王孝远，廖小飞，刘海坤，金海

华中科技大学计算机学院，湖北 武汉 430074

1 引言

随着大数据应用的蓬勃发展，计算模式已经从传统的以计算为中心转变为以大规模数据处理为中心。大数据处理的需求不仅仅表现为要处理的数据规模大，而且要求能快速实时地响应。数据的快速增长和以数据为中心的计算模式给现有的计算机存储系统带来了新的挑战。传统以外存为主体的存储模式需要频繁地在内存和外存之间交换数据，这使得大数据处理的大部分时间都耗费在数据移动过程中，内外存之间过低的I/O带宽成了大数据处理系统的性能瓶颈。为了提高大数据处理的效率，内存计算模式应运而生。内存计算模式要求计算机系统能够提供大容量的内存，从而尽可能多地把需要处理的数据缓存在内存中，从而消除磁盘I/O的性能瓶颈。

然而，传统的动态随机访问存储器（dynamic random access memory，DRAM）因其存储能耗大、存储密度小、可扩展性有限、刷新和静态功耗高等缺点，已经无法满足应用越来越大的内存需求。近些年涌现的非易失性存储器（nonvolatile memory，NVM），如相变存储器（phase change memory，PCM）、磁性随机存储器（magnetic random access memory，MRAM）等，具有可随机访问、存储密度大、可扩展性强、无刷新和闲置功耗等特点，成为替代DRAM提供大容量内存的理想存储器。但NVM具有访问时延高、写次数有限、写功耗大等缺点（见表1），因此直接使用NVM替代DRAM是不可取的。

为了充分利用NVM容量大和DRAM读写性能好的优势，并且最大限度地避免各种存储介质的缺……