Gijun Oh , Junseok Yang and Sungyong Ahn

abstract

key-value store 기반인 LSM-tree는 순차적 쓰기 특성으로 인해 높은 I/O 성능으로 주목받고 있다. 그러나 compaction으로 인한 과도한 write로 인해 SSD의 수명은 줄어든다. 그러므로, 호스트가 데이터 배치를 결정할 수 있는 SSD인 Zone Namespace SSD(ZNS)를 사용해서 Garbage Collection을 줄이는 몇가지 연구가 있었다. 근데 이때까지는 key-value의 hotness와 lifetime을 고려하지 않았어서 한계가 있었는데 그래서 본 논문에서는 key-value의 특성에 따라 배열함으로써 space efficiency와 garbage collection overhead를 줄이는 기술을 목표로 하였다. 이 방법은 RocksDB의 ZenFS를 수정함으로써 구현했고 성능 평가를 통해 공간 효율성이 최대 75%까지 증가하였다.

[kyungmin-Earnest-Lim]

benefit for using key-value store

• deep learning , blockchain에 high performance, flexibility and simplicity와 같은 이득으로 많이 쓰임
• 특히, LSM-tree based key-value store ( like RocksDB, LevelDB ) 는 NAND-flash memory-based SSD에서 높은 I/O성능을 보인다. out-place update로 인한 순차적 쓰기 특성으로 인해
• 근데 compaction으로 인해 생기는 과도한 쓰기가 legacy block interface SSD에서, FTL의 Garbage Collection 은 write amplification을 더욱 증가시켰다.

acknowledge about RocksDB with ZenFS

• ZenFS는 RocksDB의 정보를 효과적으로 활용 못하는 부분이 있다.
• hotness가 다른 file들을 같은 zone에 저장되고 공간은 비효율적으로 쓰임
• ZenFS는 Garbage Collection 지원하지 않기 때문에 -> large key-value set를 관리하는 것이 힘들다.
• 이 논문에서는 compaction 중에 신속하게 empty zone을 확보하는 방법을 소개한다.

acknowledge about ZNS from this paper

• 호스트가 직접적으로 zone을 관리할 수 있다.
• 그러므로 GC overhead와 write amplification을 줄일 수 있다.
• conventional (기존) HDD처럼 tracks are not seperated, ZNS에서는 overlapping하는 SMR HDD를 사용한다.
• 그래서 in-place update (내부 업데이트)를 사용할 수 없다.
• in-place update를 막으면 HDD가 legacy block layer ( 기존 블록 계층)을 사용할 수 없게 된다.
• 그러므로 ZAC(Zoned ATA commands) 그리고 ZBC(zoned block commands) 라는 SMR HDD에 대한 새로운 I/O 방법이 제안되었다

[kyungmin-Earnest-Lim]

Q1. ZNS SSD를 기반으로한 RocksDB with ZenFS는 large key-value set를 manage하지 못한다고 하는데 그 이유가 ZenFS가 Garbage Collection을 지원하지 않아서라고 한다.

• Garbage Collection없이 large key-value set을 manage 할 수 있는 방법을 찾아볼 수는 없을까??

[kyungmin-Earnest-Lim]

wear-leveling algorithm

• NAND flash cell은 제한된 수명을 가진다.
• write를 할때 physical block을 균등하게 사용한다.

no wear-leveling

• wear-leveling 을 사용하지 않는 algorithm
• L2P address가 영구적으로 할당
• Data를 update하기 위해서는 erase-write가 항상 발생
• 비용이 크고, SSD의 수명이 짧다.

dynamic wear-leveling

• 사용중인 공간은 wear-leveling 타겟에서 제외한다.
• 삭제 횟수가 적은 블록이 쓰기 작업에 우선적으로 사용

static wear-leveling

• 모든 공간을 wear-leveling 타겟으로 여김 (사용중인 곳도)
• Dynamic wear-leveling 보다 수명을 길게 유지해주지만, 고려해야하는 공간이 더 크기 때문에 속도가 더 느려짐

Global wear-leveling

• dynamic * static wear leveling은 하나의 die 내에서 수행된다.
• global wear-leveling은 static wear-leveling과 같지만, SSD 전체에서 수행된다는 차이점이 있음

[2020. Exploring Performance Characteristics of the Optane #D Xpoint Storage Technology. ACM . Jinfeng Yang, Bingzhe Li, David J.Lilja]

FTL(Flash Translation Layer)이란 SSD의 특성을 숨기고 HDD의 기능을 모방한 소프트웨어 레이어

• 역할( re-mapping, garbage collection, wear-leveling, bad block management, error handling, flash interface( flash recovery algorithm ) )
• 구조 ( FTL안에 STL(sector translation), BML(block management), LLD(low level driver) 이다.