预测并写入：使用K-Means聚类延长NVM存储寿命
数据库
2020-11-06 v1 硬件体系结构
机器学习
摘要
非易失性存储器（NVM）技术受限于有限的写入耐久度。为应对这一挑战，我们提出预测并写入（PNW），一种使用基于聚类的机器学习方法延长NVM寿命的K/V存储。PNW通过确定更新值应写入的最佳内存位置，减少PUT/UPDATE操作的位翻转次数。PNW利用K/V存储的间接层，根据其值自由选择任意给定写入的目标内存位置。PNW将NVM地址组织在一个按其所引用数据值相似性聚类的动态地址池中。我们表明，通过为给定PUT/UPDATE操作选择正确目标内存位置，总位翻转次数和缓存行数相比最先进技术可分别减少多达85%和56%。
引用
@article{arxiv.2011.02556,
title = {Predict and Write: Using K-Means Clustering to Extend the Lifetime of NVM Storage},
author = {Saeed Kargar and Heiner Litz and Faisal Nawab},
journal= {arXiv preprint arXiv:2011.02556},
year = {2020}
}
备注
ICDE2021