吴 宇 杨 涓 刘人萍 任津廷 陈咸彰,2 石 亮 刘 铎

1(重庆大学计算机学院 重庆 400044) 2 (重庆大学通信学院 重庆 400044) (wuyucqu@163.com)

随着云计算与物联网业务的快速发展，Dennard缩放定律[1]及Moore定律带来的功耗与性能优化逐渐难以满足新兴应用对计算机系统性能与功耗不断增长的需求.同时，物联网等新兴应用产生的信息量呈指数型增长趋势，使得计算机需要存储爆炸增长的数据，对存储系统的性能、功耗和可用存储资源带来巨大的挑战.

为了解决存储领域面临的资源短缺问题，Google、微软和阿里巴巴等大规模数据密集型企业建立配备有数千台高性能服务器的大型数据中心.然而，大型数据中心能耗极高，每年需耗费上千亿千瓦时电量，服务器数量的增长率仅为数据量增长率的五分之一[2]，简单地扩大存储规模不能解决存储资源紧张问题.此外，现代计算机系统的处理器通过多核并行计算的方式，理论上能以指数提高计算效率，然而存储器访问数据的物理极限导致并行计算的效率不能以指数提升[3].资源过度配置的传统方法不能有效地解决计算机存储资源紧张的问题.因此，空间开销大、能耗高、访问性能低已成为存储领域面临的巨大挑战.

近似存储技术作为缓解存储难题的一个重要途径，近年来受到越来越多的关注.作为近似计算的子领域，近似存储严格遵循近似计算牺牲输出质量以换取高性能的思想.与传统的精确存储数据技术不同，近似存……