DownShift: Tuning Shift Reduction With Reliability for Racetrack Memories

DownShift: Tuning Shift Reduction With Reliability for Racetrack Memories
- 文章摘要：
- 文章的主要贡献包括：
- 文章的结构如下：
- DownShift
- - DownShift通过以下方式改进了现有的数据放置策略：
- GROGU（Generating Reliability Optimized Grouped Uniencoding）
- - 以下是GROGU的关键特性和工作原理：
参考资料

DownShift: Tuning Shift Reduction With Reliability for Racetrack Memories

这篇文章是关于非易失性赛道存储器（Racetrack Memories, RTM）的研究，标题为“DownShift: Tuning Shift Reduction With Reliability for Racetrack Memories”，发表在《IEEE Transactions on Computers》2023年9月的期刊上。文章的作者包括Asif Ali Khan, Sebastien Ollivier, Fazal Hameed, Jeronimo Castrillon, 和 Alex K. Jones。

在这里插入图片描述

文章摘要：

赛道存储器（RTM）因其超高密度、能效和改善的延迟特性，在内存层次结构中的各个层面上都受到了研究，以提高性能和降低能耗。然而，RTM中固有的位移操作（shift operations）对于数据访问是必需的，但会带来性能损失，并可能引起位置错误。这些因素可能阻碍了RTM在替代低延迟、高可靠性的片上内存方面的应用。智能地在RTM中放置内存对象可以显著减少每次内存访问的位移次数，几乎不增加硬件开销。然而，现有的放置策略在应用于不同架构时可能导致次优性能。此外，这些位移优化技术对RTM可靠性的影响尚未得到充分研究。文章提出了DownShift，一种通用的数据放置机制，通过考虑（1）内存对象的时序和活跃度信息，以及（2）底层内存架构（包括所需的位移容错）来改进先前的方法。此外，文章还提出了一种名为GROGU的新的位移对齐可靠性技术。GROGU利用DownShift实现的减少位移窗口，提供了与现有最先进技术相比更好的可靠性、面积和能耗。DownShift与现有最先进技术相比，减少了3.24倍的位移次数、47.6%的运行时间和70.8%的能耗。GROGU在仅增加3.2%的延迟的情况下，面积消耗减少2.2倍，能耗减少1.3倍，同时提供了16.8倍的位移容错改进。

文章的主要贡献包括：

提出了DownShift，这是一种新的快速启发式算法，它分析内存跟踪中具有不同生命周期的对象，并将它们分配到不同的数据库集群（DBCs）中，以利用改进的时间局部性进行位移最小化。
提出了GROGU，这是一种新颖的、协作设计的RTM可靠性方案，它利用DownShift的位移减少来提供高效的可靠性，同时减少资源消耗。
对不同的数据放置解决方案（包括跨DBC和DBC内部的放置）和不同的可靠性方案进行了全面分析，并分析了各种方案对性能和能耗的影响。

文章的结构如下：

第二部分介绍了RTM架构和属性，以及现有的数据放置和可靠性技术。
第三部分描述了DownShift数据放置方法，用于减少位移。
第四部分提出了GROGU，用于通过协作设计的DownShift改进位移减少。
第五部分展示了实验方法和结果，以证明DownShift与GROGU相比先前工作的面积、能耗和性能优势。
第六部分讨论了可能相关的其他相关工作。
第七部分给出了结论。

DownShift

DownShift是一种针对赛道存储器（Racetrack Memory, RTM）的数据放置机制，它旨在通过智能地放置内存对象来减少位移操作的次数，从而提高RTM的性能和可靠性。
位移（shift）操作是RTM中访问数据所必需的，但它们会导致性能损失和位置错误。

DownShift通过以下方式改进了现有的数据放置策略：

生命周期分析：DownShift考虑了内存对象的生命周期信息，即它们在内存访问序列中的首次和最后出现的时间。通过分析这些信息，DownShift能够识别出生命周期不重叠的变量，这些变量在同一个数据库集群（Domain Wall Block Cluster, DBC）中存储时，可以减少位移操作。
时间局部性：DownShift利用内存访问序列中的时间局部性，即连续访问的内存对象在时间上接近。通过将这些对象放置在相邻的DBCs中，可以减少在访问这些对象时所需的位移次数。
位移最小化：DownShift通过将具有不同生命周期的变量分配到不同的DBCs，以及在DBC内部进行优化放置，从而减少了每次内存访问所需的位移次数。这种方法不仅减少了位移操作，还降低了能耗和提高了RTM的可靠性。
协作设计：DownShift与GROGU（一种新的位移对齐可靠性技术）协作设计，以实现更高的可靠性。GROGU利用DownShift减少的位移窗口，提供了更高效的可靠性保障，同时减少了资源消耗。
实验结果：DownShift在实验中表现出显著的性能提升。与现有的最先进技术相比，DownShift减少了3.24倍的位移次数，减少了47.6%的运行时间和70.8%的能耗。此外，与领先的可靠性方法相比，GROGU在仅增加3.2%的延迟的情况下，面积消耗减少了2.2倍，能耗减少了1.3倍，同时提供了16.8倍的位移容错改进。

DownShift的提出，为RTM的数据放置提供了一种新的视角，它不仅关注于减少位移操作，还考虑了内存对象的时序和活跃度信息，以及与底层内存架构的兼容性。这种综合考虑的方法使得DownShift能够在不同的RTM架构中实现性能和可靠性的显著提升。

GROGU（Generating Reliability Optimized Grouped Uniencoding）

GROGU（Generating Reliability Optimized Grouped Uniencoding）是一种为赛道存储器（Racetrack Memory, RTM）设计的新型可靠性方案，旨在检测和纠正位移操作中可能出现的位置错误。
GROGU通过在RTM的纳米线（nanowire）两端添加额外的过溢域（overflow domains）来实现这一目标，这些过溢域用于存储特定的编码模式，以便于在发生位移错误时进行检测和修正。

以下是GROGU的关键特性和工作原理：

过溢域的编码：GROGU在纳米线的两端各添加了w个额外的过溢域，这些域被初始化为一个重复的二进制序列（例如，1和0的交替序列）。这种序列被称为Johnson编码，它类似于一个计数器，用于在位移过程中跟踪纳米线的位置。
位移操作中的编码维护：在位移操作期间，GROGU通过特定的端口（称为GLW/GLW和GRW/GRW）控制纳米线两端的过溢域，以保持预定的编码模式。这些端口允许在位移过程中插入1或0，以保持Johnson编码的连续性。
位置错误的检测：GROGU通过比较纳米线的实际编码与预期编码来检测位置错误。如果在位移过程中发生了位置错误，纳米线的编码将与预期的Johnson编码不匹配。GROGU可以检测单个位移错误，并且能够通过更复杂的操作检测和修正多个位移错误。
编码修复和纠正位移：一旦检测到位置错误，GROGU将执行一系列操作来修复过溢域的编码，并执行必要的纠正位移。这些操作包括分段位移（segmented shifts），它只影响过溢域内的域，而不影响纳米线中的其他数据域。
可靠性和性能权衡：GROGU的设计允许在保持高可靠性的同时，最小化性能开销。通过在位移操作中隐藏故障检查的延迟，GROGU能够在不影响性能的情况下提供强大的错误检测和纠正能力。
可扩展性：GROGU的硬件开销相对较低，因为它只需要额外的过溢域和少量的端口。这使得GROGU在不同大小的纳米线和不同的位移距离下都具有良好的可扩展性。
实验结果：GROGU在实验中显示出了优越的可靠性性能。与现有的可靠性方案相比，GROGU在保持相似或更好可靠性的同时，显著降低了能耗和面积开销。