新型存储器件与系统专题
编者按
近年来，随着云计算、大数据、区块链和元宇宙等新型应用的全面普及和快速发展，对存储系统在容量、性能、可靠和安全等多个方面都提出了新的需求和技术挑战。同时，新型存储器件也不断涌现，大容量固态盘、高速持久内存等新器件对整个计算机体系结构和软件模型框架等都产生重要影响。作为计算机重要组成部分的存储正面临新应用和新器件的双重挑战，如何在计算机体系结构中高效融合新器件、充分发挥存储系统的性能优势、全面支持新兴应用是当前存储系统和器件需要解决的重要问题。感谢华中科技大学华宇教授担任客座编辑组织出版了本期《新型存储器件与系统专题》，主要介绍了国内学者在这一重要领域的研究进展以及对未来发展趋势的展望与分析。
本期客座编辑
华宇 教授
华中科技大学
研究方向是新型存储器件、云存储系统、非易失存储系统等。
文章列表
2022, 11(3):3-22.
DOI: 10.12146/j.issn.2095-3135.20211001002
摘要:
大数据应用对内存容量的需求越来越大，而在大数据应用中，以动态随机存储器为内存介质的传统存储器所凸显出来的问题也越来越严重。计算机设计者们开始考虑用非易失性内存去替代传统的动态随机存储器内存。非易失性内存作为非易失的存储介质，不需要动态刷新，因此不会引起大量的能量消耗；此外，非易失性内存的读性能与动态随机存储器相近，且非易失性内存单个存储单元的容量具有较强的可扩展性。但将非易失性内存作为内存集成到现有的计算机系统中，需要解决其安全性问题。传统的动态随机存储器作为内存介质掉电后数据会自动丢失，即数据不会在存储介质中驻留较长时间，而当非易失性内存作为非易失性存储介质时，数据可以保留相对较久的时间。若攻击者获得了非易失性内存存储器的访问权，扫描存储内容，便可以获取内存中的数据，这一安全性问题被定义为数据的“恢复漏洞”。因此，在基于非易失性内存模组的数据中心环境中，如何充分有效地利用非易失性内存，并保证其安全性，成为迫切需要解决的问题。该文从非易失性内存的安全层面出发，对近年来的研究热点及进展进行介绍。首先，该文总结了非易失性内存所面临的主要安全问题，如数据窃取、完整性破坏、数据一致性与崩溃恢复，以及由加解密和完整性保护技术引入而导致的系统性能下降等问题。然后，针对上述各问题，对组合计数器模式加密技术、完整性保护技术扩展的默克尔树、数据一致性与崩溃恢复技术，以及相关优化方案作了详细介绍。最后，对全文进行了总结，并对非易失性内存未来需要进一步关注的问题进行了展望。
大数据应用对内存容量的需求越来越大，而在大数据应用中，以动态随机存储器为内存介质的传统存储器所凸显出来的问题也越来越严重。计算机设计者们开始考虑用非易失性内存去替代传统的动态随机存储器内存。非易失性内存作为非易失的存储介质，不需要动态刷新，因此不会引起大量的能量消耗；此外，非易失性内存的读性能与动态随机存储器相近，且非易失性内存单个存储单元的容量具有较强的可扩展性。但将非易失性内存作为内存集成到现有的计算机系统中，需要解决其安全性问题。传统的动态随机存储器作为内存介质掉电后数据会自动丢失，即数据不会在存储介质中驻留较长时间，而当非易失性内存作为非易失性存储介质时，数据可以保留相对较久的时间。若攻击者获得了非易失性内存存储器的访问权，扫描存储内容，便可以获取内存中的数据，这一安全性问题被定义为数据的“恢复漏洞”。因此，在基于非易失性内存模组的数据中心环境中，如何充分有效地利用非易失性内存，并保证其安全性，成为迫切需要解决的问题。该文从非易失性内存的安全层面出发，对近年来的研究热点及进展进行介绍。首先，该文总结了非易失性内存所面临的主要安全问题，如数据窃取、完整性破坏、数据一致性与崩溃恢复，以及由加解密和完整性保护技术引入而导致的系统性能下降等问题。然后，针对上述各问题，对组合计数器模式加密技术、完整性保护技术扩展的默克尔树、数据一致性与崩溃恢复技术，以及相关优化方案作了详细介绍。最后，对全文进行了总结，并对非易失性内存未来需要进一步关注的问题进行了展望。
2022, 11(3):23-41.
DOI: 10.12146/j.issn.2095-3135.20211019001
摘要:
在冯• 诺依曼架构中，存储与计算的分离造成了存储墙问题，导致现有的系统架构难以应对大数据和人工智能时代的数据爆炸。数据的持续增长导致了计算范式的变化，研究者们开始尝试将计算单元移动到存储器中，即近数据处理技术。近数据处理技术是指利用存储控制器的计算能力，执行与数据存取紧密相关的任务，在减少数据迁移的同时，具有低延迟、高可扩展性和低功耗等优点，具有广阔的应用前景。该文首先介绍了近数据处理系统的架构，其次针对特定应用和面向通用场景的相关研究成果进行概述，并总结了软硬件平台和产业进展，最后展望了其未来的发展趋势。
在冯• 诺依曼架构中，存储与计算的分离造成了存储墙问题，导致现有的系统架构难以应对大数据和人工智能时代的数据爆炸。数据的持续增长导致了计算范式的变化，研究者们开始尝试将计算单元移动到存储器中，即近数据处理技术。近数据处理技术是指利用存储控制器的计算能力，执行与数据存取紧密相关的任务，在减少数据迁移的同时，具有低延迟、高可扩展性和低功耗等优点，具有广阔的应用前景。该文首先介绍了近数据处理系统的架构，其次针对特定应用和面向通用场景的相关研究成果进行概述，并总结了软硬件平台和产业进展，最后展望了其未来的发展趋势。
2022, 11(3):42-55.
DOI: 10.12146/j.issn.2095-3135.20211017001
摘要:
随着大数据和人工智能应用的发展，数据呈现爆发式增长，对数据存储的需求日益加剧。传统内存技术的容量已经接近其物理存储密度的极限，而非易失性存储器具有按字节寻址、能耗低、读写速度快等优良特性，有望替代传统的动态随机存储器或磁盘技术。然而，该介质本身也存在一些不足，如使用寿命有限、读写速度不对称、磨损不均衡和错误来源多样等缺点。该文通过阐述常见非易失性存储器的存储原理，调研并总结了一些现有改进技术。
随着大数据和人工智能应用的发展，数据呈现爆发式增长，对数据存储的需求日益加剧。传统内存技术的容量已经接近其物理存储密度的极限，而非易失性存储器具有按字节寻址、能耗低、读写速度快等优良特性，有望替代传统的动态随机存储器或磁盘技术。然而，该介质本身也存在一些不足，如使用寿命有限、读写速度不对称、磨损不均衡和错误来源多样等缺点。该文通过阐述常见非易失性存储器的存储原理，调研并总结了一些现有改进技术。
2022, 11(3):56-70.
DOI: 10.12146/j.issn.2095-3135.20210913001
摘要:
非易失性存储器具有接近内存的读写速度，可利用其替换传统的存储设备，从而提升存储引擎的性能。但是，传统的存储引擎通常使用通用块接口读写数据，导致了较长的 I/O 软件栈，增加了软件层的读写延迟，进而限制了非易失性存储器的性能优势。针对这一问题，该文以 Ceph 大数据存储系统为基础，研究设计了基于非易失性存储器的新型存储引擎 NVMStore，通过内存映射的方式访问存储设备，根据非易失性存储器的字节可寻址和数据持久化特性，优化数据读写流程，从而减小数据写放大以及软件栈的开销。实验结果表明，与使用非易失性存储器的传统存储引擎相比，NVMStore能够显著提升 Ceph 的小块数据读写性能。
非易失性存储器具有接近内存的读写速度，可利用其替换传统的存储设备，从而提升存储引擎的性能。但是，传统的存储引擎通常使用通用块接口读写数据，导致了较长的 I/O 软件栈，增加了软件层的读写延迟，进而限制了非易失性存储器的性能优势。针对这一问题，该文以 Ceph 大数据存储系统为基础，研究设计了基于非易失性存储器的新型存储引擎 NVMStore，通过内存映射的方式访问存储设备，根据非易失性存储器的字节可寻址和数据持久化特性，优化数据读写流程，从而减小数据写放大以及软件栈的开销。实验结果表明，与使用非易失性存储器的传统存储引擎相比，NVMStore能够显著提升 Ceph 的小块数据读写性能。
2022, 11(3):71-84.
DOI: 10.12146/j.issn.2095-3135.20220225001
摘要:
混合式固态存储已成为当前消费级终端领域的主流存储设备。然而在学术领域，关于混合式固态存储设计和问题的讨论与分析仍不够充分。该文针对现有的混合式存储设备，结合相关领域前沿研究，从混合式闪存架构介绍、亟待解决的痛点问题和相关研究进展 3 个方面进行讨论和分析。文章介绍和分析了混合式闪存的主流架构及其特点，展示了在真实设备平台上测试的实验数据结果，揭露了混合式闪存中亟待解决的问题，重点介绍了读特征、写特征、读写冲突和容量特征相关问题。同时 介绍了相应问题的最新研究进展，并分析了各个技术的优劣和未来的发展方向。
混合式固态存储已成为当前消费级终端领域的主流存储设备。然而在学术领域，关于混合式固态存储设计和问题的讨论与分析仍不够充分。该文针对现有的混合式存储设备，结合相关领域前沿研究，从混合式闪存架构介绍、亟待解决的痛点问题和相关研究进展 3 个方面进行讨论和分析。文章介绍和分析了混合式闪存的主流架构及其特点，展示了在真实设备平台上测试的实验数据结果，揭露了混合式闪存中亟待解决的问题，重点介绍了读特征、写特征、读写冲突和容量特征相关问题。同时 介绍了相应问题的最新研究进展，并分析了各个技术的优劣和未来的发展方向。
2022, 11(3):85-97.
DOI: 10.12146/j.issn.2095-3135.20211026001
摘要:
随着互联网数据的爆发式增长，越来越多的分布式存储系统开始引入纠删码存储机制，以在提供数据可靠性的同时降低存储开销。但纠删码机制的引入改变了数据放置模式，从而影响分布式系统上层业务的数据访问和运行效率。在异构 Hadoop 集群环境中，一类典型的离线批处理作业——MapReduce 应用在条带式纠删码存储模式下需要从多个节点访问数据，该“一对多”的数据访问模式由于节点性能差异造成应用执行效率下降。对此，该文提出了一种基于异构环境的数据放置和任务分 配策略。通过对异构集群中各节点的硬件参数和历史负载进行分析，将同一纠删码条带的数据块尽可能分布在性能相近的节点上；在系统进行任务分配时，针对各节点当前负载和运算能力确定节点的任务并发度，以平衡各节点计算资源的占用情况，从而避免因数据访问或计算过程中的资源竞争产生极端缓慢任务以致降低整个 MapReduce 应用的运行效率。实验结果表明，相比当前 Hadoop 默认的随机数据放置和任务分配策略，该文提出的异构感知数据放置策略和动态任务分配策略能够在不同类型的MapReduce 应用中有效削弱任务的长尾效应，使得作业整体运行时间节约 10.5%～42%，验证了该方案的有效性。
随着互联网数据的爆发式增长，越来越多的分布式存储系统开始引入纠删码存储机制，以在提供数据可靠性的同时降低存储开销。但纠删码机制的引入改变了数据放置模式，从而影响分布式系统上层业务的数据访问和运行效率。在异构 Hadoop 集群环境中，一类典型的离线批处理作业——MapReduce 应用在条带式纠删码存储模式下需要从多个节点访问数据，该“一对多”的数据访问模式由于节点性能差异造成应用执行效率下降。对此，该文提出了一种基于异构环境的数据放置和任务分 配策略。通过对异构集群中各节点的硬件参数和历史负载进行分析，将同一纠删码条带的数据块尽可能分布在性能相近的节点上；在系统进行任务分配时，针对各节点当前负载和运算能力确定节点的任务并发度，以平衡各节点计算资源的占用情况，从而避免因数据访问或计算过程中的资源竞争产生极端缓慢任务以致降低整个 MapReduce 应用的运行效率。实验结果表明，相比当前 Hadoop 默认的随机数据放置和任务分配策略，该文提出的异构感知数据放置策略和动态任务分配策略能够在不同类型的MapReduce 应用中有效削弱任务的长尾效应，使得作业整体运行时间节约 10.5%～42%，验证了该方案的有效性。
