全景剖析SSD SLC Cache缓存设计原理-2

四、SLC缓存对SSD的寿命是否有优化？

当使用QLC或TLC NAND闪存并将其切换到SLC模式进行写入时，会对闪存的寿命产生以下影响：

短期寿命提升：

- SLC模式下，每个存储单元仅存储一个比特数据，相对于QLC或TLC来说，每个单元的状态变化更少，因此每次写入操作对单元的物理损伤较小。
- 由于SLC模式的单元只需要区分两种电荷状态，其电压窗口更大，信号质量更好，这降低了误码率，增强了数据的稳定性，从而减少了需要进行纠错操作的次数，进一步减轻了单元的负担。
- 结果是，在SLC模式下进行写入时，NAND闪存的擦写次数（P/E cycles）理论上会显著增加，表现为短期的寿命提升。

长期总体寿命折损：

- 尽管SLC模式下单个单元的寿命更长，但需要注意的是，SLC模式实际上是利用了一部分QLC或TLC闪存的空间来模拟SLC的行为。这意味着原本设计为存储多位数据的单元现在只能存储一位数据，相当于牺牲了存储密度。
- 因此，为了维持相同的总存储容量，SSD控制器必须使用更多的物理单元来对应同样的逻辑容量，这意味着在SLC模式下写入相同的数据量，实际上会消耗更多物理单元的擦写次数。
- 例如，如果一个QLC单元在SLC模式下只用作一个SLC单元，那么为了达到同样的存储容量，需要使用四倍数量的QLC单元。虽然单个单元的擦写次数增加了，但由于使用的单元总数也相应增加，长期来看，整体的闪存寿命可能并未得到显著改善，甚至可能因为单元数量的增加而导致更早达到总的P/E周期限制。

动态调整与缓存策略：

- 实际上，现代SSD在设计时通常采用SLC缓存策略，即利用一部分QLC或TLC NAND以SLC模式工作作为高速写入缓冲区。这种设计允许在短时间内以SLC模式快速接收和暂存新数据，然后再在后台以QLC或TLC模式将这些数据异步迁移到主存储区域。
- 这种动态调整机制避免了持续以牺牲存储密度的方式运行整个闪存，而是仅在需要加速写入时短暂启用SLC模式。这样既利用了SLC模式下的高速写入优势，又避免了长期对闪存寿命造成过大影响。

所以说，将QLC或TLC NAND切换到SLC模式进行写入可以短期内提高单元的耐用性，但若持续以此模式运行整个闪存，由于牺牲存储密度导致的单元数量增加，可能会导致整体闪存寿命并未得到显著提升，甚至可能因为单元数量的增加而提前达到总的P/E周期限制。然而，通过合理运用SLC缓存策略，可以在不显著影响整体寿命的前提下，有效提升写入性能。

因此，实际SSD产品中，SLC模式通常作为一种智能缓存技术被用来临时提升写入速度，而非永久改变整个闪存的工作模式。

五、业内对SLC缓存的优化方案

1.Solidigm提出了“Fast Lane” SLC缓存方案

在传统SSD中，大多数数据在短时间内会从SLC缓存迁移到QLC主存储区。一旦数据被转移到QLC，现有的缓存机制并不具备智能将这些数据重新带回SLC的能力。换言之，一旦数据离开SLC，其后续的访问速度将取决于QLC的性能，而不会因为其访问频率或重要性变化而被重新考虑放入SLC缓存。

“Fast Lane”提出的缓存解决方案同样使用SLC作为写缓冲区，但在此基础上引入了智能缓存机制。这种智能缓存的目标是尽可能多地、尽可能长久地将“热”数据（即访问频率高、近期活跃或对性能敏感的数据）保留在SLC中。这意味着该方案不仅仅是被动地利用数据在SLC中的偶然存在，而是主动监控数据访问模式，识别出“热”数据，并确保这些数据即使在被写入一段时间后，仍能被优先保留在SLC缓存中，以提供持续的高性能访问。

存储驱动程序在识别出数据的“热”、“冷”状态后，会将这些信息以“提示”（hints）的形式传递给SSD固件。SSD固件是嵌入在SSD硬件中的专用软件，负责控制SSD的内部操作，包括数据的读写、缓存管理、错误纠正等。通过接收驱动程序提供的数据热度提示，固件获得了关于数据重要性与访问需求的额外知识。

接收到数据热度提示的SSD固件，会据此调整数据在不同存储介质中的存放策略。具体来说，固件会确保“热”数据存储在“快”介质中，而“冷”数据则存放在“慢”介质中。这里的“快”介质通常指SSD中的高速缓存区域，如SLC（Single-Level Cell）存储层，其特点是读写速度快、延迟低，但成本较高；相反，“慢”介质通常指SSD的主存储区域，如QLC（Quad-Level Cell）存储层，其存储密度高、成本较低，但读写速度和延迟相对较高。

相比传统缓存策略，随着SSD填充率增加、缓存空间相应减小，Fast Lane策略下重要数据快速可用的概率反而更高。原因在于传统策略通常仅基于数据的写入时间（即最近写入的数据优先保留在缓存中）进行缓存决策，这种简单粗放的方法往往无法精准识别出真正重要的“热”数据。在SSD使用过程中，随着可用缓存空间不断缩小，传统策略的不足愈发明显，而Fast Lane通过智能识别和优先保留重要数据，即使在缓存空间有限的情况下也能确保更高的缓存命中率。

实际测试结果显示，当SSD填充率达到50%时，采用Fast Lane缓存策略的系统在QD1（队列深度为1）随机读取速度上，相比于未采用此策略的同类系统，性能提升可达120%。QD1随机读取速度是衡量系统响应速度的一个关键指标，其显著提升说明Fast Lane有效地解决了高填充率下缓存空间不足导致的性能瓶颈问题，极大地增强了系统的即时响应能力和用户体验。

不过，需要注意，Solidigm这个方案需要软件驱动一起配合，整体方案可能对于普通用户不是特别友好。

2.三星基于强化学习(RL) SLC缓存管理技术

这是来自一篇来自三星的之前发布的论文内容，论文详细介绍了基于强化学习（RL）的SLC缓存管理技术，旨在改善使用QLC NAND闪存的固态硬盘（SSD）的写入性能

设计混合SSD时需要考虑两个重要因素：

SLC缓存大小：需要权衡容量损失与SLC-to-QLC迁移开销。SLC块容量小于QLC块，SLC区域越大，总容量损失越多。但若SLC区域过小，将导致迁移成本增加、写请求延迟增大及写放大率提高。因此，SLC缓存大小应根据工作负载特征和SSD内部行为（如迁移成本）动态调整。
热/冷分离阈值：考虑到SLC-to-QLC迁移成本，应尽量只在SLC区域写入频繁更新的“热”数据，其他“冷”数据直接写入QLC区域。区分热/冷数据需考虑请求数据大小、目标地址、更新频率等因素。简单启发式方法是基于数据大小，认为小数据更可能为热数据。阈值设定会影响写入SSD缓存的数据量，进而影响性能。

由于现有技术采用固定、经验性设定的参数且不支持运行时调整，论文提出了一种基于强化学习的SLC缓存管理技术。通过观察工作负载模式和混合SSD内部状态，动态确定最优SLC缓存参数，以最大化SSD效率。实验表明，该技术平均可将写吞吐量和写放大因子分别提高77.6%和20.3%。

根据论文内容介绍，RL技术更动态地调整SLC缓存大小和热/冷分离阈值。在PC工作负载（频繁更新数据多）中，RL技术分配的SLC块数少于UST，但保持较高的阈值（如512 KB），以尽可能长时间存储热数据。RL技术降低了QLC-to-QLC或SLC-to-SLC垃圾回收开销，与UST相比，其迁移和垃圾回收成本降低65.2%，与DWA相比，QLC写入开销减少。