NVMe SSD的核心算法衆多，Garbage collection（後文簡稱GC）就是其中之一。一個好的GC算法可以有效的降低SSD的寫放大係數，對於SSD的性能和壽命都大有益處。本篇文章就介紹下Memblaze在GC算法及其仿真方面的一些工作。
NAND中，block必須先擦除，然後才能寫入數據，且數據寫入和擦除的粒度不一致，是需要GC的一個重要原因。擦除粒度block遠大於寫入粒度page，當系統寫入一段時間後，會存在一些block，這些block中有些page中的數據是無效的，如下圖。
對於上圖，**GC完成的功能就是把圖中左邊的兩個block選出來，然後搬移Block中的有效數據到右邊的block中。**首先，Block x和Block y上有效的數據被搬移到Block z中，然後，Block x和Block y將被擦除以便後來數據寫入。顯然這個機制作用下，SSD上NAND的寫入量要比主機寫到SSD上的數據量大（因爲GC搬移數據也是NAND寫入操作）。由此就有了寫放大（WA）：
好的GC算法能夠得到較小的WA。實現GC功能，SSD需要提供額外的存儲空間，來存儲這些需要搬移的數據，這個額外的空間就是OP（此外，當SSD出現壞塊時，OP也可以保障足夠的用戶空間）。OP越大，GC工作起來越得心應手，大開大合無拘無束，OP越小，GC越累。
這裏做一個進一步的解釋，**OP很重要，OP越大意味着使用的NAND越多，成本也越高；但是沒有OP，SSD的WA會非常大，進而影響到性能和壽命。**GC的目標就是努力使的相同OP下，WA儘可能小；或者相同WA下，OP儘可能小，這是等價的表述。隨着OP減小，SSD的性能表現會逐漸變差。
仿真平臺
GC側重在算法研究，這需要明確輸入是什麼。困難的是，我們無法找到一個形式化的描述，或者一個數據集，來明確定義GC算法的輸入。由此，仿真是一個解決辦法。通過建立GC算法運行的環境，把不同的GC算法，加載到這個環境中來運行，觀察其效果，不斷對比評估，從而得到期望的GC算法。Memblaze開發了自己的SSD算法仿真平臺，該平臺將SSD高度抽象，着重突出其NAND擦寫邏輯，從而簡單明瞭的直接支持GC算法的研究。
仿真平臺由輸入、輸出、算法和框架幾個部分組成。輸入模擬了用戶IO；輸出是監測到的系統狀態數據；算法對GC研究來說就是GC算法；框架是平臺核心，模擬了SSD邏輯，並將各個部分有機組合在一起協同工作，如下圖。
框架部分可以擴展，以實現不同的SSD邏輯，以此來仿真各種SSD實卡環境。IO部分，目前能夠支持多種形式化描述的用戶流模式，如順序流、隨機流及其混合流；以及文件形式的用戶數據流。文件形式的數據流多是從實際環境中採集得到。在框架的支持下，多種算法可以聯合研究，比如，Memblaze最近的順序流算法，就通過和GC算法聯合研究，以檢測其有效性。
GC算法
GC對SSD來說，必不可少，衆多的從業人員和學者都進行了很多研究。Memblaze基於算法仿真平臺，在GC方面也進行了大量研究。GC算法，如上文所介紹，當沒有地方寫用戶數據的時候，把那些已經寫上數據的block，挑一些出來，這些block上有用的數據都搬到另一個新的block上，這些被挑出來的block就可以擦除，用來寫新的用戶數據了。因此，GC的核心就是怎麼挑選block。一個GC算法需要考慮：
- 什麼時候開始做GC；
- 怎麼挑選block；
- 搬移的數據和用戶數據怎麼寫。
這些問題沒有一個確定的答案，不同的SSD應用環境，不同的設計目標，會有不同的選擇。
Memblaze研究的GC算法，目標是在儘可能多的應用場景下，使得block的磨損基本均衡，且WA儘可能小。GC算法包括單流、雙流以及多流算法。這裏流指的是NAND裏選出的一串block，及其上存儲的數據。不同流的數據，基本都有明確可區分的來源。
對於一個雙流的GC算法來說，區分爲用戶流和GC流，它們最後會寫入到不同的block中，以此來利於冷熱數據各自聚集。用戶流是直接來自host的IO構成的流，GC流是搬移產生的IO構成的流。
GC在系統空閒容量達到閾值時啓動，並依據衆多的狀態因素和統計信息來挑選block，最後將用戶流和GC流分別寫到不同的block裏。GC算法好比一個進程，其中包含多個線程。每個線程都專注於分析處理各自關心的因素或信息，並給出挑哪個block來擦除的選擇。
一個主線程，根據策略來管理和選擇使用哪個線程提供的結果，做爲最終選中的block。有一個線程處理磨損均衡，當各個block擦除的次數差別超過閾值時，它就提供擦除次數最小的一個block做爲備選，提供給主線程。有一個線程處理冷熱數據，如果冷數據需要搬移，就把它搬到擦除次數最小的block中，以利於磨損均衡，這個block就提供給主線程備選。
有一個線程在不斷的計算每個block的優先級分數，並提供分數最小的那個block給主線程。分數的計算需要考慮很多因素，比如，block裏面有用的數據越少，分數要越低；block的擦除次數越少，分數要越低。主線程根據整個SSD的狀態，來確定選擇哪個block來擦除。
GC算法的效果
下面兩個圖，分別是採用全盤隨機寫和JESD219的輸入IO時的仿真結果。通過對比仿真結果，可以持續調整優化算法。
在多流的GC算法方面，Memblaze也做了大量仿真研究，正逐步加強實踐檢驗方面的內容。更進一步，仿真平臺可以擴展SSD的抽象邏輯，以支持各種SSD算法的研究。同時，GC算法一方面也可以考慮更多的應用場景，來繼續優化算法；同時可以考慮更新的GC算法結構。
本文作者
來自Memblaze研究中心的技術高手。GC、磨損均衡等NVMe SSD的核心算法和平臺仿真技術正是他的重要研究領域。這篇文章就是他執筆結合自身研究寫的一篇文章，旨在幫助讀者理解GC算法的設計與實現的基本原理。
