一种应用于损耗均衡的存储单元质量度量方法
阅读说明：本技术 一种应用于损耗均衡的存储单元质量度量方法 (Memory cell quality measurement method applied to wear leveling ) 是由 刘政林 潘玉茜 陈卓 文思诚 于 2019-08-29 设计创作，主要内容包括：本发明公开了一种应用于损耗均衡的存储单元质量度量方法,包括以下步骤：S1、根据实际存储系统的测量能力,从存储单元的特征集合中选取多个特征值作为存储单元质量度量特征；S2、根据存储单元质量度量特征和预训练的存储单元质量度量模型,计算得到存储单元质量度量结果。本发明考虑到存储单元不同时期的损耗程度差异,采用操作时间、阈值电压分布等多个能够更加准确反映存储单元当前可靠性状态的度量特征,并建立了一种准确的应用于损耗均衡的存储单元质量度量模型,能够大幅提高质量度量结果的准确度,从而提高存储系统损耗均衡执行效率并延长存储系统的使用寿命。(The invention discloses a memory cell quality measurement method applied to wear leveling, which comprises the following steps: s1, selecting a plurality of characteristic values from the characteristic set of the storage unit as the quality measurement characteristics of the storage unit according to the measurement capability of the actual storage system; and S2, calculating to obtain a memory cell quality measurement result according to the memory cell quality measurement characteristics and the pre-trained memory cell quality measurement model. The invention considers the loss degree difference of the storage units in different periods, adopts a plurality of measurement characteristics such as operation time, threshold voltage distribution and the like which can more accurately reflect the current reliability state of the storage units, establishes an accurate storage unit quality measurement model applied to loss balance, and can greatly improve the accuracy of the quality measurement result, thereby improving the loss balance execution efficiency of the storage system and prolonging the service life of the storage system.)
技术领域
本发明属于存储单元质量度量领域，更具体地，涉及一种应用于损耗均衡的存储单元质量度量方法。
背景技术
随着信息技术的发展，存储器作为电子设备中存储数据的载体在通信、消费、计算机、工业控制、军事等领域中具有越来越重要的地位，但是可靠性低一直是存储器的主要问题之一。
损耗均衡(也称为磨损均衡)是一种延长固态驱动器SSD、USB闪存驱动器、相变存储器等可擦除计算机存储介质使用寿命的技术。在没有磨损均衡的情况下，底层闪存控制器必须将操作系统的逻辑地址永久分配给闪存的物理地址。这意味着对先前写入的块的每次写入都必须首先读取、擦除、修改并重新写入同一位置。这种方法非常耗时，而且经常写的位置会很快磨损，一旦常用存储块到达了生命的尽头，存储系统将无法正常工作。未使用损耗均衡的存储系统，其使用寿命将大幅减少。存储单元质量度量，是存储系统损耗均衡操作的核心步骤，具有很高的研究价值。
目前，损耗均衡操作中通常以擦除次数来度量存储单元的质量。这种度量方法不考虑存储单元不同时期的损耗程度差异，很难准确反映存储单元的实际可靠性程度，可靠性低。
因此，提出一种准确度高的存储单元质量度量方法是亟需解决的问题。
发明内容
针对现有技术的缺陷，本发明的目的在于提出一种应用于损耗均衡的存储单元质量度量方法，旨在解决现有技术因不考虑存储单元不同时期的损耗程度差异而导致的存储单元质量度量方法准确度低的问题。
为实现上述目的，本发明提供了一种应用于损耗均衡的存储单元质量度量方法，包括以下步骤：
S1、根据实际存储系统的测量能力，从存储单元特征集合中选取多个特征值作为存储单元质量度量特征；
S2、根据存储单元质量度量特征和预训练的存储单元质量度量模型，计算得到存储单元质量度量结果。
进一步优选地，存储单元特征集合包括存储单元的操作时间、存储单元上的电流、存储单元的功耗、阈值电压分布、存储块单元位置标志、存储单元当前经历过的编程/擦除周期数、条件错误存储单元数、存储单元任意子集的错误比特数和错误率，特殊数据图样下存储单元任意子集的错误比特数和错误率。
进一步优选地，上述特殊数据图样包括：增强存储单元损耗程度的数据图样、增强存储单元间干扰的数据图样。
进一步优选地，上述存储单元质量度量特征为存储单元特征集合的子集，其中子集中包含的特征个数大于等于2个。
进一步优选地，存储单元质量度量特征包括存储单元的操作时间。
进一步优选地，存储单元的操作时间的测量方法包括：检测存储单元所属芯片的R/B信号状态，若R/B信号状态为低，记录存储单元的操作时间及其操作类型，当存储单元的编程时间、读取时间及擦除时间均不为0时，当前所得的编程时间、读取时间及擦除时间即为存储单元的操作时间。
进一步优选地，依次测量存储单元的剩余可用编程/擦除周期数在最大值到最小值的闭区间范围内值所对应的存储单元质量度量特征，并采用归一化后的剩余可用编程/擦除周期数与其对应的存储单元质量度量特征训练得到存储单元质量度量模型。
进一步优选地，采用上述存储单元质量度量模型对存储单元进行度量的过程中，当存储单元的剩余可用编程/擦除周期数达到最小值时，计算其对应的存储单元质量度量特征，并将归一化后的剩余可用编程/擦除周期数与其对应的存储单元质量度量特征作为一组样本并记录，当记录的样本数达到预设样本阈值时，采用所记录的样本对存储单元质量度量模型进行训练并更新。
进一步优选地，本发明所提出的存储单元质量度量方法适用于损耗均衡的存储单元的质量度量。
进一步优选地，将检测到的存储单元质量度量结果存储于存储系统的质量度量表中，当存储系统进行损耗均衡操作时，存储系统依据质量度量表中存储的存储单元质量度量值执行损耗均衡的地址映射更改和数据迁移操作，从而延长存储系统的使用寿命。
通过本发明所构思的以上技术方案，与现有技术相比，能够取得下列有益效果：
1、本发明提出了一种应用于损耗均衡的存储单元质量度量方法，考虑到存储单元不同时期的损耗程度差异，通过采用操作时间、阈值电压分布等多种能够更加准确反映存储单元当前可靠性状态的度量特征，通过数学模型计算质量度量值，解决了现有技术因不考虑存储单元不同时期的损耗程度差异而导致的存储单元质量度量方法准确度低的问题，度量的准确度较高。
2、本发明提出了一种存储单元操作时间测量方法，通过存储单元自身标志信号来测量操作时间，该不需要占用存储系统较多计算资源，能够在不影响存储系统运行效率的情况下实现操作时间测量，测量效率较高。
3、本发明所提出的应用于损耗均衡的存储单元质量度量方法，可以通过实际存储系统的测量能力，选取具体的存储单元质量度量特征，从而在不牺牲较大设备资源的情况下测得存储单元质量度量特征，测量成本较低。
4、本发明所提出的应用于损耗均衡的存储单元质量度量方法中训练所得的存储单元质量度量模型能够在存储系统运行过程中实时优化更新，相比于现有技术中采用同一判断标准度量不同可靠性阶段单元的方法，更加智能。
5、本发明所提出的应用于损耗均衡的存储单元质量度量方法能够在不更改存储系统损耗均衡算法的情况下，更新存储单元质量度量模型，提高质量度量准确度，从而协助损耗均衡算法进一步延长存储系统使用寿命。
附图说明
图1是本发明所提供的一种应用于损耗均衡的存储单元质量度量方法流程图；
图2是本发明实施例所提供的计算存储单元的操作时间的方法流程图；
图3是本发明实施例所提供的训练存储单元质量度量模型的方法流程图；
图4是本发明实施例所采用的人工神经网络的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了实现上述目的，本发明提出了一种应用于损耗均衡的存储单元质量度量方法，如图1所示，包括以下步骤：
S1、根据实际存储系统的测量能力，从存储单元特征集合中选取多个特征值作为存储单元质量度量特征；
具体的，存储单元特征集合包括存储单元的操作时间、存储单元上的电流、存储单元的功耗、阈值电压分布、存储块单元位置标志、存储单元当前经历过的编程/擦除周期数、条件错误存储单元数、存储单元任意子集的错误比特数和错误率，特殊数据图样下存储单元任意子集的错误比特数和错误率。其中，上述特殊数据图样包括：增强存储单元损耗程度的数据图样、增强存储单元间干扰的数据图样。
具体的，上述存储单元质量度量特征为存储单元特征集合的子集，其中子集中包含的特征个数大于等于2个。进一步的，存储单元质量度量特征包括存储单元的操作时间。具体的，存储单元的操作时间的测量方法包括：检测存储单元所属芯片的R/B信号状态，若R/B信号状态为低，记录存储单元的操作时间及其操作类型，当存储单元的编程时间、读取时间及擦除时间均不为0时，当前所得的编程时间、读取时间及擦除时间即为存储单元的操作时间。
S2、根据存储单元质量度量特征和预训练的存储单元质量度量模型，计算得到存储单元质量度量结果。
具体的，依次测量存储单元的剩余可用编程/擦除周期数在最大值到最小值的闭区间范围内值所对应的存储单元质量度量特征，并采用归一化后的剩余可用编程/擦除周期数与其对应的存储单元质量度量特征训练得到存储单元质量度量模型。进一步的，采用上述存储单元质量度量模型对存储单元进行度量的过程中，当存储单元的剩余可用编程/擦除周期数达到最小值时，计算其对应的存储单元质量度量特征，并将归一化后的剩余可用编程/擦除周期数与其对应的存储单元质量度量特征作为一组样本并记录，当记录的样本数达到预设样本阈值时，采用所记录的样本对存储单元质量度量模型进行训练并更新。
为了进一步说明本发明提出的一种应用于损耗均衡的存储单元质量度量方法，下面结合实施例对本发明所提出的方法进行详述：
实施例、
以某制造工艺下的闪速存储器(NAND flash)中的存储块即存储单元作为本实施例的测量对象和质量度量对象，质量度量方法包括：
S1、根据实际存储系统的测量能力，从存储单元特征集合中选取多个特征值作为存储单元质量度量特征；
具体的，闪速存储器(NAND flash)中的存储块所在的存储系统在不牺牲较大设备资源的情况下可以测得存储单元的操作时间、存储单元当前经历过的编程/擦除周期数和错误比特数，故选择存储单元的操作时间、存储单元当前经历过的编程/擦除周期数和错误比特数作为进行质量度量的存储单元质量度量特征；其中，存储单元的操作时间包括存储单元的编程时间、读取时间及擦除时间。
具体的，分别计算存储单元的操作时间、存储单元当前经历过的编程/擦除周期数以及错误比特数。
具体的，计算存储单元的操作时间的方法，如图2所示，包括：
S11、检测存储单元所属芯片的R/B信号状态，若R/B信号状态为低，记录存储单元的操作时间及其操作类型，当各种操作类型所对应的操作时间均不为0，即存储单元的编程时间、读取时间及擦除时间均不为0时，当前所得的编程时间、读取时间及擦除时间即为存储单元的操作时间，算法结束，除以上情况的其他情况，重复步骤S11。
该方法可以在不降低存储系统读写速度的情况下获取质量度量所需的操作时间取值，资源占用较少，效率较高。
具体的，计算存储单元当前经历过的编程/擦除周期数时，通过统计存储完成编程和擦除操作的次数从而得到存储单元当前经历过的编程/擦除周期数。
具体的，计算存储单元的误比特数时，首先将原始数据写入到存储单元中，然后将从存储单元读取的数据与原始数据进行比对，记录错误比特数。
S2、根据存储单元质量度量特征和预训练的存储单元质量度量模型，计算得到存储单元质量度量结果。
具体的，依次测量存储单元的剩余可用编程/擦除周期数在最大值到最小值的闭区间范围内值所对应的存储单元质量度量特征，以型号为NW587由镁光生产的闪存芯片为例，存储单元的剩余可用编程/擦除周期数的最大值为20000，最小值为0，单位为编程/擦除周期数。然后采用归一化后的剩余可用编程/擦除周期数与其对应的存储单元质量度量特征形成数据集，将数据集分为训练集、验证集和测试集，采用训练集训练人工神经网络得到存储单元质量度量模型。其中，归一化后的剩余可用编程/擦除周期数计算表达式为：
本实施例中，训练集占整个数据集合的60％，验证集占整个数据集合的20％，测试集占整个数据集合的20％。
具体的，如图3所示，训练存储单元质量度量模型的方法包括以下步骤：
S21、初始化人工神经网络，令迭代次数Epoch＝1，定义人工神经网络的输入输出个数；具体的，本实施例中人工神经网络输入对应于存储单元质量度量特征，包括存储单元的操作时间、存储单元当前经历过的编程/擦除周期数和错误比特数，其中存储单元的操作时间包括存储单元的编程时间、读取时间及擦除时间，故输入个数为5个，分别对应于存储单元的编程时间PT、存储单元的读取时间RT、存储单元的擦除时间ET、存储单元当前经历过的编程/擦除周期数CN、错误比特数ER。输出对应于归一化后的剩余可用编程/擦除周期数RP，个数为1个。在本实施例中，所采用的人工神经网络的结构如图4所示，其中，人工神经网络的隐藏层(hidden layer)数为60，所采用的激活函数为sigmod函数。
S22、将训练集输入人工神经网络对其进行训练，并计算训练集的误差值；具体的，本实施例中将均方误差(MSE)作为误差值，其表达式为：其中，n为训练样本总数；Yobs,i为实际值；Ymodel,i为人工神经输出值。
S23、采用Levenberg-Marquardt算法调整人工神经网络的连接权和阈值的取值；
S24、将验证集输入人工神经网络对其进行进行调参，并计算验证集的误差值；
S25、判断验证集的误差值与训练集的误差值的大小，若验证集的误差值小于训练集的误差值，则算法结束，当前所得人工神经网络即为存储单元质量度量模型；否则，重复步骤S22-S24进行迭代直至验证集的误差值小于等于训练集的误差值；
S26、分别将测试集和训练集输入人工神经网络，得到测试集的误差值和训练集的误差值；
S27、判断测试集的误差值与训练集的误差值的大小，若测试集的误差值小于训练集的误差值，则算法结束，当前所得人工神经网络即为存储单元质量度量模型；否则，判断迭代次数Epoch是否大于1000，若Epoch大于1000，则算法结束，当前所得人工神经网络即为存储单元质量度量模型；否则，将迭代次数Epoch置为Epoch+1，转至步骤S22。
进一步地，采用上述存储单元质量度量模型对存储单元进行度量的过程中，当存储单元的剩余可用编程/擦除周期数达到最小值时，计算其对应的存储单元质量度量特征，并将归一化后的剩余可用编程/擦除周期数与其对应的存储单元质量度量特征作为一组样本并记录，当记录的样本数达到预设样本阈值时，采用所记录的样本对存储单元质量度量模型进行训练并更新。本实施例中，预设样本阈值取值为100。通过不断对存储单元质量度量模型进行训练并更新，可以大大提高存储单元质量度量模型的度量准确性。
计算待测量存储单元的存储单元质量度量特征，将存储单元质量度量特征输入到训练好的存储单元质量度量模型中，计算得到剩余可用编程/擦除周期数RP，即可得到存储单元质量度量结果。具体的，存储单元剩余可用编程/擦除周期数RP的取值越高，存储单元的质量越高。
本实施例中，存储系统完成存储单元质量度量操作后，质量度量结果以表的形式存储于系统中，系统进行损耗均衡时调用质量度量表，系统依据表中存储的存储单元质量度量值执行损耗均衡的地址映射更改和数据迁移操作，从而延长存储系统的使用寿命。
本发明旨在为存储系统中损耗均衡提供一种更加准确可靠的存储单元质量度量方法。相比于现有技术，本发明以多种存储单元可靠性特征量为质量度量基础，能够大幅提高质量度量结果的准确度，从而提高存储系统损耗均衡执行效率并延长系统使用寿命。同时，本发明还提出一种存储单元操作时间测量方法，该方法通过存储单元自身标志信号测量操作时间，不需要占用存储系统较多计算资源，能够在不影响存储系统运行效率的情况下实现操作时间测量。本发明中质量度量方法所采用的模型能够在存储系统运行过程中实时优化更新，相比于现有技术中采用同一判断标准度量不同可靠性阶段单元的方法，更加智能。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。