ReveNAND: A fast-drift-aware resilient 3D NAND flash design

ReveNAND: A fast-drift-aware resilient 3D NAND flash design

ACM Transactions on Architecture and Code Optimization (TACO2018, CCF B; Shihab M M, Zhang J, Jung M, et al.)

What？

本文介绍了一种elastic read reference（VRef）scheme（ERR），用于减少 ReveNAND（快速漂移感知 3D NAND 设计）中的此类错误。为了解决自适应 VRef 的固有局限性，本文引入了一种新的块内页面组织（hitch-hike），可以对容易出错的页面进行更强的纠错。此外，本文还提出了一种新颖的基于强化学习的智能数据填充方案（iRefill），以最小的性能和硬件开销抵消快速漂移的影响。最后，本文提出了第一个分析模型，用于描述快速漂移的特征并评估其系统级影响。
本文提出了一种对Fast-Drift分析模型，该模型基于相关拟合常数和对快速漂移的有影响相关参数

其中相关参数包括：ΔVTh为Fast-Drift程度，t 为写入后的经过时间，VTh,Init 为最初编程的电荷阈值VTh，ΔT 为工作温度，tbuf f -ox 为缓冲氧化物厚度，R 为重新填充的次数。相关拟合常数：α, β, θ 和 δ分别为5，368，2.1 × 10−4，47.5 × 10−3。上述公式是针对2D NAND。

该公式则是针对3D NAND。其中P为每个堆叠层的快速漂移率增加P%，n为堆叠层数，ΔVTh-Cell 是单个 CT 闪存单元的快速漂移。

Why？

Elastic Read Reference：本文观察到，基于 CT 闪存的 3D NAND 单元会在编程后相对较短的时间内丢失一部分存储电荷，从而影响可靠性和性能。其原因是，在注入电子过程中，并非绝大数电子深入Charge Trap Layer（CTL）内部，而是保存在隧道氧化物-CSL 边界。这些浅俘获电子会在程序完成后很快逃离 CSL，并导致阈值电压 (VTh) 发生变化。
Hitch-Hike：本文观察到，因为 ECC 开销会随着错误率的增加而呈超线性增长，其能耗和延迟开销将是巨大的。以页数计算，512 位校正的 ECB 开销约为 62 页，仅占区块容量的 20% 左右。

iRefill：任何重新编程操作都必须先进行擦除操作，而擦除操作的延迟和能耗都很高。然而，ISPP （In-Place Programming）机制允许 NAND 闪存单元从电荷较少的状态编程到电荷较多的状态。作者发现，ISPP 是处理 3D NAND 闪存单元快速漂移问题的绝佳选择，因为 ISPP 允许以受控方式添加电荷，重新填充此类单元。从高层次来看，可以同时地或定期地安排重新填充操作。在同时填充方案中，在写入操作之后，会立即进行规定次数的填充操作。由于无法在写入时预测每个数据所需的保留时间，必须为每次写入执行填充操作，这可能会使同时填充方案的写入开销过高。而周期填充方案中，只有当页面达到丢失数据的时间阈值时，才会周期性地为其安排一次重新填充操作，并根据需要重复此过程。如果一次写入/重新填充可保留 X 个月的数据，而需要保留 Y 个月的数据，那么该页面在初始写入后将需要 ( Y/X - 1) 次重新填充操作。周期填充方案的填充次数是多于同时填充方案，但这两种方案都会产生很高的写开销，并不适合许多现实生活中的应用。

How？

Elastic Read Reference：本文提出了a fast-drift-aware elastic read reference voltage (ERR)，该算法是先记录页面最近写请求的时间和最新的读请求时间，做差计算出快速漂移时间。根据快速漂移时间和表格数据，分配一个合适的读参考电压。表格数据是根据作者提出的分析模型得出的。但该算法存在一定缺陷：当快速漂移导致state 2 的 VTh 分布扩大并与state 1 的 VTh 分布重叠时，R2 中的某些数据实际上属于state 1；这些数据被错误读取并产生新的错误。在这种情况下，ERR 越是移动 VRef，state 1 产生的新错误数量就越多。但是，如果限制 VRef 的移动，则state 2 的错误会增加。

Hitch-Hike：本文提出一种hitch-hike 方案，以减少ECC开销。该方案将一个block中页面分为custodian page，client page以及non-crtical page。其中non-crtical page中数据用常规的ECC进行编码；而client page则使用增强型ECC编码，并将ECB存入custodian page（每个页面可存入多个页面的编码）中。此外页面被标记为client page时，memory controller将custodian page id和ECB pointer分配给该页面，client page将通过id和pointer定位ECB进行解码。

iRefill：该算法是基于强化学习SARSA with ɛ-greedy technique。其中State设定为当前重新填充次数，时间间隔以及当前误码率；Action设定为重新填充操作和常规 I/O 操作；

EXPERIMENTS

Hitch-Hike: Sensitivity Study：在快速漂移水平较高的情况下，msnfs4 从增加custodian page数量中获益最大，而 hm0 的改进幅度最小。不过，对于所有三种工作负载，纠错的改进似乎最终都会达到饱和。ECC 的延迟和能耗会迅速上升到不合理的水平，从而降低收益。

iRefill: Feasibility Study：当数据全为冷数据时，写入次数No Refill<iRefill<Concurrent Refill<Periodic Refill；而冷热数据各50%混合，No Refill<iRefill<Concurrent Refill<Periodic Refill；全为热数据，No Refill=iRefill=Periodic Refill<Concurrent Refill

Reliability and Performance Evaluation：
BER Improvement：发现 HitchHike 和 HitchHike+ERR 与 Baseline 和 ERR 相比，误码率没有任何改善。这是因为 HitchHike 方案不是为了减少误差，而是为了纠正更多的误差。

ECC Latency And Energy Analysis：

Notes

Since the mid-1990w, NAND flash has changed the perception of data storage, thanks to its diverse and successful incarnations as the preferred storage medium for most computing domains.
自 20 世纪 90 年代中期以来，NAND 闪存已经改变了人们对数据存储的看法，因为它在大多数计算领域都成功地成为了首选存储介质

However, scalability has become a critical limitation that can impede further progress of the two-dimensional (2D) NAND flash designs.
然而，可扩展性已成为阻碍二维（2D）NAND 闪存设计进一步发展的关键限制因素。

A natural response to such higher error rate could be to employ a stronger error-correcting code (ECC) scheme for 3D NAND.
应对这种较高错误率的一个自然办法就是为 3D NAND 采用更强的纠错码 (ECC) 方案。

• A natural response to A could be to employ B
  应对A的一个自然办法就是使用B

Therefore, while 3D NAND can suffer from severe reliability problems without effective measures against fast-drift, a naive, brute-force attempt to correct the errors can instead hurt the system performance.
因此，如果不采取有效措施防止快速漂移，3D NAND 可能会出现严重的可靠性问题，而简单粗暴地纠正错误反而会损害系统性能。

• Therefore, while A can suffer from B without effective measures against C, a naive, brute-force attempt to correct the errors can instead hurt the system performance.
  因此，如果不采取有效措施防止C，A可能会出现B，而简单粗暴地纠正错误反而会损害系统性能。

concurrent charge-refill seems attractive in the sense that it require little to no scheduling overheard.
从它几乎不需要过多的调度角度来说，同时性电荷重新填充似乎很有吸引力。

• A in the sense that B
  从B的意义上说，A

Figure 12 qualitatively portrays the comparative superiority of iRefill over such naive scheduling schemes.
图 12 定性地描绘了 iRefill 与此类天真调度方案的比较优势。

• A qualitatively portrays the comparative superiority of B over such naive scheduling schemes.
  A定性地描绘了 B与此类天真调度方案的比较优势。

FTL can be broadly partitioned into two units:
FTL大致可分为两个单元

We quantitatively validate the advantages of iRefill over the concurrent and periodic refill schemes by comparing their write overheads for 13 real-life workloads.
通过比较 iRefill 在 13 个实际工作负载中的写入开销，我们从数量上验证了 iRefill 相对于并发和定期刷新方案的优势。