在企業(yè)級或數(shù)據(jù)中心的存儲應(yīng)用中，對固態(tài)閃存盤的特性有著比桌面應(yīng)用更加嚴(yán)苛的多項要求。其中IO延遲穩(wěn)定性和QoS（服務(wù)質(zhì)量）是其中最重要的指標(biāo)，其含義表征著SSD在各種場景輕重壓力下能否提供穩(wěn)定的IO性能指標(biāo)，將IO的抖動和延遲控制在盡量小的范圍內(nèi)，而提升上層應(yīng)用的響應(yīng)。

近年神經(jīng)網(wǎng)絡(luò)在各行各業(yè)有很多有趣的實際應(yīng)用，其在模式識別、智能機器人、自動控制、預(yù)測估計、醫(yī)學(xué)和經(jīng)濟等領(lǐng)域已成功解決了許多現(xiàn)代計算機難以解決的實際問題，表現(xiàn)出很好的智能特性。憶芯科技的技術(shù)團隊經(jīng)過大膽創(chuàng)新實踐，在固態(tài)企業(yè)級算法領(lǐng)域，將神經(jīng)網(wǎng)絡(luò)應(yīng)用到SSD QoS算法調(diào)優(yōu)中，獲得了相較于比傳統(tǒng)算法的大幅提升。為企業(yè)級SSD IO延遲穩(wěn)定性和 QoS設(shè)計開辟了全新的思路和方向。

穩(wěn)態(tài)性能是指什么？

關(guān)于SSD的性能測試有很多項，文章下面跟大家分享下PTS測試中的Write Saturation（WSAT）寫飽和測試的優(yōu)化內(nèi)容。PTS是固態(tài)存儲的性能測試規(guī)范，可參見《Solid State Storage Performance Test Specification 》

在PTS中，將SSD的性能狀態(tài)分為了3個階段：

a） 出廠階段（Fresh Out of the Box， FOB）

出廠狀態(tài)，一般稱為空盤狀態(tài)。SSD 的NAND區(qū)域沒有進行數(shù)據(jù)寫入， 安全擦除命令可以將設(shè)備恢復(fù)出廠狀態(tài)，該階段的寫性能可以達到峰值性能，SSD后臺任務(wù)不會啟動。

b） 轉(zhuǎn)換階段（Transition）

隨著非重復(fù)數(shù)據(jù)的不斷寫入，SSD的可寫空間變小，當(dāng)降低到一定閾值時就會觸發(fā)SSD的垃圾回收（GC）任務(wù)釋放空閑空間。該階段性能下降較多，波動也較大，下降的幅度，取決于GC回收空閑空間的負(fù)載。

c） 穩(wěn)定階段（Steady State）

當(dāng)GC回收的負(fù)載和主機寫入負(fù)載趨于平衡時，SSD 的性能會逐漸平穩(wěn)下來，并長期維持在這個狀態(tài)，稱為穩(wěn)態(tài)。穩(wěn)態(tài)性能對于企業(yè)SSD應(yīng)用有很大的實際意義。

穩(wěn)態(tài)性能的指標(biāo)評估

穩(wěn)態(tài)的性能不僅僅是IO處理的速度有多快，還要看處理IO是否平穩(wěn)。衡量平穩(wěn)的方式，一般有兩種：

a） 一致性=最小的IOPS/平均的IOPS

b） 一致性=超出平均IOPS的±5%的采樣次數(shù)/總的采樣次數(shù)

前者著重于表現(xiàn)單點向下跌落的程度，后者著重于表現(xiàn)上下振動的幅度。

傳統(tǒng)的Qos控制算法

傳統(tǒng)的控制算法（如自適應(yīng)控制算法）的優(yōu)勢在于處理該問題時，表現(xiàn)出在不同硬件（如NAND，DDR）配置下都有較好的性能控制能力。

但是，其難點是在轉(zhuǎn)換階段時容易出現(xiàn)擾動，并傳遞到穩(wěn)定階段，影響IO的一致性。而且不同硬件配置下擾動的程度可能不同，所以還需要開發(fā)人員分別精心地調(diào)校。

下面我們來看下如何用神經(jīng)網(wǎng)絡(luò)模型處理SSD的穩(wěn)態(tài)控制問題，以及效果怎樣。

構(gòu)建和準(zhǔn)備數(shù)據(jù)

主機先要對SSD的性能參數(shù)調(diào)節(jié)模塊配置一組參數(shù)，然后在特定訓(xùn)練的IO場景中對SSD發(fā)送IO命令，同時主機實時地采集SSD內(nèi)部的性能監(jiān)測模塊上報的各項工作數(shù)據(jù)。

抽樣的數(shù)據(jù)有很多，且時間段也較長，要能實際表示出實際情形，需要在后面的整個流程中，不斷反復(fù)且持續(xù)的進行工作并修正需要訓(xùn)練的數(shù)據(jù)集。

構(gòu)建和訓(xùn)練模型

a） 建立神經(jīng)網(wǎng)絡(luò)模型

為了方便理解，可將模型簡化為一個三輸入二輸出的模型。輸入輸出的參數(shù)如下：

輸入?yún)?shù)host_w_iops：采樣主機寫通路的IOPS

輸入?yún)?shù)host_r_iops：采樣主機讀通路的IOPS

輸入?yún)?shù)vtc：SSD內(nèi)部啟動GC（垃圾回收）任務(wù)時，最小單位數(shù)據(jù)的有效數(shù)量

輸出參數(shù)host_w_limit：主機寫通路的流量限制參數(shù)

輸出參數(shù)gc_limit：GC通路的流量限制參數(shù)

注：流量限制是指單位時間（如100ms）內(nèi)可以處理單元數(shù)據(jù)（一般是4K）的數(shù)量。

通過軟件定時器實現(xiàn)的單位時間精度一般是在ms毫秒級，憶芯科技的新一代主控芯片STAR2000在硬件上實現(xiàn)了流量管理功能，時間精度可以達到ns納秒級，精度相對提高了100萬倍。

b） 訓(xùn)練模型

i. 分析收集到的數(shù)據(jù)集，配置給模型一組期望的目標(biāo)值。

ii. 用收集到的數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并評估訓(xùn)練結(jié)果，若目標(biāo)偏差較大，需要反復(fù)迭代訓(xùn)練該過程。

iii. 訓(xùn)練完成后，將相關(guān)參數(shù)集部署到SSD中，并執(zhí)行訓(xùn)練場景的IO測試。

iv. 若實際結(jié)果與目標(biāo)偏差較大，則反饋到前端進行調(diào)整。

v. 最后訓(xùn)練完成后，就可以進入評估階段，驗證下實際的效果。

評估模型

a） 轉(zhuǎn)換階段：

從下圖中看到轉(zhuǎn)換過程中沒有超調(diào)的情況，在退出轉(zhuǎn)換階段時無明顯的擾動。

b） 穩(wěn)定階段：

從下圖中可看到，使用神經(jīng)網(wǎng)絡(luò)模型的方式，在振動的幅度上有一定的改善。單點向下抖動的程度也有一定改善，具體的一致性數(shù)值則從之前的91%提升至97%。

總結(jié)

較傳統(tǒng)企業(yè)級QoS優(yōu)化手段，利用神經(jīng)網(wǎng)絡(luò)模型可輕松實現(xiàn)應(yīng)對各種復(fù)雜場景，并能實現(xiàn)更加精確的自適應(yīng)參數(shù)調(diào)優(yōu)，取得更高的IO穩(wěn)定性。

然而，在嵌入式里執(zhí)行神經(jīng)網(wǎng)絡(luò)計算會帶來一定的計算開銷，新一代主控芯片STAR2000則專門集成了硬件神經(jīng)網(wǎng)絡(luò)處理單元，結(jié)合8TOPS的算力，可以輕松應(yīng)對新的業(yè)務(wù)挑戰(zhàn)。

神經(jīng)網(wǎng)絡(luò)控制作為智能控制的一個新的分支，由神經(jīng)網(wǎng)絡(luò)與控制理論相結(jié)合而發(fā)展起來，可以為解決復(fù)雜的非線性，不確定的控制問題提供一種新的途徑。