LeaFTL：一种用于固态硬盘的基于学习的闪存转换层
摘要：使用机器学习的方法进行地址映射，提高固态硬盘（SSD）的性能。通过线性回归算法学习动态数据访问模式，将大量映射项分组为一个学习段，显著减少地址映射表所占的内存空间，进一步提高SSD控制器的数据缓存效率。LeaFTL还使用了一些优化技术，如带外元数据验证、优化的闪存分配和学习索引段的动态压缩。与现有的FTL方案相比，LeaFTL平均减少映射表的内存消耗2.9倍，同时平均提高存储性能1.4倍。
作者：Jinghan Sun, Shaobo Li, Yunxin Sun, Chao Sun, Dejan Vucinic, and Jian Huang
论文ID：2301.00072
分类：Operating Systems
分类简称：cs.OS
提交时间：2023-01-03