Perpustakaan Digital ITB

Saat ini, sistem penyimpanan SSD memiliki kinerja tidak stabil yang disebabkan oleh proses-proses internal yang tail ekor pada CDF latensi. Penelitian ini menggunakan pendekatan pembelajaran mesin untuk mengurangi pemanjangan pada CDF latensi. Data direplikasi pada sejumlah SSD dan pembelajaran mesin menentukan SSD mana yang dianggap sebagai SSD cepat dari hasil permintaan oleh pengguna SSD. Penelitian ini mengambil data I/O dari AliBaba, Microsoft, dan Tencent. Data dijalankan pada emulator SSD FEMU untuk mendapatkan data latensi dan data ini digunakan untuk melatih model pembelajaran mesin menggunakan AutoML dengan kakas autosklearn. Dengan pembelajaran mesin, didapat bahwa kinerja pada SSD dapat diperbaiki yang dibuktikan dengan perpindahan grafik CDF latensi ke sebelah kiri. Model terbaik yang didapat adalah model gradient boosting, random trees, dan extra trees karena model-model tersebut merupakan model ensemble yang merupakan susunan yang terdiri dari berbagai model yang berbeda.