[发明专利]使用深度神经网络优化固态驱动器的性能的系统和方法

说明书

一种数据存储设备的控制器包括：主机接口，提供到主机计算机的接口；闪存转换层(FTL)，将逻辑块地址(LBA)转换为与输入/输出(I/O)请求相关联的物理块地址(PBA)；闪存接口，提供到闪存介质的接口，以访问存储在闪存介质上的数据；以及一个或多个深度神经网络(DNN)模块，用于预测主机计算机的I/O访问模式。一个或多个DNN模块向FTL提供与从主机计算机接收的一个或多个过去的I/O请求和当前I/O请求相关联的一个或多个预测输出，并且一个或多个预测输出包括跟随在当前I/O请求之后的至少一个预测的I/O请求。FTL预取存储在闪存介质中的与至少一个预测的I/O请求相关联的数据。

相关申请的交叉引用

本申请要求于2018年4月16日提交的序列号为62/658,190的美国临时专利申请的权益和优先权，其公开内容通过引用整体并入本文。

技术领域

本公开一般涉及深度神经网络(deep neural network)，更具体地，涉及使用深度神经网络优化固态驱动器(SSD)的性能的系统和方法。

背景技术

固态驱动器(SSD)包括用于存储数据的闪存介质。主机(host)使用逻辑块地址(LBA)访问存储在SSD中的数据。当主机执行数据输入/输出(I/O)请求时，SSD的SSD控制器可能需要执行若干内部操作以便完成(fulfil)主机I/O操作。例如，SSD控制器响应于主机I/O请求获取(fetch)闪存转换层(FTL)的数据结构(如果它不存在于芯片上(on-chip))，执行LBA查找以进行逻辑到物理地址转换，经由一个或多个闪存通道(flash channel)从物理位置(页面/块)获取用户数据。此外，SSD控制器可以使用复杂算法(例如低密度奇偶校验(LDPC)和Bose-Chaudhuri-Hocquenghem(BCH))执行纠错，解压缩被纠错的数据，解密未压缩数据，更新FTL数据结构，并向主机计算机(host computer)提供各种统计数据和日志，并卸载(offload)缓存。此外，SSD控制器需要在存在诸如回收和垃圾收集的内部后台操作的情况下执行上述步骤。

如上所述访问存储在SSD中的数据的步骤和操作可能是复杂的并且消耗SSD控制器的大量资源和时间。在采用复杂算法执行和管理SSD所需的内部任务时，SSD控制器需要为主机计算机提供足够的带宽和延迟(latency)，以执行主机发起的(host-initiated)I/O操作。同时，SSD控制器尝试消耗最少量的功率并使用最少的资源(诸如存储缓冲器)以便优化I/O操作的成本。

发明内容

根据一个实施例，一种数据存储设备的控制器包括：主机接口，提供到主机计算机的接口；闪存转换层(FTL)，将逻辑块地址(LBA)转换为与经由主机接口从主机计算机接收的输入/输出(I/O)请求相关联的物理块地址(PBA)；闪存接口，提供到数据存储设备的闪存介质的接口，以访问存储在数据存储设备的闪存介质上的数据；以及一个或多个深度神经网络(DNN)模块，用于预测主机计算机的I/O访问模式。主机接口向一个或多个DNN模块提供一个或多个输入向量，一个或多个DNN模块向FTL提供与使用一个或多个输入向量从主机计算机接收的一个或多个过去的I/O请求和当前I/O请求相关联的一个或多个预测输出，并且其中一个或多个预测输出包括跟随在当前I/O请求之后的至少一个预测的I/O请求。FTL预取(prefetch)存储在闪存介质中的与至少一个预测的I/O请求相关联的数据。

根据另一实施例，一种数据存储设备包括：一个或多个闪存介质；控制器，被配置为控制一个或多个闪存介质；以及一个或多个深度神经网络(DNN)模块，用于预测主机计算机的I/O访问模式。一个或多个DNN模块从控制器接收一个或多个输入向量，向控制器提供与使用一个或多个输入向量从主机计算机接收的一个或多个过去的I/O请求和当前I/O请求相关联的一个或多个预测输出，并且一个或多个预测输出包括跟随在当前I/O请求之后的至少一个预测的I/O请求。控制器预取存储在闪存介质中的与至少一个预测的I/O请求相关联的数据。