电竞之家_品味电竞生活移动版

Ghost List不缓存Data，只缓存Data Index，给下一次命中提供参考，并按照LRU规则进行淘汰。如上图Step 5淘汰数据时候会将淘汰的数据放到对应的Ghost List，如果某个Ghost再次命中则将动态增加对应LRU List大小，相应地另一个LRU List大小就要减小，以适应当前I/O模式。如果工作负载趋于访问最近访问过的文件，将有更多命中在GMRU上，相应地增加MRU大小，反过来工作负载趋于访问最近频繁访问的文件，GMFU将更多的命中，相应地增加MFU大小。比如有很多文件要被访问，且每个文件只被访问一次，这样就会把缓存里之前频繁访问的数据置换出去，达到自适应调整的效果。

BPLRU

这是针对前面所述的Hybrid-Level Mapping所设计的LRU方法，具有如下技术：LRU缓存使用Block-Level Mapping，只要访问了Block里面的任何一个Sector，就将该Block的LRU Node置为LRU Head，如果Block缓存存在空洞，则需要从Flash中读取相应的Sector来填充，如果Block是顺序写满的，则将这个Block放到LRU Tail，这是因为认为顺序写满的Block再次被访问的概率很低。下面是BPLRU的数据结构图，分为两级，第一级是Block Level Mapping，第二级是Sector Level Mapping：

Misc方法

其他方法在这里就举一个DAC的例子，DAC全称是Dynamic dAta Clustering，思想是将Flash划分为若干区域，比如Hot区域和Cold区域，然后利用数据量和数据压缩比来判断是Hot Data还是Cold Data。它认为数据量很大直接被认为是Cold Data，而数据量小的则还要用压缩比来判断，如果压缩比很大，也就是能被压缩掉很小的是Hot Data，否则是Cold Data。方法如下图所示：

想到顺序读写识别的方法，记忆中有一种Bitmap的方法，它有三个要点，默认Bitmap的每个Bit都是1,；顺序写的首个Sector的Bit为0，紧随其后的都是1；更新操作将首Bit置为0，看下一个是否为0，直到下一个为0 结束，如果更新的最后一个Sector仍不为0，则看这个Sector的下一个是否为0，为0结束，否则将其置为0。示例如下表，依次执行3行到7行操作，W代表写，U代表更新，每个连续的都是从0开始到0结束，这张表并非一定要单独成表，也可以放在Mapping Table的某一个Bit上记录，由此确定某个时间点下Sector读写连续性，进而判断其Hot/Cold程度。

除此之外，Hot/Cold Data识别可以跟随目前火的不要不要的人工智能步伐，利用机器学习的方法，以应用程序类别、用户和系统进程、过去写数据分布特征、过去连续写长度和间隔时间等特征作为输入，来预测未来该数据特征为Hot还是Cold，用户数据量随着时间的增加，未来预测将越加准确。

具体实现和应用还等各位读着来考虑，如有讨论，请联系李大虾（mailto:lishizelibin@163.com）或关注微信公众号大虾谈（DaXiaTalking）。

企业级