[发明专利]一种内存垃圾回收方法及系统

说明书

本发明公开了一种内存垃圾回收方法及系统，本申请通过布隆过滤器来组织数据块的引用关系，在解除引用时将无冲突的位置直接清0，有冲突的位置减少计数，通过较少的内存占用来表示数据块是否被引用，在全闪阵列的垃圾回收过程中，使用布隆过滤器作为其组织元数据的一种方法，减少为记录数据块是否引用所带来的内存占用，并提升了数据块是否占用的查询效率，本申请虽然使存储空间开销变大，但带来了操作上的便利性。

技术领域

本发明涉及存储服务器硬件技术领域，特别是涉及一种内存垃圾回收方法及系统。

背景技术

随着SSD(Solid State Disk，固态硬盘)技术的发展，其在性能，寿命，可靠性，容量上已经达到了企业级别使用的程度，所以在近几年基于全闪存存储介质的阵列研究如火如荼。由于SSD不能修改写，数据修改写会映射到新的位置，例如：底层的数据块不能直接修改写，需要擦除之后才能写新数据，不能如同传统磁盘似的在原位置直接修改数据，而市面上出售的SSD盘内部由于有FTL(Flash translation layer，闪存转换层)，所以大部分闪存阵列为了性能以及可靠性的原因都在上层去实现类似SSD盘中的FTL机制，将修改写进行重定向，这种机制好处是提升了性能，减少SSD盘的垃圾回收，减少了SSD盘块的擦写次数，提升了SSD盘的寿命，但由于在上层实现了重定向写，需要复杂的垃圾回收机制来保证系统可用容量不会减少。

在进行垃圾回收时很重要的技术点就是如何判断数据块block的有效性，通用的做法是将所有数据块后面都加上引用计数，然后将这些数据块都管理起来，之后根据计数是否为0来判断是否需要回收，这种处理方法在大数据量时会耗用大量内存来保存这些计数及这个数据块表，内存开销较大。例如，BloomFilter布隆过滤器是一种空间效率很高的随机数据结构，它利用位数据来很简洁地表示一个集合，并能判断一个元素算法属于这个集合，BloomFilter算法的核心思想就是利用多个不同的Hash函数来解决“冲突”，是一种利用空间换时间的技术，Bloom filter采用的是哈希函数的方法，将一个元素映射到一个m长度的阵列上的一个点，当这个点是1时，那么这个元素在集合内，反之则不在集合内。虽然不比再进行重定向写，但其缺点就是当检测的元素很多的时候可能会有冲突，解决方法就是使用k个哈希函数对应k个点，如果所有点都是1的话，那么元素在集合内，如果有0的话，元素则不在集合内。因此，传统的BloomFilter对于静态的数据实现了快速查询，但其缺点是无法删除某个数据的映射关系，确认该位置是否还被其他数据引用，而无法对不用的数据块进行回收再利用。

发明内容

本发明的目的在于提出一种内存垃圾回收方法及系统，以解决现有技术中由于无法删除某个数据的映射关系，确认该位置是否还被其他数据引用，而无法对不用的数据块进行回收再利用的问题。

为达到上述目的，本发明提供了以下技术方案：

一种内存垃圾回收方法，应用于全闪存阵列的I0栈数据块的内存垃圾回收，该方法包括：

确定在所述I0栈中占用的数据块；

将所述数据块映射到布隆过滤器上，记录所述数据块的映射关系；

当查询所述数据块时，通过所述布隆过滤器的多个哈希函数计算所述数据块的多个映射记录位；

查询所述多个映射记录位确定所述数据块是否被标记；

当所述多个映射记录位均被标记，则所述数据块处于被引用状态，所述数据块不进行回收；

当所述多个映射记录位至少有一个映射记录位未标记，则所述数据库处于未被引用状态，则所述数据块进行回收。

其中，所述将所述数据块映射到布隆过滤器上，记录所述数据块的映射关系，包括：

接收所述数据块的映射记录请求，通过多个哈希函数计算所述数据块所需要占用的映射记录位；