CN103605483A - 一种分级存储***中块级数据特征处理方法 - Google Patents
一种分级存储***中块级数据特征处理方法 Download PDFInfo
- Publication number
- CN103605483A CN103605483A CN201310587772.5A CN201310587772A CN103605483A CN 103605483 A CN103605483 A CN 103605483A CN 201310587772 A CN201310587772 A CN 201310587772A CN 103605483 A CN103605483 A CN 103605483A
- Authority
- CN
- China
- Prior art keywords
- data
- piece
- block
- reference frequency
- storage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种分级存储***中块级数据特征处理方法,首先设置分级存储***架构,该构架包括数据特征收集器、存储资源管理器、策略配置管理器与迁移管理器,存储资源管理器将存储资源进行整合,形成具备分级存储能力的存储资源池,然后将存储资源映射为逻辑卷供上层文件***使用;数据特征收集器负责监控上层传输的I/O请求,并且统计针对于某个数据块的引用频率特征,然后根据数据特征分析方法进行分析,将分析结果通知给迁移管理器进行后续的分级管理操。该一种分级存储***中块级数据特征处理方法和现有技术相比,实现对于数据分级存储管理过程中热点数据的发现与判定,提高热点数据判定的准确性。
Description
技术领域
本发明涉及智能数据管理领域,具体的说是一种分级存储***中块级数据特征处理方法。
背景技术
数据分级存储技术主要是根据被监控对象的数据特征在存储虚拟层将存储资源与热点数据进行合理匹配,实现存储资源的高效利用。在现有的分级存储数据特征分析方法中,一类是利用文件对象包括的多种数据特征属性,如文件大小,类型等进行数据特征的获取分析,将具有不同特征的数据进行分类管理。但是,基于文件级的分级存储以文件作为数据特征统计的基本单位,如果文件比较大,并且当只有局部信息经常被访问时,那么就存在对于热点数据定位不准确的问题,从而导致不能够将真正需要被分级的数据放置于高效且昂贵的存储资源上,不利于提高存储管理效率。基于块级的分级存储是一种细粒度的数据分级管理方案,能够将数据管理的粒度细化到以根据应用需求所定义的扩展块级。然而,对于数据特征的获取与分析是难点,特别是对于块级热点数据的判定存在问题。如果单独基于块被引用次数与阀值的比较结果作为数据冷热程度的判定标准,从而做出数据迁移的决策,那么很可能引起数据抖动问题,即数据将在短时间内重复进行升/降级操作,这种方式将导致***资源的消耗,不利于提高***性能。
发明内容
本发明的技术任务是解决现有技术的不足,提供一种分级存储***中块级数据特征处理方法。
本发明的技术方案是按以下方式实现的,该一种分级存储***中块级数据特征处理方法,首先设置分级存储***架构,该构架包括数据特征收集器、存储资源管理器、策略配置管理器与迁移管理器,其中各个部分对块级数据特征的处理过程为:
一、存储资源管理器将存储资源进行整合,形成具备分级存储能力的存储资源池,利用存储资源管理器按照性能由高到低的顺序组织磁盘,并且构建多级设备链表,将设备进行统一管理,然后将存储资源映射为逻辑卷供上层文件***使用;
二、数据特征收集器负责监控上层传输的I/O请求,并且统计针对于某个数据块的引用频率特征,然后根据数据特征分析方法进行分析,将分析结果通知给迁移管理器进行后续的分级管理操;
三、迁移管理器同时利用策略配置管理器对块数据的扫描周期、最大未使用时间等参数进行设置,以便能够为迁移操作提供决策信息。
所述步骤二中的数据特征收集器对块数据的完整I/O事件进行监控管理,其中I/O事件包括传输大小、响应时间、逻辑块地址LBA以及发生I/O事件的磁盘ID、执行I/O的队列,数据特征收集器将每一个I/O二元组映射给唯一的块,并且统计每一个块的I/O数,然后,周期地计算每一个块的引用频率,分别统计读引用数与写引用数。
所述步骤二的详细过程为:数据特征收集器的请求队列接收来自通用块设备的I/O请求,当I/O入队列后,通知分级***工作线程运转,工作线程根据I/O的不同类型划分不同的设备块给I/O请求存储写数据,数据写入分配的块设备之后I/O结束;在处理写请求时,记录数据块的写信息,包括设备的写请求数量、块的写请求数量;对于读I/O请求统计设备以及块的访问引用计数和访问时间信息,然后再将I/O进行转发;最后,将整个队列的引用频率信息进行统计,根据数据特征计算方法进行特征值的计算,从而判定数据的冷热程度。
所述数据特征值包括引用频率偏差Ei(t)与引用偏差变化率DEi(t):块引用频率偏差Ei(t)表示块Si在数据管理周期T内,数据块Si被访问的实际引用数M与该块所处层级设备的引用阀值threshold的差值,反映该块数据与平均热度的差值水平;引用偏差变化率DEi(t)表示块Si在某段时间内偏差的变化频率,该值反映数据块Si的活跃程度。
所述引用频率偏差Ei(t)的计算方式如下:数据块Si在数据管理周期T内,Si被访问的实际引用数M与该块所处层级设备的引用阀值threshold的差值;
引用偏差变化率DEi(t)的计算方式如下:数据块Si当前采样时刻t引用频率偏差Ei(t)与上一采样时刻t-1引用频率偏差Ei(t-1)之间的差异,再除以采样间隔时间△t。
本发明与现有技术相比所产生的有益效果是:
本发明的一种分级存储***中块级数据特征处理方法解决基于块级的分级存储***中对于热点数据的判定问题,在分级存储***中,块级数据特征分析方法能够实现对于卷中一部分固定大小的块数据进行监控以及数据热度的统计分析,继而完成对于块数据的分级管理操作。在卷中需要管理的对象粒度更细,热点数据的定位也更加准确,因此能够获得更高的数据分配效率,在进行迁移等操作时损耗较少,有利于提高存储资源的利用率与管理效率,该发明可用于智能数据管理领域中分级存储管理,通过对底层物理块的访问特征信息进行获取与分析,实现对于数据分级存储管理过程中热点数据的发现与判定,提高热点数据判定的准确性,实用性强,易于推广。
附图说明
附图1是本发明的分级存储***构架图。
附图2是本发明数据特征收集器的执行过程示意图。
附图3是本发明的引用数的计算公式。
附图4是本发明的引用频率偏差的计算公式。
附图5是本发明的引用偏差变化率的计算公式。
具体实施方式
下面结合附图对本发明的一种分级存储***中块级数据特征处理方法作详细说明。
本发明是对基于块级的数据特征进行分析统计,由于块数据对象基本处于存储层次中的逻辑或物理底层,较之文件对象而言数据结构相对简单,并且对于底层数据块的最主要操作包括读取与写入,因此,对于数据块的读/写频度成为判定该数据是否为热点的主要特征。基于块级的数据特征分析方法中主要是对数据块的引用数进行统计,当数据块被读/写时分别记录其读/写次数,以便计算引用频率,即该块数据在一段时间内被读/写的次数之和。在此基础之上对数据块的引用频率进行数学计算,分别定义了引用频率偏差Ei(t)与引用偏差变化率DEi(t),以反映数据块的使用热度以及块数据的活性。
如附图1所示,本发明提供一种分级存储***中块级数据特征处理方法,首先设置分级存储***架构,该构架包括数据特征收集器、存储资源管理器、策略配置管理器与迁移管理器,在分级存储***中,不同组件之间关联过程为:存储资源管理器将存储资源进行整合,形成具备分级存储能力的存储资源池,利用存储资源管理器按照性能由高到低的顺序组织磁盘,并且构建多级设备链表,将设备进行统一管理。然后将存储资源映射为逻辑卷供上层文件***等使用;数据特征收集器负责监控上层传输的I/O请求,并且统计针对于某个数据块的引用频率等特征,然后根据数据特征分析方法进行分析,将分析结果通知给迁移管理器进行后续的分级管理操作。迁移管理器同时利用策略配置管理器对块数据的扫描周期、最大未使用时间等参数进行设置,以便能够为迁移操作提供决策信息。
本发明中所涉及的数据特征收集器负责监控数据块的特征信息,并且对块数据的特征信息按照热度特征值进行统计分析,其中,热度特征值包括引用频率偏差Ei(t)与引用偏差变化率DEi(t)。块引用频率偏差Ei(t)表示块Si在数据管理周期T内,数据块Si被访问的实际引用数M与该块所处层级设备的引用阀值threshold的差值,反映了该块数据与平均热度的差值水平;引用偏差变化率DEi(t)表示块Si在某段时间内偏差的变化频率,该值反映了数据块Si的活跃程度。数据特征收集器的请求队列接收来自通用块设备的I/O请求,当I/O入队列后,通知分级***工作线程运转,工作线程根据I/O的不同类型划分不同的设备块给I/O请求存储写数据,数据写入分配的块设备之后I/O结束。在处理写请求时,记录数据块的写信息,包括设备的写请求数量、块的写请求数量;对于读I/O请求统计设备以及块的访问引用计数和访问时间信息,然后再将I/O进行转发。最后,将整个队列的引用频率信息进行统计,根据数据特征计算方法进行特征值的计算,从而判定数据的冷热程度。
所述引用频率偏差Ei(t)的计算方式如下:数据块Si在数据管理周期T内,Si被访问的实际引用数M与该块所处层级设备的引用阀值threshold的差值;
引用偏差变化率DEi(t)的计算方式如下:数据块Si当前采样时刻t引用频率偏差Ei(t)与上一采样时刻t-1引用频率偏差Ei(t-1)之间的差异,再除以采样间隔时间△t。
分级原型***在执行过程中将数据时间轴、偏差率以及偏差变化率等热点数据访问特征作为数据资源的分级依据,并依据存储设备的读写性能差异,进行存储资源与热点数据的分级管理。因此,对于数据特征的收集是进行特征分析的基础,整个数据特征收集过程如图2所示。数据特征收集器对块数据的完整I/O事件进行监控管理,其中I/O事件包括传输大小、响应时间、逻辑块地址LBA以及发生I/O事件的磁盘ID,还包括执行I/O的队列。数据特征收集器将每一个I/O二元组(LBA,磁盘ID)映射给唯一的块,并且统计每一个块的I/O数。然后,周期地计算每一个块的引用频率,分别统计读引用数与写引用数。特征收集与分析过程如下:
首先,数据特征收集器利用hsm_do_bio函数对通用层传输的数据块访问I/O进行监控,将每个块的I/O请求都加入到分级存储***维护的I/O队列当中。利用bio_for_each_segment函数遍历I/O队列,分别判断I/O操作类型,如果是write操作,那么就将该数据块的写操作引用数Wi进行累加,同样处理该数据块的读操作引用数Ri。
然后,数据特征收集器将所有数据块的引用数进行累加,获得不同设备的总引用数,其中total_read_hitcount为层级总的读取引用数,total_write_hitcount为层级总的写入引用数。然后利用该层容量tiersize与单元块大小blocksize计算该层的平均引用数,average_read_hitcount为层级平均读取引用数,average_write_hitcount为层级平均写入引用数。计算过程如附图3所示的公式1。
最后,实施对数据特征的分析阶段。对于反映数据热度的特征变量Ei(t)与DEi(t)进行统计分析。对块Si的引用频率偏差Ei(t)如附图4所示的公式2,引用偏差变化率DEi(t)的计算附图5所示的公式3所示,在附图5中,Si的引用频率偏差变化率是指当前采样时刻引用频率偏差Ei(t)与上一采样时刻引用频率偏差Ei(t-1)之间的差异,其中,△t为采样时间。在计算Ei(t)时,需要对不同层级上的平均引用频率average_hitcount进行计算。
通过对数据特征值进行分析,根据DEi(t)与Ei(t)判定出数据的热度,然后执行相关的数据迁移操作。在进行数据分级管理过程中,对于数据的管理操作,不再是简单根据阀值法进行升/降级操作,而是需要根据特征变量DEi(t)与Ei(t)对数据块Si的热度进行判定后实施。如果数据块Si的引用频率可能超过了阀值,但是,其访问频率是在几个周期内完成的统计,那么DEi(t)值将会降低,从而反映出Si的活跃程度不高,很可能在未来一段周期内不会出现密集访问情况,存在一定的降级预期,那么将继续执行引用频率的统计分析工作,而不会发生升级操作。这样避免了盲目的升级或者降级操作,保留一个操作缓冲区使得整个迁移过程更加平滑,不是一种非此即彼的过程。
除说明书所述的技术特征外,均为本专业技术人员的公知技术。
Claims (5)
1.一种分级存储***中块级数据特征处理方法,其特征在于,首先设置分级存储***架构,该构架包括数据特征收集器、存储资源管理器、策略配置管理器与迁移管理器,其中各个部分对块级数据特征的处理过程为:
一、存储资源管理器将存储资源进行整合,形成具备分级存储能力的存储资源池,利用存储资源管理器按照性能由高到低的顺序组织磁盘,并且构建多级设备链表,将设备进行统一管理,然后将存储资源映射为逻辑卷供上层文件***使用;
二、数据特征收集器负责监控上层传输的I/O请求,并且统计针对于某个数据块的引用频率特征,然后根据数据特征分析方法进行分析,将分析结果通知给迁移管理器进行后续的分级管理操;
三、迁移管理器同时利用策略配置管理器对块数据的扫描周期、最大未使用时间参数进行设置,以便能够为迁移操作提供决策信息。
2.根据权利要求1所述的一种分级存储***中块级数据特征处理方法,其特征在于,所述步骤二中的数据特征收集器对块数据的完整I/O事件进行监控管理,其中I/O事件包括传输大小、响应时间、逻辑块地址LBA以及发生I/O事件的磁盘ID、执行I/O的队列,数据特征收集器将每一个I/O二元组映射给唯一的块,并且统计每一个块的I/O数,然后,周期地计算每一个块的引用频率,分别统计读引用数与写引用数。
3.根据权利要求2所述的一种分级存储***中块级数据特征处理方法,其特征在于,所述步骤二的详细过程为:数据特征收集器的请求队列接收来自通用块设备的I/O请求,当I/O入队列后,通知分级***工作线程运转,工作线程根据I/O的不同类型划分不同的设备块给I/O请求存储写数据,数据写入分配的块设备之后I/O结束;在处理写请求时,记录数据块的写信息,包括设备的写请求数量、块的写请求数量;对于读I/O请求统计设备以及块的访问引用计数和访问时间信息,然后再将I/O进行转发;最后,将整个队列的引用频率信息进行统计,根据数据特征计算方法进行特征值的计算,从而判定数据的冷热程度。
4.根据权利要求3所述的一种分级存储***中块级数据特征处理方法,其特征在于,所述数据特征值包括引用频率偏差Ei(t)与引用偏差变化率DEi(t):块引用频率偏差Ei(t)表示块Si在数据管理周期T内,数据块Si被访问的实际引用数M与该块所处层级设备的引用阀值threshold的差值,反映该块数据与平均热度的差值水平;引用偏差变化率DEi(t)表示块Si在某段时间内偏差的变化频率,该值反映数据块Si的活跃程度。
5.根据权利要求4所述的一种分级存储***中块级数据特征处理方法,其特征在于,所述引用频率偏差Ei(t)的计算方式如下:数据块Si在数据管理周期T内,Si被访问的实际引用数M与该块所处层级设备的引用阀值threshold的差值;
根据权利要求4所述的一种分级存储***中块级数据特征处理方法,其特征在于,引用偏差变化率DEi(t)的计算方式如下:数据块Si当前采样时刻t引用频率偏差Ei(t)与上一采样时刻t-1引用频率偏差Ei(t-1)之间的差异,再除以采样间隔时间△t。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310587772.5A CN103605483A (zh) | 2013-11-21 | 2013-11-21 | 一种分级存储***中块级数据特征处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310587772.5A CN103605483A (zh) | 2013-11-21 | 2013-11-21 | 一种分级存储***中块级数据特征处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103605483A true CN103605483A (zh) | 2014-02-26 |
Family
ID=50123715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310587772.5A Pending CN103605483A (zh) | 2013-11-21 | 2013-11-21 | 一种分级存储***中块级数据特征处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103605483A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106598501A (zh) * | 2016-12-16 | 2017-04-26 | 郑州云海信息技术有限公司 | 用于存储自动分层的数据迁移设备及方法 |
CN109144417A (zh) * | 2018-08-16 | 2019-01-04 | 广州杰赛科技股份有限公司 | 一种云存储方法、***和设备 |
CN109634520A (zh) * | 2018-11-29 | 2019-04-16 | 南京航空航天大学 | 一种基于hdfs光盘库的存储*** |
WO2019085769A1 (zh) * | 2017-10-30 | 2019-05-09 | 阿里巴巴集团控股有限公司 | 一种数据分层存储、分层查询方法及装置 |
CN110515947A (zh) * | 2019-08-23 | 2019-11-29 | 苏州浪潮智能科技有限公司 | 一种存储*** |
CN111587423A (zh) * | 2017-11-13 | 2020-08-25 | 维卡艾欧有限公司 | 分布式存储***的分层数据策略 |
CN112035498A (zh) * | 2020-08-31 | 2020-12-04 | 北京奇艺世纪科技有限公司 | 数据块调度方法、装置、调度层节点及存储层节点 |
CN112612417A (zh) * | 2020-12-24 | 2021-04-06 | 深圳市科力锐科技有限公司 | 数据迁移方法、装置、设备及存储介质 |
CN112685337A (zh) * | 2021-01-15 | 2021-04-20 | 浪潮云信息技术股份公司 | 一种存储集群中分级缓存读写数据的方法 |
WO2022116778A1 (en) * | 2020-12-02 | 2022-06-09 | International Business Machines Corporation | Enhanced application performance using storage system optimization |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0805396A1 (en) * | 1996-05-01 | 1997-11-05 | Sun Microsystems, Inc. | Multi-tier cache system for mass storage device and method for implementing such a system |
CN101101563A (zh) * | 2007-07-23 | 2008-01-09 | 清华大学 | 基于海量数据分级存储***的迁移管理方法 |
CN101989999A (zh) * | 2010-11-12 | 2011-03-23 | 华中科技大学 | 一种分布式环境中的分级存储*** |
-
2013
- 2013-11-21 CN CN201310587772.5A patent/CN103605483A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0805396A1 (en) * | 1996-05-01 | 1997-11-05 | Sun Microsystems, Inc. | Multi-tier cache system for mass storage device and method for implementing such a system |
CN101101563A (zh) * | 2007-07-23 | 2008-01-09 | 清华大学 | 基于海量数据分级存储***的迁移管理方法 |
CN101989999A (zh) * | 2010-11-12 | 2011-03-23 | 华中科技大学 | 一种分布式环境中的分级存储*** |
Non-Patent Citations (2)
Title |
---|
施光源等: "基于块级的分级存储数据特征模型及其应用研究", 《计算机研究与发展》 * |
施光源等: "基于模糊逻辑的数据分级存储模型研究", 《计算机科学》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106598501A (zh) * | 2016-12-16 | 2017-04-26 | 郑州云海信息技术有限公司 | 用于存储自动分层的数据迁移设备及方法 |
CN106598501B (zh) * | 2016-12-16 | 2019-06-28 | 郑州云海信息技术有限公司 | 用于存储自动分层的数据迁移设备及方法 |
WO2019085769A1 (zh) * | 2017-10-30 | 2019-05-09 | 阿里巴巴集团控股有限公司 | 一种数据分层存储、分层查询方法及装置 |
CN111587423A (zh) * | 2017-11-13 | 2020-08-25 | 维卡艾欧有限公司 | 分布式存储***的分层数据策略 |
CN111587423B (zh) * | 2017-11-13 | 2023-09-19 | 维卡艾欧有限公司 | 分布式存储***的分层数据策略 |
CN109144417A (zh) * | 2018-08-16 | 2019-01-04 | 广州杰赛科技股份有限公司 | 一种云存储方法、***和设备 |
CN109634520A (zh) * | 2018-11-29 | 2019-04-16 | 南京航空航天大学 | 一种基于hdfs光盘库的存储*** |
CN109634520B (zh) * | 2018-11-29 | 2021-12-07 | 南京航空航天大学 | 一种基于hdfs光盘库的存储*** |
CN110515947A (zh) * | 2019-08-23 | 2019-11-29 | 苏州浪潮智能科技有限公司 | 一种存储*** |
CN112035498A (zh) * | 2020-08-31 | 2020-12-04 | 北京奇艺世纪科技有限公司 | 数据块调度方法、装置、调度层节点及存储层节点 |
CN112035498B (zh) * | 2020-08-31 | 2023-09-05 | 北京奇艺世纪科技有限公司 | 数据块调度方法、装置、调度层节点及存储层节点 |
WO2022116778A1 (en) * | 2020-12-02 | 2022-06-09 | International Business Machines Corporation | Enhanced application performance using storage system optimization |
US11726692B2 (en) | 2020-12-02 | 2023-08-15 | International Business Machines Corporation | Enhanced application performance using storage system optimization |
GB2616789A (en) * | 2020-12-02 | 2023-09-20 | Ibm | Enhanced application performance using storage system optimization |
CN112612417B (zh) * | 2020-12-24 | 2023-08-08 | 深圳市科力锐科技有限公司 | 数据迁移方法、装置、设备及存储介质 |
CN112612417A (zh) * | 2020-12-24 | 2021-04-06 | 深圳市科力锐科技有限公司 | 数据迁移方法、装置、设备及存储介质 |
CN112685337B (zh) * | 2021-01-15 | 2022-05-31 | 浪潮云信息技术股份公司 | 一种存储集群中分级缓存读写数据的方法 |
CN112685337A (zh) * | 2021-01-15 | 2021-04-20 | 浪潮云信息技术股份公司 | 一种存储集群中分级缓存读写数据的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103605483A (zh) | 一种分级存储***中块级数据特征处理方法 | |
US9753987B1 (en) | Identifying groups of similar data portions | |
US10031671B2 (en) | Method, apparatus, and system for calculating identification threshold to distinguish cold data and hot data | |
US9952803B1 (en) | Techniques for automated evaluation and moment of data between storage tiers | |
US10754573B2 (en) | Optimized auto-tiering, wherein subset of data movements are selected, utilizing workload skew point, from a list that ranks data movements based on criteria other than I/O workload | |
US10671431B1 (en) | Extent group workload forecasts | |
US8868797B1 (en) | Techniques for automated discovery of storage devices and their performance characteristics | |
US9785353B1 (en) | Techniques for automated evaluation and movement of data between storage tiers for thin devices | |
US9940024B1 (en) | Techniques for determining workload skew | |
US8521986B2 (en) | Allocating storage memory based on future file size or use estimates | |
US8972694B1 (en) | Dynamic storage allocation with virtually provisioned devices | |
US9665630B1 (en) | Techniques for providing storage hints for use in connection with data movement optimizations | |
CN103605615B (zh) | 一种分级存储中基于块级数据的定向分配方法 | |
US10338825B2 (en) | Managing SSD wear rate in hybrid storage arrays | |
US8862837B1 (en) | Techniques for automated data compression and decompression | |
US9367262B2 (en) | Assigning a weighting to host quality of service indicators | |
CN102981971B (zh) | 一种快速响应的相变存储器损耗均衡方法 | |
CN103631729A (zh) | 一种基于块级的分级存储方法及*** | |
CN104699424A (zh) | 一种基于页面热度的异构内存管理方法 | |
CN102857560A (zh) | 一种面向多业务应用的云存储数据分布方法 | |
CN109710184A (zh) | 瓦记录磁盘感知的分层式混合存储方法及*** | |
CN109582649A (zh) | 一种元数据存储方法、装置、设备及可读存储介质 | |
Ha et al. | Dynamic hot data identification using a stack distance approximation | |
Sun et al. | CalmWPC: A buffer management to calm down write performance cliff for NAND flash-based storage systems | |
Liu et al. | SSD as a Cloud Cache? Carefully Design about It |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140226 |