大数据时代,需要处理的数据量巨大、数据产生速度快。随着大数据应用程序的内存占用量不断增加,今天的计算机系统需要大容量的内存来实现高性能的数据处理。传统的动态随机存取存储器(Dynamic Random-Access Memory,DRAM)由于制造工艺上的挑战,已经越来越无法满足大数据应用程序对大内存的需求。与DRAM相比,新兴的非易失性内存(Non-Volatile Memory,NVM)通常具有高密度、低静态功耗和低成本的优点。然而,NVM写延迟高、写能耗高和写寿命有限的缺点使其离成为DRAM的替代品还有重大挑战。此外,内存数据冗余大,这为数据压缩提供了可能性。针对NVM的写寿命有限、写数据延迟高、写能耗高的缺点,设计并实现了面向3D堆叠的NVM内存压缩系统,从而减少写入NVM的数据量、延长NVM的使用寿命。首先,结合内存数据零数据比例高和频繁值局部性的特征,设计了一个基于零数据和频繁值的ZD-FVC数据压缩策略。ZD-FVC充分利用了大多数程序内存中零数据比例高的特性,优化设计了FVC的编码模式,大幅减小了压缩编码的存储开销,提高了压缩率。然后,通过在3D堆叠的NVM内存的logic层上实现用于以上数据压缩策略的压缩/解压缩单元,通过数据压缩减少写操作的数据量,从而降低NVM的写延迟和写能耗。同时,研究了NVM内数据的放置策略,以高效地管理压缩后的数据,利用数据压缩后节省的存储空间实现了一个基于轮转的磨损均衡机制,使得写操作能尽量均匀地分布以延长NVM的使用寿命。使用gem5和NVMain组成的混合模拟器,从SPEC CPU 2006标准测试集中选取12个具有代表性的应用程序,对比测试了七个系统。实验结果表明,相较于采用FVC算法的压缩系统,面向3D堆叠的NVM内存压缩系统能提高55%的压缩率、降低NVM 41%的写延迟和20%的写能耗,同时能延长了NVM 74%的使用寿命。