SSD新正規化|“真香”定律又開始發揮作用了
1 QLC已非昔日吳下阿蒙
現在,如果只給您一個參數列,您能判斷一款SSD採用的是TLC還是QLC的快閃記憶體嗎?
您可能會說,懸,因為引數可能是虛標的啊。
呃,先不說引數虛高的問題,疑似低標的情況您見過嗎?以前我還能透過TBW來大致估計是啥介質,但後來我發現有些TLC SSD的TBW標的比QLC的還要低。畢竟TBW代表的是保修政策和產品定位,而不一定是真實的實力(P/E、OP等),廠家為了降低產品的售價,或者拉開跟其他產品線的檔次,故意降低保修承諾合情合理。至於有沒有可能標稱較低的TBW是為了方便將來悄悄地混賣QLC版本,更沒法討論了。
那麼,讓您看測試資料呢?CrystalDiskMark、HD Tune Pro這種常見的測試軟體。
有些人的答案可能是能。但如果真的把這幾個軟體的測試結果隱去產品型號擺在面前的話,說實話,答案是:不能。因為,由於有SLC Cache的加持,尤其是Cache容量大的情況下,快餐測試是很難看到最底層的介質效能差別的。
譬如去年上市的某一款SSD,在明知採用QLC介質的情況下,在HD Tune Pro裡將檔案長度設為200GB,居然,持續的寫入速度足夠吊打多數的TLC SSD。那就隨手給這個盤裡拷進去一百多GB檔案再測,呃,還是沒探到它的底線。有技術常識的人這時候就應該懷疑這個盤可能採取了全盤模擬SLC的策略。
當然,我要找到它的底線並非難事,換個測試軟體就行。如果您非要我用HD Tune Pro這樣的常用軟體來挑戰它,我只能再多拷些資料進去試試,譬如300GB。但這個時間成本可就有點兒高,假設這些資料全部從HDD上拷過去,那少說半小時到一小時的時間就沒了,更長時間也不意外,中間應該去吃頓飯的。或者,在電腦前守著,在SSD上原地複製。
這前期準備工作的時間成本,怎麼有了我們測企業級SSD時的感覺?說好的快餐測試呢?
重點是,真實使用中,有多少人會連續往消費類SSD寫入100GB資料?恐怕只有偶爾“搬家”的時候這樣幹吧。
至於為什麼要準備300GB甚至更多的資料,因為那個盤是2TB的,如果真的是全盤SLC,那四分之一也得500GB啊。其實我也不確定先填300GB夠不夠,有機會重來的時候再說了。
順便說一下,這款2TB SSD,現在,2022年8月,在電商平臺上的價格已經低於1000元人民幣。
真香……
2 QLC SSD市場規模走到爆發點
先看下圖一組IDC今年的預測,2022年開始,到2023年,QLC SSD在消費市場的份額將連續倍增。2022年預計佔有20%的市場份額,2023年達到40%,到了2024年,那就是過半壁江山了。此前一直低調的QLC SSD轉眼就要成為主流,這可不是廠商強迫使用者進行過渡(畢竟沒人停產TLC產品啊),而是源自於實打實的技術進步和需求匹配。
回顧一下歷史,首批QLC SSD進入消費市場是在2018年,如Intel 660p和三星860 QVO,分別是M.2 NVMe和2.5英寸SA他的代表。當時市場對它們的評價是價格不夠便宜,與自家的TLC產品拉不開差距,如果考慮到品牌溢價的問題,它們甚至比一些二線品牌的TLC產品貴。其次是緩外效能確實不夠理想,其中包括Cache策略(容量)的問題,也包括早期介質最佳化的問題。再一個問題就是耐久度,當初盛傳QLC的P/E只有TLC的十分之一或更低,也就是幾百次甚至只有幾十次的水平——從最壞的情況角度假設,這也太嚇人了,畢竟資料即使不是無價的,也沒有必要擔驚受怕啊。
回想TLC SSD在2012年進入市場的時候,面對的問題和輿論是類似的,當時宣稱非MLC不看的也大有人在。但實際上,到了PCIe 4.0時代,MLC SSD就後繼無人了。由於恰逢3D NAND生產工藝和NVMe主控普及,到2016年後,主流TLC SSD的效能完全可以吊打平面NAND時代的巔峰MLC SSD,MLC介質的3D堆疊之路發展到64層後,就此淡出。時至今日,TLC/QLC介質已經堆疊到23x層了啊。
歷史是螺旋上升的,類似醜小鴨變白天鵝的故事發生在QLC SSD身上,不必意外,就是時候到了。
3 QLC,憑什麼?
現在是QLC進入市場的第四年,QLC SSD的效能未必能達到吊打幾年前TLC旗艦的程度,不過倒也足以跟中檔價位的TLC SSD匹敵。這個事實已經可以用測試來證明。
隨著時間的推移,大家對QLC耐久度方面的歧視有所改善。QLC在效能和耐久度方面的根本性困難是電壓狀態多達16個,分的很細,正確地讀取或建立指定的狀態難度更大了。一旦錯誤太多,對應的單元就不能繼續使用。但錯誤率是可以透過ECC等糾錯手段降低的,隨著控制器效能的增強,糾錯能力也有機會提升,相應的也就降低了對介質磨損的要求,變相提升耐久度。
其次,NAND Flash生產商早期的預判可能偏保守,隨著時間推移,行業內對QLC的P/E標定已經普遍提升到1000次的級別,與TLC初入市場之時的預期處於相當的數量級。
其三,隨著QLC在企業級、資料中心市場獲得批次應用,其效能和耐久度方面的形象是有所提升的。以上三條是層進的關係,其中也包含了許多介質以外的因素影響,具體的細節我們安排在未來的文章中詳細展開。
俗話說,一白遮百醜,對於SSD,那就是容量可以解決很多問題,畢竟它的天職是儲存——還有什麼比儲存容量更重要的呢?對於效能,大家都知道,入門容量的SSD肯定效能不佳,因為介質有限,通道數量就有限,不論是吞吐量還是併發能力都不甚理想。對於TLC SSD,入門容量是240/256GB,效能不高也就罷了,還很容易出現滿盤掉速的問題。除了垃圾回收演算法的原因,主因就是空閒容量緊張後,SLC Cache的容量偏小。QLC SSD的起始容量基本上都達到512GB,長期使用中因為剩餘空間不足而導致掉速的機率相對也會降低。另外,由於初代的QLC SSD的緩外表現實在太難看,現在的大容量QLC SSD在SLC Cache方面確實也“大方”了許多,不論是SLC Cache的最大容量,還是最小容量都比多數TLC SSD大,甚至最小容量比部分TLC SSD的最大容量還要大。這就導致文初的那一幕,如果不刻意安排測試,一般使用或者快餐式測試是無法感知的。
簡單說,容量大=預期效能較好是大機率成立。容量大,還可以轉化為壽命的價值,這個無需贅述。
4 QLC SSD的機會在哪裡?
當然是價效比!在效能、耐久性滿足需求的前提下,我們就可以看看價效比了。
對於OEM市場,整機的使用者選擇容量為256GB的配置時,對儲存子系統的效能不會有任何期待。512GB是比較主流、平衡的配置,這個區間的使用者可能會在意TLC或QLC的區別,如果混用二者,可能會導致客訴。如果整機提供1TB容量機型供選擇,使用者的感受可能是“一步到位,不折騰”。隨著介質密度提升,單die容量正在逐步向512Gb、1Tb發展,256GB SSD的成本差異縮小,效能不足,入門機型的採用512GB的比例會增大,1TB有望成為主流機型的新賣點。
對於零售市場,使用者的選擇更為主動和廣泛。1~2TB的容量比較適合體現QLC SSD的優勢。1000元左右,可以買到旗艦效能的、容量1TB的TLC SSD,或者,中檔效能的、2TB的QLC SSD。要效能還是容量呢?當然,我們還可以增加糾結的選項,譬如加幾百元,買2TB的中上游效能的TLC SSD,或者索性省幾百元,買1TB的普通TLC SSD,這種屬於在容量和預期壽命當中的糾結了。
與MLC介質的發展之路停滯不同,當前QLC和TLC介質的發展共享同樣的技術紅利,甚至二者的介質是相同的,只是設定為哪種模式的區別。二者的介質成本之比(3:4)會長期穩定,前者的價格做到後者的8折左右是合理的——這個差價似乎並不那麼令人激動。既然TLC全面取代MLC的故事不會在QLC身上重演,QLC SSD的機會在於率先達到某個心理點位(譬如2TB低於1000元)。
額外的機會來自於第二盤位,或者叫副盤。隨著PCIe 4.0/5.0平臺在個人電腦系統中的普及,PCH的規格增強,主機板上提供第二個甚至第三個NVMe M.2的配置開始變得普遍。膝上型電腦提供第二個M.2介面相對較早,但通常是優先考慮為2242規格WWAN卡預留,可能只能支援SA他的M.2 SSD。2020年後的膝上型電腦支援第二NVMe盤位的情況逐步增加,遊戲類、工作站定位的機型開始普遍提供2個甚至3個M.2,部分還支援2280規格。對於副盤而言,效能和耐久性通常並不重要,容量才是重點。甚至,由於副盤可能有效能限制(如可能只提供PCIe x2通道,或者顧慮發熱量等),且確定是低寫入量(存放大容量遊戲,存放素材、照片、影片等),從消費心理上,部分使用者可能厭惡為效能和壽命支付額外的成本——這種高度理性的使用者很清楚自己的需求,企業級/資料中心市場中的QLC SSD種子使用者就是如此。
反過來,如果在有限的盤位中追求儘可能大的容量,是否QLC甚至未來的PLC會更有優勢呢?答案是肯定的。
結語
在PCIe 3.0和4.0平臺共存於市場的當下,SSD的效能、價格檔次被拉開了很寬的距離。這意味著使用者的細分需求可以得到很好的滿足,也給了QLC SSD切入市場的空間。即使要將TLC SSD和QLC SSD對立起來,從田忌賽馬的角度,QLC SSD已經有了成為中馬的資格。藉助大容量的優勢,甚至獲得新一代的控制器的助力,QLC SSD收割中低端TLC SSD的市場份額是順理成章之事,這是陽謀,無關陰謀論。
來自 “ Solidigm ”, 原文作者:Solidigm;原文連結:http://server.it168.com/a2022/1102/6772/000006772003.shtml,如有侵權,請聯絡管理員刪除。
相關文章
- SSD新正規化|從SATA到NVMe(上篇)
- 淺議個人資料開發利用新正規化
- 從 DevOps 到平臺工程:軟體開發的新正規化dev
- 機房運維的真香定律運維
- 軟體開發定律:布魯克定律
- Whale帷幄釋出「人機協作」Alivia,AGI重塑營銷科技新正規化
- Prompt Learning: ChatGPT也在用的NLP新正規化ChatGPT
- 軟體開發定律:海勒姆定律(Hyrum's Law)
- 用“極速統一”,開啟金融行業資料分析新正規化行業
- 軟體開發定律系列之布魯克斯定律有感
- 中臺+低程式碼 企業數字化轉型新正規化
- WIKO+鴻蒙生態:海外品牌中國化的新正規化鴻蒙
- 龍蜥LoongArch架構研發全揭秘,龍芯開闢龍騰計劃技術合作新正規化架構
- ICML 2024 Oral|外部引導的深度聚類新正規化聚類
- 量子神經網路:人工智慧研究的新正規化神經網路人工智慧
- 開始寫作之旅
- 情指勤一體化指揮排程平臺建設,合成作戰系統開發
- 合成作戰指揮系統開發,情指勤一體化管控平臺建設
- 情指一體化實戰指揮平臺建設方案,合成作戰系統開發
- Python 3.10 正式釋出,新增模式匹配,同事用了直呼真香!Python模式
- 分散式鏈路追蹤自從用了SkyWalking,睡得真香!分散式
- 亞馬遜雲科技17年引領Serverless持續進化 Serverless進入發展新正規化亞馬遜Server
- 情報合成作戰指揮中心繫統開發,大資料視覺化平臺建設大資料視覺化
- 又開始辦老婆戶口了——深圳(轉)
- 公安情報指揮一體化合成作戰平臺建設,指揮排程系統開發
- 頭雁百度與產業聯盟:北京凝聚AI產業發展新正規化產業AI
- 資料治理始終沒有發揮成效,原因何在?
- 阿里雲“玩轉雲上 StarRocks3.0 湖倉分析”,開啟資料分析新正規化阿里S3
- 智慧公安情報研判系統開發合成作戰指揮平臺
- 社群團購研究:下沉市場電商新正規化(附下載)
- AI在用 | 吵架又沒發揮好?7個AI大佬幫你自救AI
- 行業智慧化走向何方?昇騰AICE帶來的新正規化,新起點行業AI
- Windows 10 1903 又崩了,開始選單罷工Windows
- 大資料合成作戰指揮平臺建設,情指勤一體化管控系統開發大資料
- 公安合成作戰指揮中心平臺建設方案,情指勤一體化系統開發建設
- 真香定律!我用這種模式重構了第三方登入模式
- 快速開始api開發(一)專案初始化API
- DapuStor聯合GRAID(圖睿科技)—驗證GPU RAID卡發揮NVMe SSD極致效能AIGPU