ფლეშ მეხსიერების საიმედოობა: მოსალოდნელი და მოულოდნელი. ნაწილი 2. USENIX ასოციაციის XIV კონფერენცია. ფაილების შენახვის ტექნოლოგიები

ფლეშ მეხსიერების საიმედოობა: მოსალოდნელი და მოულოდნელი. ნაწილი 1. USENIX ასოციაციის XIV კონფერენცია. ფაილების შენახვის ტექნოლოგიები

4.2.2. RBER და დისკის ასაკი (PE ციკლების გამოკლებით).

სურათი 1 გვიჩვენებს მნიშვნელოვან კორელაციას RBER-სა და ასაკს შორის, რაც არის თვეების რაოდენობა, რომელიც დისკი იყო ველში. თუმცა, ეს შეიძლება იყოს ყალბი კორელაცია, რადგან სავარაუდოა, რომ ძველ დისკებს აქვთ მეტი PE და, შესაბამისად, RBER უფრო კორელირებულია PE ციკლებთან.

PE ციკლებით გამოწვეულ ცვეთაზე ასაკის ზემოქმედების აღმოსაფხვრელად, ჩვენ დავაჯგუფეთ მომსახურების ყველა თვე კონტეინერებად, PE ციკლის განაწილების დეცილების გამოყენებით, როგორც წყვეტა კონტეინერებს შორის, მაგალითად, პირველი კონტეინერი შეიცავს დისკის სიცოცხლის ყველა თვეს. PE ციკლის განაწილების პირველი დეცილი და ასე შემდეგ. ჩვენ დავადასტურეთ, რომ თითოეულ კონტეინერში კორელაცია PE ციკლებსა და RBER-ს შორის საკმაოდ მცირეა (რადგან თითოეული კონტეინერი მოიცავს მხოლოდ PE ციკლების მცირე დიაპაზონს) და შემდეგ გამოვთვალეთ კორელაციის კოეფიციენტი RBER-სა და დისკის ასაკს შორის ცალ-ცალკე თითოეული კონტეინერისთვის.

ჩვენ განვახორციელეთ ეს ანალიზი ცალ-ცალკე თითოეული მოდელისთვის, რადგან ნებისმიერი დაფიქსირებული კორელაცია გამოწვეულია არა ახალგაზრდა და უფროს მოდელებს შორის განსხვავებებით, არამედ მხოლოდ ერთი და იმავე მოდელის დისკების ასაკის გამო. ჩვენ დავაკვირდით, რომ PE ციკლების ეფექტის ზემოთ აღწერილი წესით შეზღუდვის შემდეგაც კი, დისკის ყველა მოდელისთვის მაინც არსებობდა მნიშვნელოვანი კორელაცია ველში დისკის ყოფნის თვეებსა და მის RBER-ს შორის (კორელაციის კოეფიციენტები მერყეობდა 0,2-დან 0,4-მდე. ).

ბრინჯი. 3. კავშირი RBER-სა და PE ციკლების რაოდენობას შორის ახალი და ძველი დისკებისთვის გვიჩვენებს, რომ დისკის ასაკი გავლენას ახდენს RBER მნიშვნელობაზე, მიუხედავად ცვეთით გამოწვეული PE ციკლებისა.

ჩვენ ასევე გრაფიკულად წარმოვაჩინეთ დისკის ასაკის ეფექტი დისკის გამოყენების დღეების გაყოფით "ახალგაზრდა" ასაკში 1 წლამდე და დისკის გამოყენების დღეები 4 წელზე მეტი ასაკისთვის, შემდეგ კი გამოვსახეთ თითოეულის RBER ჯგუფი PE ციკლების რაოდენობის წინააღმდეგ. სურათი 3 გვიჩვენებს ამ შედეგებს MLC-D დისკის მოდელისთვის. ჩვენ ვხედავთ შესამჩნევ განსხვავებას RBER მნიშვნელობებში ძველი და ახალი დისკების ჯგუფებს შორის ყველა PE ციკლის განმავლობაში.

აქედან დავასკვნათ, რომ ასაკი, რომელიც იზომება დისკის ველში გამოყენების დღეებით, მნიშვნელოვან გავლენას ახდენს RBER-ზე, მეხსიერების უჯრედების ცვეთაზე დამოუკიდებლად PE ციკლების ზემოქმედების გამო. ეს ნიშნავს, რომ სხვა ფაქტორები, როგორიცაა სილიციუმის დაბერება, დიდ როლს თამაშობს დისკის ფიზიკურ ცვეთაში.

4.2.3. RBER და დატვირთვა.

ითვლება, რომ ბიტის შეცდომები გამოწვეულია ოთხი მექანიზმიდან ერთ-ერთით:

1. შენახვის შეცდომები შენახვის შეცდომები, როდესაც მეხსიერების უჯრედი დროთა განმავლობაში კარგავს მონაცემებს
   წაკითხვის შეშფოთების შეცდომები, როდესაც წაკითხვის ოპერაცია აზიანებს მიმდებარე უჯრედის შიგთავსს;
2. ჩაწერეთ შეფერხების შეცდომები, როდესაც წაკითხვის ოპერაცია აზიანებს მიმდებარე უჯრედის შიგთავსს;
3. არასრული წაშლის შეცდომები, როდესაც წაშლის ოპერაცია მთლიანად არ წაშლის უჯრედის შიგთავსს.

ბოლო სამი ტიპის შეცდომები (კითხვის შეწუხება, ჩაწერის შეწუხება, არასრული წაშლა) დაკავშირებულია სამუშაო დატვირთვასთან, ამიტომ RBER-სა და სამუშაო დატვირთვას შორის კორელაციის გაგება გვეხმარება გავიგოთ შეცდომის სხვადასხვა მექანიზმების გავრცელება. უახლეს კვლევაში, "A ფართომასშტაბიანი შესწავლა ფლეშ მეხსიერების წარუმატებლობის სფეროში" (MEZA, J., WU, Q., KUMAR, S., MUTLU, O. "A ფართომასშტაბიანი კვლევა ფლეშ მეხსიერების წარუმატებლობის შესახებ სფეროში." In Proceedings of 2015 ACM SIGMETRICS International Conference on Measurement and Modelling of Computer Systems, ნიუ იორკი, 2015, SIGMETRICS '15, ACM, გვ. 177–190) დაასკვნა, რომ შენახვის შეცდომები ჭარბობს ველში, კითხვის დროს. საკმაოდ უმნიშვნელოა.

სურათი 1 გვიჩვენებს მნიშვნელოვან ურთიერთობას RBER მნიშვნელობას შორის დისკის მუშაობის მოცემულ თვეში და წაკითხვის, ჩაწერის და წაშლის რაოდენობას შორის იმავე თვეში ზოგიერთი მოდელისთვის (მაგალითად, კორელაციის კოეფიციენტი 0,2-ზე მაღალია MLC - B-სთვის. მოდელი და 0,6-ზე მაღალი SLC-B-სთვის). თუმცა, შესაძლებელია, რომ ეს არის ყალბი კორელაცია, რადგან თვიური დატვირთვა შეიძლება დაკავშირებული იყოს PE ციკლების საერთო რაოდენობასთან.

ჩვენ გამოვიყენეთ იგივე მეთოდოლოგია, რომელიც აღწერილია განყოფილებაში 4.2.2, რათა გამოვყოთ დატვირთვის ეფექტები PE ციკლების ეფექტებისგან, წინა PE ციკლების საფუძველზე დისკის მუშაობის თვეების იზოლირებით და შემდეგ თითოეული კონტეინერისთვის ცალ-ცალკე კორელაციის კოეფიციენტების განსაზღვრით.

ჩვენ ვნახეთ, რომ კორელაცია დისკის მუშაობის მოცემულ თვეში წაკითხვის რაოდენობასა და RBER მნიშვნელობას შორის ამ თვეში შენარჩუნდა MLC-B და SLC-B მოდელებისთვის, მაშინაც კი, როდესაც PE ციკლები ზღუდავს. ჩვენ ასევე გავიმეორეთ მსგავსი ანალიზი, სადაც გამოვრიცხეთ წაკითხვის გავლენა ერთდროულად ჩაწერებისა და წაშლის რაოდენობაზე და დავასკვნათ, რომ კორელაცია RBER-სა და წაკითხვის რაოდენობას შორის მართებულია SLC-B მოდელისთვის.

სურათი 1 ასევე გვიჩვენებს კორელაციას RBER-სა და ჩაწერისა და წაშლის ოპერაციებს შორის, ამიტომ ჩვენ გავიმეორეთ იგივე ანალიზი წაკითხვის, ჩაწერის და წაშლის ოპერაციებისთვის. ჩვენ ვასკვნით, რომ PE ციკლებისა და წაკითხვის ზემოქმედების შეზღუდვით, არ არსებობს კავშირი RBER მნიშვნელობასა და ჩაწერისა და წაშლის რაოდენობას შორის.

ამრიგად, არსებობს დისკის მოდელები, სადაც წაკითხვის დარღვევის შეცდომებს მნიშვნელოვანი გავლენა აქვს RBER-ზე. მეორეს მხრივ, არ არსებობს მტკიცებულება იმისა, რომ RBER გავლენას ახდენს ჩაწერის დარღვევით და არასრული წაშლის შეცდომებით.

4.2.4 RBER და ლითოგრაფია.

ობიექტის ზომაში განსხვავებები შეიძლება ნაწილობრივ ახსნას RBER მნიშვნელობებში განსხვავებები დისკის მოდელებს შორის იმავე ტექნოლოგიის გამოყენებით, ანუ MLC ან SLC. (იხილეთ ცხრილი 1 ამ კვლევაში შეტანილი სხვადასხვა მოდელების ლითოგრაფიის მიმოხილვისთვის).

მაგალითად, 2 SLC მოდელს 34 ნმ ლითოგრაფიით (მოდელები SLC-A და SLC-D) აქვს RBER, რომელიც სიდიდის რიგითობით აღემატება 2 ნმ მიკროელექტრონული ლითოგრაფიის მქონე 50 მოდელს (მოდელები SLC-B და SLC-C). MLC მოდელების შემთხვევაში, მხოლოდ 43 ნმ მოდელს (MLC-B) აქვს მედიანური RBER, რომელიც 50%-ით მეტია 3 ნმ ლითოგრაფიის დანარჩენ 50 მოდელთან შედარებით. უფრო მეტიც, ეს სხვაობა RBER-ში იზრდება 4-ჯერ, როგორც დისკები ცვდება, როგორც ნაჩვენებია სურათზე 2. და ბოლოს, უფრო თხელი ლითოგრაფია შეიძლება ახსნას eMLC დისკების უფრო მაღალი RBER MLC დისკებთან შედარებით. საერთო ჯამში, ჩვენ გვაქვს ნათელი მტკიცებულება, რომ ლითოგრაფია გავლენას ახდენს RBER-ზე.

4.2.5. სხვა შეცდომების არსებობა.

ჩვენ გამოვიკვლიეთ კავშირი RBER-სა და სხვა ტიპის შეცდომებს შორის, როგორიცაა გამოუსწორებელი შეცდომები, ვადის ამოწურვის შეცდომები და ა.შ., კერძოდ, გაიზრდება თუ არა RBER მნიშვნელობა სხვა ტიპის შეცდომებთან კონტაქტის შემდეგ ერთი თვის შემდეგ.

სურათი 1 გვიჩვენებს, რომ მიუხედავად იმისა, რომ წინა თვის RBER პროგნოზირებს მომავალ RBER მნიშვნელობებს (კორელაციის კოეფიციენტი 0,8-ზე მეტი), არ არსებობს მნიშვნელოვანი კორელაცია გამოუსწორებელ შეცდომებსა და RBER-ს (ერთეულების ყველაზე მარჯვენა ჯგუფი სურათზე 1) შორის. სხვა ტიპის შეცდომებისთვის, კორელაციის კოეფიციენტი კიდევ უფრო დაბალია (სურათზე არ არის ნაჩვენები). ჩვენ შემდგომში შევისწავლეთ კავშირი RBER-სა და გამოუსწორებელ შეცდომებს შორის ამ ნაშრომის 5.2 ნაწილში.

4.2.6. სხვა ფაქტორების გავლენა.

ჩვენ აღმოვაჩინეთ მტკიცებულება, რომ არსებობს ფაქტორები, რომლებიც მნიშვნელოვან გავლენას ახდენენ RBER-ზე, რაც ჩვენს მონაცემებს ვერ ასახავს. კერძოდ, ჩვენ შევამჩნიეთ, რომ RBER მოცემული დისკის მოდელისთვის განსხვავდება კლასტერზე, რომელშიც არის დისკი განლაგებული. კარგი მაგალითია სურათი 4, რომელიც გვიჩვენებს RBER-ს, როგორც PE ციკლების ფუნქციას MLC-D დისკებისთვის სამ სხვადასხვა კლასტერში (წყვეტილი ხაზები) და ადარებს მას RBER-ს ამ მოდელისთვის დისკების მთლიან რაოდენობასთან (მყარი ხაზი). ჩვენ ვხვდებით, რომ ეს განსხვავებები შენარჩუნებულია მაშინაც კი, როდესაც ჩვენ ვზღუდავთ ისეთი ფაქტორების გავლენას, როგორიცაა დისკის ასაკი ან წაკითხვის რაოდენობა.

ამის ერთ-ერთი შესაძლო ახსნა არის კლასტერებს შორის სამუშაო დატვირთვის ტიპების განსხვავებები, რადგან ჩვენ ვხედავთ, რომ კლასტერებს, რომელთა დატვირთვას აქვს ყველაზე მაღალი წაკითხვის/ჩაწერის კოეფიციენტი, აქვთ ყველაზე მაღალი RBER.

ბრინჯი. 4 ა), ბ). მედიანური RBER მნიშვნელობები, როგორც PE ციკლების ფუნქცია სამი განსხვავებული კლასტერისთვის და წაკითხვის/ჩაწერის თანაფარდობის დამოკიდებულება PE ციკლების რაოდენობაზე სამი განსხვავებული კლასტერისთვის.

მაგალითად, სურათი 4(ბ) გვიჩვენებს სხვადასხვა კლასტერების წაკითხვის/ჩაწერის კოეფიციენტებს MLC-D დისკის მოდელისთვის. თუმცა, წაკითხვის/ჩაწერის თანაფარდობა არ ხსნის განსხვავებებს კლასტერებს შორის ყველა მოდელისთვის, ამიტომ შეიძლება იყოს სხვა ფაქტორები, რომლებსაც ჩვენი მონაცემები არ ითვალისწინებს, როგორიცაა გარემო ფაქტორები ან სხვა გარე დატვირთვის პარამეტრები.

4.3. RBER დაჩქარებული გამძლეობის ტესტირების დროს.

სამეცნიერო სამუშაოების უმეტესობა, ისევე როგორც ტესტები, რომლებიც ჩატარდა მედიის შეძენისას სამრეწველო მასშტაბით, პროგნოზირებს მოწყობილობების საიმედოობას სფეროში, დაჩქარებული გამძლეობის ტესტების შედეგების საფუძველზე. ჩვენ გადავწყვიტეთ გაგვერკვია, რამდენად შეესაბამება ასეთი ტესტების შედეგები პრაქტიკულ გამოცდილებას მყარი მდგომარეობის შესანახი მედიის მუშაობისას.
Google-ის მონაცემთა ცენტრებისთვის მიწოდებული აღჭურვილობის ზოგადი დაჩქარებული ტესტის მეთოდოლოგიის გამოყენებით ჩატარებული ტესტის შედეგების ანალიზმა აჩვენა, რომ ველის RBER მნიშვნელობები მნიშვნელოვნად აღემატება პროგნოზირებულს. მაგალითად, eMLC-a მოდელისთვის, ველზე მომუშავე დისკების მედიანური RBER (ტესტირების ბოლოს PE ციკლების რაოდენობამ მიაღწია 600-ს) იყო 1e-05, ხოლო წინასწარი დაჩქარებული ტესტირების შედეგების მიხედვით, ეს RBER მნიშვნელობა უნდა შეესაბამებოდეს 4000-ზე მეტ PE ციკლს. ეს მიუთითებს იმაზე, რომ ძალიან რთულია RBER მნიშვნელობის ზუსტი პროგნოზირება ველში, ლაბორატორიული ტესტებიდან მიღებული RBER შეფასებების საფუძველზე.

ჩვენ ასევე აღვნიშნეთ, რომ ზოგიერთი ტიპის შეცდომის გამრავლება საკმაოდ რთულია დაჩქარებული ტესტირების დროს. მაგალითად, MLC-B მოდელის შემთხვევაში, ველში არსებული დისკების თითქმის 60% განიცდის გამოუსწორებელ შეცდომებს და დისკების თითქმის 80%-ს უვითარდება ცუდი ბლოკები. თუმცა, დაჩქარებული გამძლეობის ტესტირების დროს, ექვსი მოწყობილობიდან არცერთს არ განუცდია გამოუსწორებელი შეცდომა, სანამ დისკები არ მიაღწიეს სამჯერ მეტი PE ციკლის ლიმიტს. eMLC მოდელებისთვის გამოუსწორებელი შეცდომები დაფიქსირდა ველში არსებული დისკების 80%-ზე მეტში, ხოლო დაჩქარებული ტესტირების დროს ასეთი შეცდომები 15000 PE ციკლის მიღწევის შემდეგ მოხდა.

ჩვენ ასევე გადავხედეთ წინა კვლევით სამუშაოებში მოხსენებულ RBER-ს, რომელიც დაფუძნებული იყო ექსპერიმენტებზე კონტროლირებად გარემოში და დავასკვნათ, რომ მნიშვნელობების დიაპაზონი უკიდურესად ფართო იყო. მაგალითად, ლ.მ. Grupp და სხვები თავიანთ 2009-2012 სამუშაოებში აცხადებენ RBER მნიშვნელობებს დისკებისთვის, რომლებიც ახლოს არიან PE ციკლის ლიმიტების მიღწევასთან. მაგალითად, SLC და MLC მოწყობილობებისთვის ლითოგრაფიული ზომების მსგავსი ჩვენს სამუშაოში გამოყენებული ზომებით (25-50 ნმ), RBER მნიშვნელობა მერყეობს 1e-08-დან 1e-03-მდე, ტესტირებული დისკის მოდელების უმეტესობას აქვს RBER მნიშვნელობა 1e-თან ახლოს. 06.

ჩვენს კვლევაში, დისკის სამ მოდელს, რომლებმაც მიაღწიეს PE ციკლის ლიმიტს, ჰქონდა RBER-ები 3e-08-დან 8e-08-მდე. იმის გათვალისწინებით, რომ ჩვენი რიცხვები ქვედა ზღვარია და შეიძლება იყოს 16-ჯერ მეტი აბსოლუტურ უარეს შემთხვევაში, ან RBER-ის 95-ე პროცენტულის გათვალისწინებით, ჩვენი მნიშვნელობები მაინც მნიშვნელოვნად დაბალია.

მთლიანობაში, მიუხედავად იმისა, რომ რეალური ველის RBER მნიშვნელობები უფრო მაღალია, ვიდრე პროგნოზირებული მნიშვნელობები დაფუძნებული დაჩქარებული გამძლეობის ტესტირებაზე, ისინი მაინც დაბალია, ვიდრე RBER-ების უმეტესობა მსგავსი მოწყობილობებისთვის, რომლებიც მოხსენებულია სხვა კვლევით ნაშრომებში და გამოითვლება ლაბორატორიული ტესტებიდან. ეს ნიშნავს, რომ თქვენ არ უნდა დაეყრდნოთ RBER ველის პროგნოზირებულ მნიშვნელობებს, რომლებიც მიღებულია დაჩქარებული გამძლეობის ტესტირებიდან.

5. გამოუსწორებელი შეცდომები.

გამოუსწორებელი შეცდომების (UEs) ფართოდ გავრცელებული შემთხვევების გათვალისწინებით, რომლებიც განხილული იყო ამ ნაშრომის მე-3 ნაწილში, ამ ნაწილში უფრო დეტალურად განვიხილავთ მათ მახასიათებლებს. ჩვენ ვიწყებთ განხილვით, თუ რომელი მეტრიკა გამოვიყენოთ UE-ს გასაზომად, როგორ უკავშირდება ის RBER-ს და როგორ მოქმედებს UE-ზე სხვადასხვა ფაქტორები.

5.1. რატომ არ აქვს აზრი UBER თანაფარდობას.

სტანდარტული მეტრიკა, რომელიც ახასიათებს გამოუსწორებელ შეცდომებს, არის UBER გამოუსწორებელი ბიტის შეცდომის სიხშირე, ანუ გამოუსწორებელი ბიტის შეცდომების თანაფარდობა წაკითხული ბიტების საერთო რაოდენობასთან.

ეს მეტრიკა იგულისხმება, რომ გამოუსწორებელი შეცდომების რაოდენობა გარკვეულწილად არის დაკავშირებული წაკითხული ბიტების რაოდენობასთან და, შესაბამისად, უნდა იყოს ნორმალიზებული ამ რიცხვით.

ეს ვარაუდი მართებულია გამოსწორებად შეცდომებზე, სადაც მოცემულ თვეში დაფიქსირებული შეცდომების რაოდენობა ძლიერ კორელაციაშია დროის იმავე პერიოდში წაკითხულთა რაოდენობასთან (Spearman-ის კორელაციის კოეფიციენტი 0.9-ზე მეტი). ასეთი ძლიერი კორელაციის მიზეზი არის ის, რომ ერთი ცუდი ბიტიც კი, სანამ ის გამოსწორდება ECC-ის გამოყენებით, გააგრძელებს შეცდომების რაოდენობის გაზრდას მის მიერ წვდომის ყოველი წაკითხვის ოპერაციით, ვინაიდან ცუდ ბიტის შემცველი უჯრედის შეფასება არის შეცდომის აღმოჩენისას დაუყოვნებლივ არ გამოსწორდება (დისკები მხოლოდ პერიოდულად იწერენ გვერდებს დაზიანებული ბიტებით).

იგივე ვარაუდი არ ვრცელდება გამოუსწორებელ შეცდომებზე. გამოუსწორებელი შეცდომა გამორიცხავს დაზიანებული ბლოკის შემდგომ გამოყენებას, ამიტომ აღმოჩენის შემდეგ, ასეთი ბლოკი მომავალში არ იმოქმედებს შეცდომების რაოდენობაზე.

ამ ვარაუდის ოფიციალურად დასადასტურებლად, ჩვენ გამოვიყენეთ სხვადასხვა მეტრიკა, რათა გავზომოთ კავშირი წაკითხვის რაოდენობას დისკის მუშაობის მოცემულ თვეში და გამოუსწორებელი შეცდომების რაოდენობას შორის დროის ერთსა და იმავე პერიოდში, სხვადასხვა კორელაციის კოეფიციენტების ჩათვლით (Pearson, Spearman, Kendall) , ასევე გრაფიკების ვიზუალური დათვალიერება . გარდა გამოუსწორებელი შეცდომების რაოდენობისა, ჩვენ ასევე განვიხილეთ გამოუსწორებელი შეცდომის შემთხვევების სიხშირე (ანუ ალბათობა იმისა, რომ დისკს ექნება მინიმუმ ერთი ასეთი ინციდენტი დროის მოცემულ პერიოდში) და მათ ურთიერთობას წაკითხვის ოპერაციებთან.
ჩვენ ვერ ვიპოვნეთ მტკიცებულება წაკითხულთა რაოდენობასა და გამოუსწორებელ შეცდომებს შორის კორელაციის შესახებ. დისკის ყველა მოდელისთვის, კორელაციის კოეფიციენტები იყო 0.02-ზე დაბლა და გრაფიკები არ აჩვენებდნენ UE-ს რაიმე ზრდას წაკითხვის რაოდენობის მატებასთან ერთად.

ამ ნაშრომის 5.4 განყოფილებაში განვიხილავთ, რომ ჩაწერისა და წაშლის ოპერაციებს ასევე არ აქვთ კავშირი გამოუსწორებელ შეცდომებთან, ამიტომ UBER-ის ალტერნატიულ განმარტებას, რომელიც ნორმალიზდება ჩაწერის ან წაშლის ოპერაციებით წაკითხვის ნაცვლად, მნიშვნელობა არ აქვს.

აქედან გამომდინარე, ჩვენ დავასკვნით, რომ UBER არ არის მნიშვნელოვანი მეტრიკა, გარდა იმ შემთხვევებისა, როდესაც ტესტირება ხდება კონტროლირებად გარემოში, სადაც წაკითხვის რაოდენობა დგინდება ექსპერიმენტატორის მიერ. თუ UBER გამოიყენება როგორც მეტრიკა საველე ტესტირების დროს, ის ხელოვნურად შეამცირებს შეცდომის კოეფიციენტს წაკითხვის მაღალი რაოდენობის მქონე დისკებისთვის და ხელოვნურად გაზრდის შეცდომის კოეფიციენტს წაკითხვის დაბალი რაოდენობის მქონე დისკებისთვის, რადგან გამოუსწორებელი შეცდომები ხდება წაკითხვის რაოდენობის მიუხედავად.

5.2. გამოუსწორებელი შეცდომები და RBER.

RBER-ის აქტუალობა აიხსნება იმით, რომ ის ემსახურება დისკის მთლიანი საიმედოობის განსაზღვრას, კერძოდ, გამოუსწორებელი შეცდომების ალბათობის საფუძველზე. თავის ნაშრომში ნ. მიელკემ და სხვებმა 2008 წელს პირველებმა შემოგვთავაზეს მოსალოდნელი გამოუსწორებელი შეცდომის სიხშირის განსაზღვრა RBER-ის ფუნქციის სახით. მას შემდეგ ბევრმა სისტემის დეველოპერმა გამოიყენა მსგავსი მეთოდები, როგორიცაა მოსალოდნელი გამოუსწორებელი შეცდომის სიხშირის შეფასება RBER და ECC ტიპის ფუნქციით.

ამ განყოფილების მიზანია დაახასიათოს რამდენად კარგად პროგნოზირებს RBER გამოუსწორებელ შეცდომებს. დავიწყოთ ნახაზი 5a-ით, რომელიც ასახავს მედიანურ RBER-ს პირველი თაობის წამყვანი მოდელებისთვის იმ დღეების პროცენტთან მიმართებაში, რომლებსაც ისინი იყენებდნენ, რომლებსაც ჰქონდათ გამოუსწორებელი UE შეცდომები. უნდა აღინიშნოს, რომ გრაფიკზე ნაჩვენები 16 მოდელიდან ზოგიერთი არ არის ჩართული ცხრილში 1 ანალიტიკური ინფორმაციის ნაკლებობის გამო.

ბრინჯი. 5ა. კავშირი მედიანა RBER-სა და გამოუსწორებელ შეცდომებს შორის დისკის სხვადასხვა მოდელებისთვის.

ბრინჯი. 5ბ. კავშირი მედიანა RBER-სა და გამოუსწორებელ შეცდომებს შორის ერთი და იმავე მოდელის სხვადასხვა დისკებისთვის.

შეგახსენებთ, რომ ერთი და იგივე თაობის ყველა მოდელი იყენებს ერთსა და იმავე ECC მექანიზმს, ამიტომ მოდელებს შორის განსხვავებები დამოუკიდებელია ECC განსხვავებებისაგან. ჩვენ არ ვნახეთ კორელაცია RBER და UE ინციდენტებს შორის. ჩვენ შევქმენით იგივე ნაკვეთი 95-ე პროცენტული RBER წინააღმდეგ UE ალბათობისთვის და კვლავ არ ვნახეთ კორელაცია.

შემდეგ, ჩვენ გავიმეორეთ ანალიზი ცალკეული დისკების მარცვლოვანობით, ანუ შევეცადეთ გაგვერკვია იყო თუ არა დისკები, სადაც RBER უფრო მაღალი მნიშვნელობა შეესაბამება უფრო მაღალ UE სიხშირეს. მაგალითად, სურათი 5b ასახავს მედიანას RBER MLC-c მოდელის თითოეული დისკისთვის UE-ების რაოდენობასთან მიმართებაში (შედეგები მსგავსია 95-ე პროცენტული RBER-ისთვის მიღებული შედეგებისთვის). კიდევ ერთხელ, ჩვენ ვერ ვნახეთ რაიმე კორელაცია RBER-სა და UE-ს შორის.

დაბოლოს, ჩვენ ჩავატარეთ უფრო ზუსტი დროის ანალიზი, რათა შეგვემოწმებინა, შეესაბამებოდა თუ არა მაღალი RBER მქონე დისკების ოპერაციული თვეები იმ თვეებს, რომლებშიც მოხდა UE-ები. სურათი 1 უკვე მიუთითებს, რომ კორელაციის კოეფიციენტი გამოუსწორებელ შეცდომებსა და RBER-ს შორის ძალიან დაბალია. ჩვენ ასევე გამოვცადეთ UE-ს ალბათობის გამოსახვის სხვადასხვა გზები RBER-ის ფუნქციით და არ ვიპოვეთ კორელაციის მტკიცებულება.

ამრიგად, ჩვენ დავასკვნით, რომ RBER არის არასანდო მეტრიკა UE-ს პროგნოზირებისთვის. ეს შეიძლება ნიშნავს, რომ წარუმატებლობის მექანიზმები, რომლებიც იწვევს RBER-ს, განსხვავდება იმ მექანიზმებისგან, რომლებიც იწვევს გამოუსწორებელ შეცდომებს (მაგ., ცალკეულ უჯრედებში შემავალი შეცდომები მთელ მოწყობილობასთან დაკავშირებული უფრო დიდი პრობლემების წინააღმდეგ).

5.3. გამოუსწორებელი შეცდომები და ცვეთა.

ვინაიდან ცვეთა არის ფლეშ მეხსიერების ერთ-ერთი მთავარი პრობლემა, ნახაზი 6 გვიჩვენებს დისკზე გამოუსწორებელი შეცდომების დღიურ ალბათობას PE ციკლების ფუნქციის მიხედვით.

სურათი 6. დისკის გამოუსწორებელი შეცდომების წარმოქმნის ყოველდღიური ალბათობა PE ციკლების მიხედვით.

ჩვენ აღვნიშნავთ, რომ UE-ს ალბათობა მუდმივად იზრდება დისკის ასაკთან ერთად. თუმცა, როგორც RBER-ის შემთხვევაში, ზრდა უფრო ნელია, ვიდრე ჩვეულებრივ ვარაუდობენ: გრაფიკები გვიჩვენებს, რომ UE-ები იზრდება წრფივად და არა ექსპონენციურად PE ციკლებით.

ორი დასკვნა, რომელიც ჩვენ გავაკეთეთ RBER-ისთვის, ასევე ვრცელდება UE-ებზე: პირველი, არ არის შეცდომის პოტენციალის მკაფიო ზრდა PE ციკლის ლიმიტის მიღწევის შემდეგ, როგორიცაა ნახაზი 6 MLC-D მოდელისთვის, რომლის PE ციკლის ლიმიტი არის 3000. მეორე, მეორე. , შეცდომის კოეფიციენტი განსხვავდება სხვადასხვა მოდელში, თუნდაც იმავე კლასში. თუმცა, ეს განსხვავებები არ არის ისეთი დიდი, როგორც RBER-ისთვის.

დაბოლოს, ჩვენი დასკვნების მხარდასაჭერად განყოფილებაში 5.2, ჩვენ აღმოვაჩინეთ, რომ მოდელის ერთი კლასის ფარგლებში (MLC vs. SLC), მოდელები, რომლებსაც აქვთ ყველაზე დაბალი RBER მნიშვნელობები PE ციკლების მოცემული რაოდენობისთვის, სულაც არ არიან ყველაზე დაბალი. UE-ს გაჩენის ალბათობა. მაგალითად, 3000-ზე მეტი PE ციკლისთვის, MLC-D მოდელებს ჰქონდათ RBER მნიშვნელობები 4-ჯერ დაბალი, ვიდრე MLC-B მოდელები, მაგრამ UE ალბათობა იმავე რაოდენობის PE ციკლისთვის ოდნავ მაღალი იყო MLC-D მოდელებისთვის, ვიდრე MLC-B. მოდელები.

ნახაზი 7. დისკის გამოუსწორებელი შეცდომების წარმოქმნის ყოველთვიური ალბათობა სხვადასხვა ტიპის წინა შეცდომების არსებობის ფუნქციით.

5.4. გამოუსწორებელი შეცდომები და დატვირთვა.

იმავე მიზეზების გამო, რამაც დატვირთვამ შეიძლება გავლენა მოახდინოს RBER-ზე (იხ. განყოფილება 4.2.3), მოსალოდნელია, რომ ის ასევე იმოქმედებს UE-ზე. მაგალითად, რადგან ჩვენ დავინახეთ, რომ წაკითხვის დარღვევის შეცდომები გავლენას ახდენს RBER-ზე, წაკითხვის ოპერაციებმა შეიძლება ასევე გაზარდოს გამოუსწორებელი შეცდომების ალბათობა.

ჩვენ ჩავატარეთ დეტალური კვლევა UE-ზე დატვირთვის გავლენის შესახებ. თუმცა, როგორც აღინიშნა 5.1 ნაწილში, ჩვენ ვერ ვიპოვნეთ კავშირი UE-სა და წაკითხვის რაოდენობას შორის. ჩვენ გავიმეორეთ იგივე ანალიზი ჩაწერისა და წაშლის ოპერაციებისთვის და კვლავ არ ვნახეთ კორელაცია.
გაითვალისწინეთ, რომ ერთი შეხედვით, როგორც ჩანს, ეს ეწინააღმდეგება ჩვენს წინა დაკვირვებას, რომ გამოუსწორებელი შეცდომები დაკავშირებულია PE ციკლებთან. ამიტომ, შეიძლება ველოდოთ კორელაციას ჩაწერისა და წაშლის ოპერაციების რაოდენობასთან.

თუმცა, PE ციკლების გავლენის ჩვენს ანალიზში, ჩვენ შევადარეთ გამოუსწორებელი შეცდომების რაოდენობა მოცემულ თვეში PE ციკლების საერთო რაოდენობასთან, რომელიც დისკმა განიცადა მთელი თავისი ცხოვრების მანძილზე დღემდე, რათა გავზომოთ ცვეთის ეფექტი. სამუშაო დატვირთვის ზემოქმედების შესწავლისას, ჩვენ განვიხილეთ დისკის მუშაობის თვეები, რომლებსაც ჰქონდათ ყველაზე მეტი წაკითხვის/ჩაწერის/წაშლის ოპერაციები კონკრეტულ თვეში, რაც ასევე ჰქონდა გამოუსწორებელი შეცდომების გამოწვევის მაღალი შანსი, ანუ ჩვენ არ გავითვალისწინეთ. აღრიცხეთ წაკითხვის/ჩაწერის/წაშლის ოპერაციების საერთო რაოდენობა.

შედეგად მივედით დასკვნამდე, რომ წაკითხვის დარღვევის შეცდომები, ჩაწერის დარღვევის შეცდომები და არასრული წაშლის შეცდომები არ არის გამოუსწორებელი შეცდომების განვითარების მთავარი ფაქტორები.

გმადლობთ, რომ დარჩით ჩვენთან. მოგწონთ ჩვენი სტატიები? გსურთ ნახოთ უფრო საინტერესო შინაარსი? მხარი დაგვიჭირეთ შეკვეთის განთავსებით ან მეგობრებისთვის რეკომენდაციით, 30% ფასდაკლება Habr-ის მომხმარებლებისთვის საწყისი დონის სერვერების უნიკალურ ანალოგზე, რომელიც ჩვენ მიერ გამოგონილია თქვენთვის: მთელი სიმართლე VPS (KVM) E5-2650 v4 (6 Cores) 10GB DDR4 240GB SSD 1Gbps 20$-დან ან როგორ გავაზიარო სერვერი? (ხელმისაწვდომია RAID1 და RAID10-ით, 24 ბირთვამდე და 40 გბ-მდე DDR4).

Dell R730xd 2-ჯერ იაფია? Მხოლოდ აქ 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 ტელევიზორი $199-დან ნიდერლანდებში! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99-დან! Წაიკითხო რაღაცის შესახებ როგორ ავაშენოთ ინფრასტრუქტურის კორპუსი. კლასი Dell R730xd E5-2650 v4 სერვერების გამოყენებით 9000 ევროს ღირებულების პენი?

წყარო: www.habr.com