Nueva política de escritura de cache para el almacenamiento SSD en la nube

  • Noticias y Actualidad

Investigadores chinos han desarrollado una política de reescritura de datos para la caché SSD empleada en el almacenamiento en la nube, en la que se aplica el aprendizaje automático para reducir el tráfico de datos en la caché. Su enfoque ML-WP promete una reducción del 41,5% en este tráfico y del 37,5% en la latencia media de lectura, a la vez que aumenta la tasa de aciertos.

En los últimos años se ha popularizado el uso de soportes SSD para la caché empleada en los sistemas de almacenamiento en la nube, lo que permite acelerar el acceso a los datos alojados en plataformas basadas en discos duros HDD. En estos sistemas se emplea una política de control de admisión para gestionar el tráfico de datos a la cache y liberar espacio para incrementar el rendimiento de lectura y escritura en el almacenamiento principal.

Esto aumenta la eficiencia en los sistemas típicos de almacenamiento de bloques en la nube, pero todavía existe un margen de mejora para esta arquitectura. Así lo cree un grupo de investigadores chinos, quienes calculan que el 47,09% de las escrituras en la caché corresponden a escrituras en los bloques que no se han leído durante un cierto período de tiempo. En este proceso se revela que gran parte de estas escrituras no contribuyen a mejorar el rendimiento del sistema, y las consideran “dañinas” para el rendimiento de la memoria.

Afirman que es bastante complicado identificar y filtrar esos procesos de escritura dañinos en tiempo real, especialmente en un entorno cloud donde se combinan múltiples cargas de trabajo de naturaleza muy diversa. Ante esto, los investigadores proponen el uso de una nueva política de escritura basada en el aprendizaje automático que denominan ML-WP, con la que se podría reducir sustancialmente el tráfico de escritura a SSD, eliminando los datos que solo se escriben en la caché y no tienen validez para las tareas de almacenamiento.

Explican que el principal desafío es lograr esta optimización a tiempo real, y lograr una identificación precisa de los datos de “solo escritura”. Según su enfoque, esto se lograría empleando métodos de aprendizaje automático que permiten clasificar los datos en dos grupos de forma eficiente: los datos de “solo escritura” y los datos “normales”. Según sus experimentos, ML-WP permite reducir el tráfico de escritura en la caché SSD en un 41,52%, mientras que mejora la proporción de aciertos en un 2,61%, reduciendo también la latencia promedio de lectura en un 37,52%.

Más información

¿Cuál es el futuro del mercado de almacenamiento? ¿Qué tecnologías son las más adecuadas para las empresas? Si quieres obtener más información sobre un segmento en crecimiento puedes visitar la página de nuestro colaborador HPE.