-
公开(公告)号:CN110413537A
公开(公告)日:2019-11-05
申请号:CN201910675390.5
申请日:2019-07-25
Applicant: 杭州电子科技大学
IPC: G06F12/02
Abstract: 本发明公开了一种面向混合固态硬盘的闪存转换层,所述闪存转换层包括一个地址映射缓冲区,所述地址映射缓冲区由全局翻译目录GTD、映射页缓存槽TPCS、热映射缓存表Hot-CMT和冷映射缓存表Cold-CMT组成;所述GTD用于记录每个翻译页的实际物理页号,所述TPCS用于当前映射项在缓存中不命中时,缓存当前加载映射项所属的整个映射页,所述Hot-CMT用于缓存频繁访问的写映射项,所述Cold-CMT用于缓存读映射项和不频繁访问的写映射项;所述Hot-CMT和Cold-CMT记录映射项的逻辑页号LPN、物理页号PPN。本发明解决了利用多种介质构建SSD的闪存转换层设计问题。实现了映射项的统一管理,提升混合SSD的性能、降低其单位容量成本,较好实现质A和介质B之间的磨损均衡,延长混合SSD的使用寿命。
-
公开(公告)号:CN106874213A
公开(公告)日:2017-06-20
申请号:CN201710022404.4
申请日:2017-01-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种融合多种机器学习算法的固态硬盘热数据识别方法。本发明首先根据请求的大小采用K‑means均值聚类算法对请求进行聚类,判断该请求是冷数据还是热数据;然后,再根据请求的逻辑页号采用K近邻分类算法对该请求进行分类;最后,如果两种方法的分类结果不一致,根据逻辑页号采用最近邻原则对判定结果进行修正。与传统的冷热数据识别方法相比,采用本发明方法既可以保证较低的内存开销,又可以提高热数据识别的准确性,适用于集成到现有的固态硬盘系统中,提高系统的整体性能。
-
公开(公告)号:CN109446117B
公开(公告)日:2023-02-28
申请号:CN201811038059.4
申请日:2018-09-06
Applicant: 杭州电子科技大学
IPC: G06F12/123
Abstract: 本发明公开了一种固态硬盘页级闪存转换层设计方法。本发明将NAND闪存划分为两个部分:数据块区域和翻译块区域,数据块区域用于储存常规用户数据,翻译块区域只储存映射信息,且整个闪存采用基于页的映射。RAM被分为W‑CMT、R‑CMT、GTD三个部分:W‑CMT用于储存高访问频次的写数据映射信息;R‑CMT用于储存高访问频次的读数据映射信息、GTD用于记录映射块中的地址映射项。本发明实现高灵活性的页级映射的同时,极大程度上减少由于数据更新导致的翻译页频繁更新,进而提升整体系统性能,延长固态硬盘使用寿命。
-
公开(公告)号:CN106874213B
公开(公告)日:2020-03-20
申请号:CN201710022404.4
申请日:2017-01-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种融合多种机器学习算法的固态硬盘热数据识别方法。本发明首先根据请求的大小采用K‑means均值聚类算法对请求进行聚类,判断该请求是冷数据还是热数据;然后,再根据请求的逻辑页号采用K近邻分类算法对该请求进行分类;最后,如果两种方法的分类结果不一致,根据逻辑页号采用最近邻原则对判定结果进行修正。与传统的冷热数据识别方法相比,采用本发明方法既可以保证较低的内存开销,又可以提高热数据识别的准确性,适用于集成到现有的固态硬盘系统中,提高系统的整体性能。
-
公开(公告)号:CN108845957A
公开(公告)日:2018-11-20
申请号:CN201810276887.5
申请日:2018-03-30
Applicant: 杭州电子科技大学
IPC: G06F12/02 , G06F12/0866
CPC classification number: G06F12/0253 , G06F12/0866 , G06F2212/7205
Abstract: 本发明提供一种置换和回写自适应的缓冲区管理方法,将缓冲区划分为缓存块记录表、写缓冲区和读缓冲区;其中,缓存块记录表用于记录同属一个逻辑数据块的数据页在缓冲区的位置信息,写缓冲区用于缓存响应写请求而被修改过的数据页,读缓冲区用于缓存仅响应读请求而未被修改的数据页。本发明在加载和剔除数据页时采用页级的管理方式,通过周期自适应调整读缓冲区阈值,能够感知负载读写特的变化,使得该管理方法在多种负载条件下都能得到较高的缓存命中率。同时,采用脏页自适应聚簇回写,能够感知FTL层垃圾回收的压力,自适应地调整回写策略,能够有效地减少因为FTL垃圾回收引发的额外块擦除次数,提升了固态硬盘的总体性能和使用寿命。
-
公开(公告)号:CN107423229A
公开(公告)日:2017-12-01
申请号:CN201710156124.2
申请日:2017-03-16
Applicant: 杭州电子科技大学
IPC: G06F12/02 , G06F12/06 , G06F12/123
Abstract: 本发明公开了一种面向页级FTL的缓冲区改进方法。本发明步骤如下:1、将RAM分成请求类型区分模块、随机请求处理区模块和连续请求处理区模块;2、请求类型区分模块判断到达请求的类型,且交由相应的请求处理区模块处理;3、若请求的数据页在RAM时,则立即得到服务。服务时,需判断请求的读写类型,若是写请求,则在缓冲区中进行数据覆盖实现更新;反之,则直接从缓冲区中读取数据。4、连续请求处理模块中的数据页被二次访问时,则将该数据页加载到随机请求处理区模块中。5、当随机请求处理区模块满时,根据LRU策略以簇为单位剔除;当连续请求处理区模块满时,根据FIFO策略以簇为单位剔除。本发明有着很好的实用性和应用前景。
-
公开(公告)号:CN108762664B
公开(公告)日:2021-03-16
申请号:CN201810276666.8
申请日:2018-03-30
Applicant: 杭州电子科技大学
IPC: G06F3/06
Abstract: 本发明提供一种固态硬盘页级缓冲区管理方法,将固态硬盘页级缓冲区划分为哈希索引表缓存区,脏页缓存区和干净页缓存区三个部分;其中,哈希索引表表缓存区用于记录不同数据页访问的历史特性,脏页缓存区用于缓存热脏页,干净页缓存区用于缓存热干净页。采用热数据识别机制利用哈希表上对应请求的历史访问特性信息对请求数据页进行热数据识别,同时结合访问请求的空间局部特性,将识别的热数据页载入缓冲区。最后采用自适应置换机制,能够在缓冲区发生数据页置换操作时,综合当前读写请求访问特性和实际底层读写代价,在干净页缓存队列和脏页缓存队列中动态选择合适的数据页进行置换。具有良好的实用性和市场前景。
-
公开(公告)号:CN108845957B
公开(公告)日:2020-10-09
申请号:CN201810276887.5
申请日:2018-03-30
Applicant: 杭州电子科技大学
IPC: G06F12/02 , G06F12/0866
Abstract: 本发明提供一种置换和回写自适应的缓冲区管理方法,将缓冲区划分为缓存块记录表、写缓冲区和读缓冲区;其中,缓存块记录表用于记录同属一个逻辑数据块的数据页在缓冲区的位置信息,写缓冲区用于缓存响应写请求而被修改过的数据页,读缓冲区用于缓存仅响应读请求而未被修改的数据页。本发明在加载和剔除数据页时采用页级的管理方式,通过周期自适应调整读缓冲区阈值,能够感知负载读写特的变化,使得该管理方法在多种负载条件下都能得到较高的缓存命中率。同时,采用脏页自适应聚簇回写,能够感知FTL层垃圾回收的压力,自适应地调整回写策略,能够有效地减少因为FTL垃圾回收引发的额外块擦除次数,提升了固态硬盘的总体性能和使用寿命。
-
公开(公告)号:CN107423229B
公开(公告)日:2020-09-01
申请号:CN201710156124.2
申请日:2017-03-16
Applicant: 杭州电子科技大学
IPC: G06F12/02 , G06F12/06 , G06F12/123
Abstract: 本发明公开了一种面向页级FTL的缓冲区改进方法。本发明步骤如下:1、将RAM分成请求类型区分模块、随机请求处理区模块和连续请求处理区模块;2、请求类型区分模块判断到达请求的类型,且交由相应的请求处理区模块处理;3、若请求的数据页在RAM时,则立即得到服务。服务时,需判断请求的读写类型,若是写请求,则在缓冲区中进行数据覆盖实现更新;反之,则直接从缓冲区中读取数据。4、连续请求处理模块中的数据页被二次访问时,则将该数据页加载到随机请求处理区模块中。5、当随机请求处理区模块满时,根据LRU策略以簇为单位剔除;当连续请求处理区模块满时,根据FIFO策略以簇为单位剔除。本发明有着很好的实用性和应用前景。
-
公开(公告)号:CN106067178B
公开(公告)日:2018-11-23
申请号:CN201610367322.9
申请日:2016-05-30
Applicant: 杭州电子科技大学
IPC: G06T7/20
Abstract: 本发明提出一种基于肌肉协同激活模型的手部关节运动连续估计方法。本发明首先根据肌电信号量化肌肉协同理论模型,利用非负矩阵分解算法对肌电信号进行解耦,提取独立动作的协同元;其次根据非负最小二乘算法计算相应协同元激活系数。最后,通过支持向量回归构建了映射激活系数到关节角度的激活模型,利用建立的激活模型从采集的表面肌电信号得到关节运动的连续估计。对四个关节独立和组合运动的估计实验表明,该模型能获得较高的估计精度。
-
-
-
-
-
-
-
-
-