Fornice的博客

由于 YCSB-A 中的大部分写入请求都较大，而且大部分数据都是冷数据，因此基于 RL 方案减少使用 SLC 高速缓存。通过观察工作负载模式和混合固态硬盘的内部状态，确定最佳的 SLC 缓存参数，最大限度地提高混合固态硬盘的效率。Effect of Agent Pre-training：就结果而言，如果将一个系统中预先训练好的代理应用于其他系统，它就能在短时间内适应新的环境。实验结果表明，与之前的技术相比，拟议技术的写入吞吐量和写入放大系数平均分别提高了 77.6% 和 20.3%。

本文介绍了一种elastic read reference（VRef）scheme（ERR），用于减少 ReveNAND（快速漂移感知 3D NAND 设计）中的此类错误

本文主要针对垃圾回收导致的long-tail延迟问题，设计一种强化学习协助垃圾回收来减缓long-tail延迟

本文在Reinforcement Learning-Assisted Garbage Collection to Mitigate Long-Tail Latency in SSD论文基础上进一步优化Reinforcement Learning-Assisted Garbage Collection策略，其中同样使用Q-learning算法（policy evaluation同样是RM算法，policy improvement为ε-greedy），但将Q-table改为Q-table cache。