英特尔 QLC 3D NAND 数据存储

NAND是什么

由于SSD固态硬盘的普及,NAND这个词逐渐进入用户们的视线。许多厂商都在产品宣传中提到3D NAND颗粒等词汇,对于普通用户来讲,完全不知道这个词是什么意思,只是有一种不明觉厉的感觉,今天我们就来了解一下什么是NAND。

要了解NAND,首先得了解一下存储颗粒的分类。最简单的分类,就是易失性存储和非易失性存储,字面意思非常直观,前者是断电后其中数据会丢失,后者是断电后仍可稳定保留数据。所以根据这样的特性,易失性存储通常用来制造内存条产品,非易失性存储通常用来制造硬盘等产品。而NAND Flash就是在这样的基础上发展出来的。

首先闪存产品的出现,对于存储行业是一种突破性的改革,将存储产品的体积大幅缩小,能耗降低,性能提高,而且对比于过去的碟片类的存储产品,运行更稳定,损坏率更低,可以说除了理想状态下的使用寿命有所不如,价格方面偏贵之外,其他方面都是后来居上的状态。

通过整合创新技术,英特尔® QLC 3D NAND 固态盘有助于降低成本,同时可提供 读取密集型工作负载所需的可靠性和低延迟性能。

英特尔 QLC 3D NAND 固态盘带来卓 越耐用性 英特尔 QLC 3D NAND 固态盘依 赖对于可靠技术的多代改进,以 提供适当的耐用性。例如,作为 首代面向数据中心的英特尔 QLC NAND 产品,英特尔固态盘 D5- P4320 相比其它的 QLC NAND 固态盘,可提供高出多达 4 倍的耐用性。全新英特尔固态盘 D5- P5316 进一步增强了耐用性,相 比上一代英特尔 QLC NAND 固态 盘,将随机写入耐用性最高提升 了 5 倍。

QLC NAND 架构 四层单元(QLC)NAND 技术将密度增加到每单元 4 比特,相比 TLC NAND 可提供 多 33% 的每单元比特,因而能够将数据容量扩展到大于单层单元(SLC)、多层单元 (MLC)和 TLC NAND 技术的水平。随着密度增加,每 GB 成本会下降(见图 1)。

NAND 固态盘的密度不断增加

 英特尔 QLC 3D NAND 数据存储

 

 图 1. PCIe 英特尔 QLC 3D NAND 固态盘为每单元 4 比特,相比 TLC 固态盘可提供多 33% 的每单元比特,同时提供相当的顺序读 取性能。

固态盘和机械硬盘耐用性比较 机械硬盘耐用性主要受限于物理设计因素,例如硬盘里的大量 移动部件。部件逐渐磨损导致的故障会降低机械硬盘的性能或 使其无法使用。例如,振动或冲击会导致磁头未对准。由于耐 用性主要是一种物理限制,因此机械硬盘同样会受到读取和写 入的影响。 反之,固态盘没有移动部件,因此不存在机械磨损。对于固态 盘,耐用性会受到单元退化的影响,退化主要由写入而非读取 造成,可通过控制器固件中的各种缓解技术来减少退化。

NAND 固态盘的写入磨损程度部分取决于盘上已有数据的状态, 因为数据是按页写入、按块擦除的。顺序数据可高效写入较新固 态盘的连续可用页面。然而,当需要更新较小的数据块时(如修 改文档或数值),旧数据将读入内存、被修改、然后重新写入盘 上的新页面。包含已弃用数据的旧页面标记为无效。

当没有可用页面时,需要释放那些 “无效” 页面,以用于 “碎片整 理” 或 “磨损均衡” 的后台进程。特定块中的全部现有有效页面必 须先复制到盘上的其他可用位置,确保原始块仅包含无效的弃用 页面。然后可以删除原始块以腾出供新数据写入的空间。内部 NAND 管理进程(如磨损均衡)会导致写入放大,即固态盘上 的所有内部写入大于仅将新数据存入盘上所需的写入。由于每次 写入会造成单个 NAND 单元的细微退化,所以写入放大是磨损 的主要因素。

内置处理有助于 NAND 固态盘将磨损均匀分散到整个盘中。需 要指出的是,写入繁重的工作负载(尤其是随机写入)会导致 NAND 固态盘相比其他 IO 模式磨损更快,因为它们会导致更大 的写入放大。

QLC NAND 固态盘为现代工作负载提供卓越耐用性 对于大多数现代工作负载部署,QLC NAND 固态盘可提供富余 的耐用性,因为:

• 英特尔 QLC NAND 的实际耐用性超出了传统认知和理论限制。

• QLC NAND 固态盘具有更大的容量,能够将磨损分散到更大 的区域。

• 大多数固态盘在使用的全程,只会消耗一小部分额定的固态盘 寿命。

实际耐用性与预期耐用性 英特尔固态盘 D5-P5316 证明,QLC NAND 固态盘可以提供行 业领先的耐用性水平。此外,QLC NAND 固态盘的真实耐用性 在多个方面超出了预期。通过固态盘驱动控制器将写入均匀分布 到盘上,可以避免一些单元受到反复冲击。大容量 QLC NAND 固态盘提供了更大的 “表面积” 来分配写入,从而减少整体退化。 此外,对耐用性需求的认识与实际使用模式之间存在显著差距, 2020 年 2 月 USENIX 大会上公布的一项大规模研究对此进行了 重点说明8 。

该研究报告指出,实际应用下的耐用性要求通常远低 于企业的预期。作者表示:“基于我们的数据,我们预测并认为, 对于绝大多数企业用户来说,转向 QLC 在固态盘寿命上没有风 险,因为 99% 的系统最多使用了其硬盘 15% 的额定寿命。” 大容量 QLC NAND 的寿命耐用性等于更小容量的 TLC NAND 固态盘耐用性通常按照每日固态盘写入次数(DWPD)衡量, DWPD 可测量在保修寿命内磁盘每日可写入的数据量。写入 TB 数(TBW)或写入 PB 数(PBW)也可用于表示耐用性,该指 标可衡量在规定寿命内可写入磁盘的总数据量。磁盘的总耐用 性取决于其容量。例如,图 2 所示为一个 8TB TLC 固态盘(1DWPD,5 年保修寿命),理论上可在 5 年内每天处理 8TB 的 数据写入。但请注意,额定 DWPD 为 0.25 的 5 年保修期 32TB QLC NAND 固态盘不一定可达到理论性能,实际的总体耐用性 可能有所偏差。这是因为可写入该固态盘的数据总量与较小的 TLC 磁盘相同(32TB 容量乘以 0.25 DWPD)。

 英特尔 QLC 3D NAND 数据存储

 

 图 2. DWPD 和容量确定写入总字节的示例。

此外,存储管理人员可以通过留出额外的硬盘空间(在上述理论 示例中为 20%)来进一步提高有效耐用性。通过增加硬盘上的 保留区域,将能够为有效的碎片整理和磨损均衡来留出更大的空 间,进而减少写入放大。 对于 NAND 固态盘耐用性,工作负载很重要 如上所述,NAND 固态盘的实际耐用性远高于机械硬盘,尽管存 在常见的误解,但它可以明显大于规定的 DWPD。

但是,面向 不同应用场景的固态盘耐用性也取决于客户的使用模式和工作负 载的性质。 如图 3 所示,机械硬盘往往具有一致但较低的耐用性,而 NAND 固态盘展现了不同的耐用性,具体取决于数据的模式和块大小。

例如,如果应用依赖于小数据块的频繁随机写入,它将比大块 数据的顺序读取更多地消耗 NAND 固态盘的寿命。这就是为什 么 QLC NAND 固态盘适用于读取繁重的工作负载,这类工作负 载也需要大容量以快速访问更多数据。 虽然针对读取性能进行了优化,QLC NAND 也适用于其他数据 使用模式。凭借支持大数据块的充足写入性能,QLC NAND 能 够支持某些细分市场的混合工作负载。 有关特定的工作负载放置示例,请参见本文的 “使用英特尔 QLC 3D NAND 固态盘支持现代工作负载” 部分。

QLC NAND 的质量和可靠性 由于 QLC NAND 技术很复杂,因此业内许多人认为必须在数据 可靠性、数据保持和硬盘整体可靠性等方面进行妥协。凭借三十 年的浮栅架构经验,英特尔打造了一款毫无妥协的解决方案。 英特尔 QLC 3D NAND 固态盘满足联合电子设备工程委员会 (JEDEC)的所有要求,相当于广泛采用的 TLC NAND 固态盘。

机械硬盘和 QLC NAND NAND 固态盘的耐用性,以写入总字节表示(更高越好)

 英特尔 QLC 3D NAND 数据存储

 

 图 3. QLC NAND 的实际耐用性,机械硬盘与英特尔固态盘 D5-P5316 相比,以写入 PB 数(PBW)表示。

表 1 显示了英特尔 QLC NAND 固态盘与 TLC NAND 固态盘的比较情况。两者具有相同的故障率、不可纠正的位错误率(UBER)、 操作振动和温度范围,以及同样的 5 年保修。 表 1. 英特尔 QLC 3D NAND 固态盘和英特尔 TLC NAND 固态盘在质量、可靠性等方面的规格比较。

 英特尔 QLC 3D NAND 数据存储

 

 将英特尔 QLC 3D NAND 固态盘与许多企业机械硬盘的质量和可靠性额定值进行比较时,差异更加明显。表 2 将英特尔固态盘 D5- P5316 与两个常用的企业机械硬盘进行了比较。其中显示英特尔 QLC 3D NAND 固态盘的 UBER 比机械硬盘高两个数量级。QLC NAND 固态盘在各种操作条件下表现出众,在振动、温度和磁性方面具有较高规格。

表 2. 英特尔 QLC 3D NAND 固态盘和常用企业机械硬盘的质量和可靠性规格比较。

 英特尔 QLC 3D NAND 数据存储

 

 除了表 2 中突出显示的优势外,NAND 固态盘相比机械硬盘还表现出较低的实际故障率。上文提到的 USENIX 研究发现,NAND 固 态盘的平均年度返盘率(ARR)介于 0.07% 和近 1.2% 之间,机械硬盘为 2-9%。通过比较这两个数据,我们可以发现 NAND 固态 盘的 ARR 相比机械硬盘低 7.5 到 28 倍8 。 在数据中心内使用英特尔 QLC 3D NAND 固态盘支持现代工作负载 借助经过读取优化的高容量英特尔 QLC 3D NAND 固态盘,您可以从更多的温数据中获得更多价值,同时降低可靠技术的总体拥有 成本(TCO)。 加速访问更多数据 QLC NAND 具有出色的顺序和随机读取性能,可帮助您高效处理海量温数据。这些特征使这种固态盘适用于现代企业应用,例如 AI 或数据分析。 这些用例依赖于快速读取性能和可预测的低延迟,以支持更快地访问数据,并通过扩展满足未来需求。

 英特尔 QLC 3D NAND 数据存储

 

 图 4. 将工作负载与 QLC NAND 固态盘匹配时可使用的特征。 要确定 QLC NAND 固态盘是否与您的工作负载匹配,请查找以 下特征:

• 带宽:传输海量数据以支持计算的高读取带宽

• 服务质量(QoS):低延迟和高服务质量,有助于优化计算利 用率并缩短获取结果的时间

• 使用模式:读取密集型(顺序或随机)工作负载,即使面临大 数据块写入压力也能够游刃有余

• 数据块大小:范围广(读取) 图 4 显示了哪些工作负载部分与 QLC NAND 固态盘相匹配(基 于使用模式)。

英特尔 QLC NAND 的性能 英特尔固态盘 D5-P5316 包括现代固件,能够为高容量存储 提供卓越的读取性能和高度的可扩展性。这款固态盘也是行业 首个采用 PCIe 4.0 控制器的 QLC NAND 固态盘。相比英特尔 QLC 3D NAND 固态盘提供的 PCIe 接口和高效 NVM express (NVMe)协议支持的多通道 I/O 功能,基于串行 ATA(SATA) 的 QLC NAND 固态盘将在吞吐量上受到更大的限制。

因此, 英特尔 QLC 3D NAND 固态盘更适合现代工作负载的大规模吞 吐量要求。 旨在提升读取性能的架构和功能改进也有利于最新一代的英特 尔 QLC 3D NAND 固态盘。与上一代相比,英特尔固态盘 D5- P5316 实现高达 38% 的随机读取性能提升及高达 2 倍的顺序 读取性能提升。13,14 该固态盘还包括智能固件,相比上一代产品 可在 99.999% 服务质量的情况下将延迟性能提升 48%。

与机械硬盘相比,QLC NAND 的性能优势更加明显。尽管具有 明显的成本/容量优势,但机械硬盘束缚了所存储数据的价值, 因为它们运行较慢,无法支持需要快速访问温数据的工作负载。 如表 3 所示,与常用的企业机械硬盘相比,最新一代的英特尔 QLC 3D NAND 固态盘可将顺序读取性能提升高达 25 倍。

表 3. 英特尔 QLC 3D NAND 固态盘与两款常用机械硬盘的读取性能比较。

 英特尔 QLC 3D NAND 数据存储

 

 在读写原理上,机械硬盘的盘片表面被磁性材料所覆盖,磁性粒子被磁头极化以此来表示一个二进制信息单元,而闪存产品并不是采用磁性材料来存储数据,而是使用基础单元cell来存储,这种技术可以很快很紧凑的存储数据。这也是NAND Flash闪存颗粒带来的革命,它使我们的电脑响应更迅速、文件读写速度飙升,大幅缩短等待时间,SSD由此成为必不可少的硬件产品。

 英特尔 QLC 3D NAND 数据存储

 

 非易失性ROM除了NAND之外,就是NOR,不过NOR的应用并没有NAND这么广泛,原因在于NOR读取快,但写入和擦除慢,所以通常只用来存储一些配置设定类的参数等,NAND则被应用于数据存储。

 英特尔 QLC 3D NAND 数据存储

 

 在经历了多年的发展后,NAND闪存不止有了SLC、MLC、TLC之分,为了进一步提高容量、降低成本,NAND的制程工艺也在飞速的进步,从50nm一路到目前的16nm甚至更小,但是随着工艺的进步,NAND的氧化层也越薄,导致了可靠性下降,为了解决这一问题,许多厂商费劲脑汁,终于在觉得平面也就是2D NAND已经遇到了瓶颈之后,厂商将目光投向了3D空间,也就是将数层2D NAND叠加在一起,既保证了可靠性又增大了容量,由此3D NAND颗粒进入大家的视野。也正因为3D NAND的技术,使得部分采用相应技术的TLC产品达到了MLC的性能,就是我们常说的3D TLC。而最近美光等大厂的第四代颗粒3D QLC产品也已经投入了市场,让广大消费者体验到了更高的容量、更低的价格、更快的读写性能。

参考链接:

https://www.intel.cn/content/www/cn/zh/products/docs/storage/qlc-nand-ready-for-data-center-paper.html

https://www.crucial.cn/articles/about-ssd/what-is-a-nand-flash

 

相关文章:

  • 2021-12-16
  • 2021-09-23
  • 2022-12-23
  • 2021-07-06
  • 2021-04-25
  • 2021-05-19
  • 2021-12-08
  • 2021-07-12
猜你喜欢
  • 2021-08-22
  • 2021-10-10
  • 2021-12-16
  • 2021-10-20
  • 2021-12-06
  • 2021-10-20
  • 2021-07-17
相关资源
相似解决方案