针对并行文件系统的可靠性的研究，主要针对故障恢复和日志记录机制。（1）本文提出PFault，故障注入工具，对PFS透明，易于部署。构建了基于iSCSI的PFault原型，涵盖了三个具有代表性的故障模型（即整个设备故障、全局不一致性和网络分区）。为了解决将iSCSI添加到PFS软件堆栈中的潜在问题，开发了非iSCSI版本，用于验证iSCSI对所研究的目标PFS行为的潜在影响。

针对客户端和服务端分离的分布式键值存储系统，传统方法利用传统索引结构或缓存，但受限于服务端CPU争用。本文提出AStore，采用客户端-服务端框架，利用RDMA、本地缓存索引、自适应学习索引模型。包括以下技术：（1）在客户端和服务端分别采用自适应学习索引模型，用于处理静态（读取）和动态工作负载（插入、更新、删除）。（2）对叶子节点的模型使用细粒度的版本控制，降低客户端和服务端的同步频率。（3）利用

针对SSD的预取，如何设计独立于操作系统和应用程序的数据预取机制。本文提出了支持自适应缓存管理的基于模式的预取 Cacher-SSD，在SSD的闪存转换层运行。主要包括两个技术：（1）从读请求的历史中挖掘I/O请求间的相关性，以得到经常一起读取的地址集合，在当前时间窗口中进行模式匹配以指导数据预取。（2）综合考虑读/写比率、历史预取精度，构建了一个数学模型，以支持自适应缓存管理。根据实际情况调整预

针对重复数据删除文件系统（DedupFS），现有架构需要维护文件系统的逻辑到物理（L2P）映射表和用于重复数据删除的指纹到物理（FP2P）映射表，导致额外的元数据开销。本文提出GOGETAFS，核心思想是将FP2P和L2P合并，包括3个技术：（1）LFP映射，将FP2P和L2P合并，减少元数据I/O操作，减少一致性开销。（2）全局LFP表，存储于内存中，根据FP快速查找物理地址和引用计数。并根据内

AliCloud：阿里云I/O负载采集于2020年1月，涵盖了1000卷的一个月I/O行为，每个卷的原始容量从40 GB到5000 GB不等，工作负载跨越不同类型的云应用程序。每个I/O请求都包括：卷号、请求类型、请求偏移量、请求大小和时间戳（以微秒为单位）。TencentCloud：腾讯云I/O负载采集于2018年10月1日12:00至10月10日1:00，涵盖了大约九天内4995卷的块级I/O

针对生产环境中的云服务，如何在不影响性能的情况下降低成本。本文提出了分布式SSD-HDD混合存储结构Ursa，将主副本存储在SSD上，将备份副本复制到HDD上，不使用SSD作为缓存层。包括以下技术：（1）通过自适应日志，将小型随机写入转换为日志追加，异步合并到HDD，从而弥补SSD和HDD之间的性能差距。（2）为了提高效率，大型顺序写入直接在HDD上执行（绕过日志）。（3）设计了高效的范围优化合并

阅读CXL相关论文，整理其目标、挑战、创新点、局限性

对阿里云盘古2.0的介绍，包括两个阶段：（1）通过文件系统重构和用户空间存储操作系统（USSOS），充分利用SSD和RDMA。设计了统一的、仅追加的持久层，引入了自包含块布局，以减少文件写操作的I/O延迟。USSOS使用运行到完成线程模型，利用高效CPU和内存资源分配的用户空间调度机制。（2）从面向容量发展为面向性能。升级基础设施，开发了每台服务器96 TB SSD，将网络带宽从25 Gbps升级