怎么用不可靠构建可靠？
从这几个方面和大家交流，第一是要从原理上定义存储的可靠性。从理论面看一个东西，首先是科学，然后是应用，中国自古以来就缺乏科学，例如我们发明了火药但没有发展化学，我们发明了指南针但没有研究磁铁，哲学上面有八卦但是没有搞二进制，科学一直是我们比较缺乏的。因此，我想从原理方面定义可靠性谈一点体会。
我们知道： 1948年香农发表了划时代的论文“通讯的数学理论”，指出可靠通讯的根本任务，就是在接收端精确地复现发送端的信息，在一个有噪声的信道上面传递信息，传递和发送的内容一模一样，这就是可靠的通信。
因为信道是有噪声的，因此就要降低噪声、可编码，最后保证接收端和发送端的信息是精确的、一模一样的。
存储有没有这种理论？
通讯的数学理论我们有了，但是存储的数学理论在哪里？好象没有。
但是搞存储的人好象发现存储可以借用通讯的理念，这个道理是什么？因为信息的传递分为跨越空间、时间的传递，通讯跨越空间的传递，例如我现在打一个电话到北京，这就是信息跨越空间。相比，存储可类比为2000年前写的书，现在看到了，这是跨越时间的传递。
如果我们把通讯的理论改变一下，从空间变到时间，这样就可以指导存储，这就是它的道理,这个理论的适用更广。信息传递是二维的，比如说我们发一个短信或者微信，首先是跨过空间传到你的手机，如果你没有看到，同时没有存储你就看不到了，它是二维。可靠的信息传递必须同时有时间、空间的跨越。
我们用扩展的香农的理论分析存储，这时候我们就发现其科学道理很清楚了：什么是可靠的存储？读出的信息完全复现写入的信息，但是它是经过一个信道，这个信道不是跨越空间的信道，而是跨越时间的信道。如果我们把通讯理论向时间轴上拓展，它就变成存储的理论。
对于存储介质的基本要求是时间稳态，要在时间上保持，但是时间信道是有噪声的，我们刻在石头上、写在竹简上、刻在光盘上的东西会有时间信道的噪声，会随着时间的老化而磨损、受损，这些都是属于时间信道的噪声。
我们今天讲闪存，闪存的存储原理是电荷要保持时间稳态，把电子拉到浮栅里面它就是“0”，没有电荷的时候就是“1”。如今，闪存的容量越来越大，这就是为什么闪存会逐渐取代硬盘。
闪存现在基本上采用三条技术路线，一个是减小线宽，第二是单元多bit，第三是3D堆叠，这几个因素对可靠性带来的影响是什么？
线宽变窄了每个单元就变小了，单元电荷就变少了，电荷少了泄露后对电位的影响就特别大。窄了以后干扰也大，隧道氧化层变薄。用一个单元存多个bit，图上蓝色的是TPC的比率，它会越来越多，如此其读、写、擦出的时间都变长，变得越来越不可靠。3D堆叠可以减缓线宽，但是会产生层间的干扰，这也是一个问题。
如今越来越不可靠的闪存介质，时间信道的噪声越来越大，如此，我们怎么用越来越不可靠的介质构建一个可靠的系统？这就是今天的主题。
在香农的理论框架下，首先要想办法减少噪声，如果一个信道完全没有噪声，写进去读出来就是完全一样的。但是现在噪声越来越大，所以我们第一点是要尽量降低时间信道的噪声，如果降到不能再降了还有噪声就要用有效的编码来保证可靠性。
有了理论框架这个问题就不是很复杂了。
第一降低信道噪声。
第二采用编码。
通讯的信号随着距离的增加而衰减，信噪比增加。降低噪声采用的措施是中继和放大，我们分析一下，闪存介质是一个不简单又不优美的介质，电荷泄露要考虑的因素很复杂，所以很多情况下就要分析和处理的情况太多，很复杂。
当然，这也为各厂家显示技术实力提供了舞台，同样的介质不同的厂家的固态盘产品会有较大的差别，路遥知马力，后期的性能、铺靠性、寿命有很大的差别。
时间信道的噪声是闪存不可靠的来源。
第一是工艺缺陷，第二是电荷泄露，最重要的就是擦写磨损，P/E是最需要注意的，还有读写的干扰。 磨损均衡，最好的效果是均衡地让每一块寿命都耗尽，直至彻底失效，第二是减小写放大，第三是减小位间和层间干扰，第四是用Chorge Trap（电荷捕获）代替金属浮栅，减少泄露。
降低信道噪声更细致的技术，第一考察块之间的不均衡性，强块和弱块区别对待，进一步挖掘介质潜力，挖掘空间分布的潜力。
第二是全生命周期管理，不同的阶段不同对待，刚开始的错误很少，后面磨损的比较厉害了就需要加强，刚才是挖掘空间的潜力，现在是挖掘时间的潜力。
第三减少读干扰和编程干扰的新方法。
第四用编程误码率作为均衡指标，反映更真实的磨损状态。
第五通过新的FLT减小写放大。
第六为位置感知重分布。
我们对3D闪存芯片内部差异性进行了研究，发现差别是很大的，研究成果发表在sigmetrics杂志上。错误模式的研究，研究变成干扰、读干扰、写错误，用合适的pattern进行写入也可以减少磨损。这些细节大家可以看我们的论文。
第一是降低噪声。
二是采用更好的纠错编码。现在的LDPC有很多改进，我们这里做了一些研究，我们设计了一个编码，它可以使码源错误降低30%，还有自适应能力，针对刚开始错误比较少的时候和后期错误比较多的时候，采用不同能力的纠错编码。
我下面还要介绍一下我们一个新的研究，叫耗散结构——动态超可靠系统。什么意思？心跳平均每分钟跳70次，一天跳10万次，一年跳3650万次，70年跳26亿次，但是世界上没有任何一种材料可以经得起26亿次的疲劳测试。
但心脏为什么可以？
心肌并不是高可靠材料，关键在于它是一种耗散结构，就是说它有物质能量不断的进入，保持一个稳定的结构。细胞工作一段时间就新陈代谢了，它永远是很健康的。
它可以新陈代谢，但是总体结构不变，这是一种动态的超可靠系统，如果我们把这个思想用到存储系统上，就是不可靠不要紧，但是有进有出，就可以保持稳定，这是上帝的智慧，或者是大自然的智慧。
耗散存储系统的基本思想，就是快不行的时候把它传译一下，简单的说是这样的，但是我们还要把科学道理讲清楚，把理论建立起来，我们系统的研究了一下。基本思想是在存储单元即将失效之前，将数据转移到新的存储单元，使数据总是在健康的介质中保存。对数据而言，其保存它的介质实现了新陈代谢，从而实现了数据存储的超可靠性。
这与纠错的概念有本质的不同，纠错码和盘镇技术都是存储单元坏了，数据丢了以后，通过编码纠错，算出正确的数据，然后再恢复。而且恢复的时间比较长。对时间使用长的系统，大部分数据都是老化状态了，这时候就比较危险，像磁阵列这样，平均寿命是5年，都快到5年了快几个盘的概率大大上升，所以新系统和老系统在前期和后期的危险性是非常不一样的。
耗散性系统有哪些关键性技术？
第一准确预测存储单元什么时候失效。以前测不准，测早了时间没有到，浪费了资源，晚了数据就丢了。存储单元的颗粒有bit、Byte、word、page、block、die、chip、Drive、note，其中Block和Drive适合用这种方法。
判断的标准是基于当前比较热的机器学习，我们也做了一个工作，通过深度学习算法训练，这是我们对3D闪存的预测，横坐标是P/E，纵坐标是保持的时间。我们预测的准确率初步的超过了92%，预测负载准确率超过98%，我们的研究还有很大的空间。
如果通过介质预测什么时候坏，通过负载预测什么时候进行转移，通过这两个预测就可以知道介质什么时候坏。预测准了，我们设计了一个预警转移技术，这是工作区域，把新盘放到这里，假如我预测它一个星期以后要坏，我可以有一个星期的时间转移数据，预测以后我就把数据迁移到新盘中，一旦迁移完了我就告诉它这个盘的任务完成了，就到旁边的池子里，完全淘汰了。
淘汰以后就把新盘拔下来放进去，这样就形成新陈代谢，保证非常好的可靠性。这样就更加没有性能降级的说法了，不需要恢复数据，整体保持在健康的状态下。这非常适合用于数据中心，免维护的，一旦进入淘汰池了换掉就完了，而且新介质的速度、可靠性比老盘要高，不断得用新盘换旧盘，系统和容量都产生了净化，所以我们叫可净化的耗材存储技术，这个技术以后可以用机器人来实现，实现了超高的可靠性，这些都是理论，我们需要和广大的企业合作，把它用到实践当中。
总结一下，闪存芯片随着工艺制程、单元多bit、3D堆叠技术的进步，容量的迅速提高，但可靠性越来越差。如何用不可靠的芯片来构建可靠的系统，是每一个系统设计者必须面对的问题。在香农的理论框架下，主要是通过降低时间通道的噪声和采用更强的纠错编码进行。建立耗散存储系统超可靠体系框架，使存储数据实现新陈代谢，可实现数据存储系统的超高可靠。（本文根据武汉光电国家研究中心教授谢长生教授，在2018全球存储半导体大会暨全球闪存技术峰会的主题演讲，整理而成。未经过本人审阅。）
