基于NAND Flash的嵌入式大规模数据存储机制

发布时间：2018-06-10 01:15

  本文选题：嵌入式系统 + 存储机制　； 参考：《华中科技大学学报(自然科学版)》2017年01期

【摘要】：为解决当前固态存储系统有效适应大规模数据高速存储的问题,以NAND Flash为存储介质,利用循环SRAM缓冲、多体存储阵列、交叉开关矩阵等技术实现了低速Flash芯片阵列构建的嵌入式高速数据存储机制.其中SRAM缓冲阵列采用了读写分组和循环管理,Flash阵列采用并行双总线架构、分组交叉编址和多级流水线技术,同时利用基于总线开关的交叉矩阵对两个阵列进行连接,提高了系统的读写带宽并增强了系统可扩展性.理论分析和仿真实验结果表明:该存储机制能够有效适用于嵌入式大规模数据的存储,对Flash读写操作的最大加速比将近20倍,具有良好的数据访问性能.
[Abstract]:In order to solve the problem that current solid-state storage system can effectively adapt to large-scale high-speed data storage, NAND Flash is used as storage medium, cyclic SRAM buffer is used, and multi-body storage array is used. Cross-switch matrix and other technologies implement the embedded high-speed data storage mechanism based on low-speed Flash chip array. The SRAM buffer array is composed of read / write packet and cycle management flash array using parallel dual bus architecture, packet cross addressing and multilevel pipeline technology. At the same time, the two arrays are connected by the cross matrix based on bus switch. The read and write bandwidth of the system is improved and the system expansibility is enhanced. Theoretical analysis and simulation results show that the proposed storage mechanism can be applied to the storage of embedded large-scale data effectively. The maximum speedup of Flash read and write operation is nearly 20 times, and it has good data access performance.
【作者单位】： 华侨大学计算机科学与技术学院;
【基金】：国家自然科学基金资助项目(61502181;51305142) 福建省教育厅中青年教师教育科研项目(JA15043)
【分类号】：TP333

【相似文献】

相关期刊论文 前10条

1 姜英姿;;大规模数据的计算机处理技术[J];徐州工程学院学报;2005年05期

2 刘忠宝;赵文娟;;面向大规模数据的模糊支持向量数据描述[J];广西大学学报(自然科学版);2012年06期

3 牛新征;佘X;;面向大规模数据的快速并行聚类划分算法研究[J];计算机科学;2012年01期

4 汪西莉,刘芳,焦李成;基于大规模数据的支撑矢量机的训练和分类[J];西安电子科技大学学报;2002年01期

5 杜奕强;;利用廉价计算机实现大规模数据处理的技术研究与实现[J];自动化与信息工程;2014年01期

6 刘光明;周越;张瑞虹;白瑞俊;;云存储的关键技术与应用探讨[J];中国高新技术企业;2012年30期

7 谌超;强保华;石龙;;基于Hadoop MapReduce的大规模数据索引构建与集群性能分析[J];桂林电子科技大学学报;2012年04期

8 刘春艳;;基于云的招生系统研究与设计[J];电子技术与软件工程;2013年13期

9 ;NUMA-Q 1000“3.15”上市[J];每周电脑报;1999年09期

10 边锋;;存储破万兆[J];中国计算机用户;2007年41期

相关会议论文 前1条

1 徐健;陈光喜;;一种基于优化处理较大规模数据的支持向量分类机[A];第八届中国青年运筹信息管理学者大会论文集[C];2006年

相关重要报纸文章 前2条

1 王丽;为大规模数据中心建设保驾护航[N];中国经营报;2005年

2 ;戴尔务实推动云计算发展[N];网络世界;2010年

相关博士学位论文 前2条

1 黄成泉;大规模数据的多视角、多任务分类/聚类方法及应用研究[D];江南大学;2016年

2 金冉;面向大规模数据的聚类算法研究及应用[D];东华大学;2015年

相关硕士学位论文 前8条

1 马翠云;基于HBase的大规模数据存储解决方案的设计和实现[D];山东大学;2015年

2 周钊泽;面向大规模数据的局部在线学习[D];中山大学;2015年

3 田大鑫;基于GIS的大规模数据下K优路径规划算法的研究与实现[D];北京理工大学;2016年

4 刘伟;面向大规模数据的高效LTR调研系统设计与实现[D];南京大学;2015年

5 钱彦江;大规模数据聚类技术研究与实现[D];电子科技大学;2009年

6 张新铭;金融应用中大规模数据处理的性能优化[D];浙江大学;2007年

7 蔡偃武;面向大规模数据的在线新事件检测[D];华东理工大学;2014年

8 刘作志;应用于大规模数据的极端学习机研究[D];西北大学;2013年

，

本文编号：2001468