AIトレーニング、チェックポイント処理、データ取り込みといった処理は、QLC SSDにこれまで以上に大きな負荷をかけるため、よりスマートなファームウェアによって耐久性とパフォーマンスを維持することが重要になります。.
クアッドレベルセル(QLC)SSDは、AIデータセンターにおける大容量ストレージの定番となっています。1台のドライブで245TBを超える容量を実現できるようになったため、GPUの近くにペタバイト規模のストレージを必要とするデータレイクやトレーニングクラスタを構築する際には、QLCを無視することはできません。しかし、仕様書の容量欄には記載されていない落とし穴があり、それは書き込み増幅と呼ばれています。.
そのため、QLC SSDにおける書き込み増幅の低減は、ファームウェア開発チームの検討課題から、耐久性、パフォーマンス、総所有コストに関する議論へと移行しました。ここでは、その原因、AIが悪化させる理由、そして対策について解説します。.
書き込み増幅とは何か、そしてなぜQLCは書き込み増幅を起こしやすいのか
書き込み増幅率とは、ホストが書き込むデータ量と、ガベージコレクションとウェアレベリングを考慮した後のSSDが実際にNANDに書き込むデータ量を比較したものです。アプリケーションが1GBを書き込み、ドライブが最終的にフラッシュに3GBを書き込む場合、書き込み増幅率(WAF)は3になります。ランダムまたは断片化されたI/Oでは、QLC SSDはTLCよりも書き込み増幅率が高くなる傾向があります。これは以前よりも重要になっています。AIトレーニング、チェックポイント、データ取り込みでは、常にランダムな書き込みが発生することが多く、これはQLCが最初に設計されたシーケンシャルで読み取り中心の作業よりもQLCにずっと大きな負荷をかけます。.
ホスト書き込みとNAND書き込みの差は、フラッシュメモリの動作原理に起因します。すべてのSSDは、データをページ単位で書き込み、より大きなブロック単位で消去します。データが変更されると、ドライブはデータをその場で上書きすることはできません。新しいバージョンを別の場所に書き込み、古いコピーを無効としてマークします。ドライブは遅かれ早かれ、ブロックからまだ有効なページをコピーし、ブロックを消去することで、その領域を解放する必要があります。このクリーンアップ処理はガベージコレクションと呼ばれ、移動するページごとに、ホストが要求していない余分な書き込みが発生します。ほとんどのドライブでは、ガベージコレクションが書き込み増幅の最大の原因となっています。.
QLCはセルあたり4ビットを格納します。これは高密度化には最適ですが、他のいくつかの面では課題もあります。QLCブロックは大きいため、ホットデータとコールドデータが混在するブロックには、再配置が必要な有効なページが多数含まれる可能性があります。また、大容量ドライブはDRAMの要件を抑えるために、データをより大きなチャンクで追跡する傾向があります。小さなランダム書き込みでも、ドライブはこれらの大きなユニットの1つを読み取り、変更し、書き換える必要が生じます。さらに、多くのQLCドライブは、受信データをQLCに移動する前にSLCキャッシュにステージングするため、書き込みが1回追加されます。.
次に耐久性の問題があります。QLCセルはTLCセルよりも書き込み/消去サイクル数が少なくて済みます。TLCドライブでWAFが4というのは少々不満ですが、QLCではホスト書き込み回数から想像されるよりもはるかに早くドライブの定格寿命を使い果たしてしまう可能性があります。.
AIワークロードがこれを悪化させる理由
QLCが初めて企業に導入された当初は、アーカイブ、コンテンツライブラリ、バックアップターゲットなど、読み取り負荷の高いシーケンシャルなジョブを主に処理していました。データは大きなストリームとして一度入力され、その後何度も読み取られました。大きなシーケンシャル書き込みによって、ブロック内のデータが同時に経過し、同時に削除されるため、書き込み増幅率は低く抑えられていました。.
AIパイプラインはそれぞれ異なる動作をします。インジェストでは、さまざまなソースからあらゆるサイズのファイルが一度に大量に取り込まれます。トレーニングジョブでは、データのシャッフルや前処理、中間結果やログの書き込みが行われ、その間、大量の読み込みが発生します。チェックポイントでは、モデルの状態がスケジュールに基づいて保存され、新しいチェックポイントが到着すると古いチェックポイントは削除されます。これらの処理を同じドライブで複数実行したり、複数のジョブでストレージプールを共有したりすると、入力される書き込みがインターリーブされます。寿命が大きく異なるデータが、同じNANDブロックに詰め込まれることになります。.
ガベージコレクションにおいては、これは最悪のケースです。チェックポイントが削除されると、そのページは、まだアクティブなデータを保持している多くのブロックに分散されます。ドライブは、何かを消去する前に、これらのアクティブなデータをすべて移動する必要があります。その結果、AIワークロードにおける書き込み増幅率は、同じドライブが従来の読み取り中心の環境で経験する値よりもはるかに高くなる可能性があります。.
費用は3箇所に表示されます。.
- 持久力。. WAF値が高いほど、ドライブのプログラム/消去予算をより早く消費し、ドライブの耐用年数を短くします。.
- パフォーマンスの一貫性。. ガベージコレクションはホストI/Oと競合するため、ドライブがクリーンアップ処理を行っている間、レイテンシが急上昇します。予測不可能なテールレイテンシによって、GPUがデータ待ち状態になることがあります。.
- 料金。. 早期に摩耗するドライブや、健全な状態を維持するために追加のオーバープロビジョニングが必要なドライブは、使用可能なテラバイトあたりの実質コストを上昇させる。.
コントローラのインテリジェンスとファームウェアが書き込み増幅を低減する方法
朗報なのは、書き込み増幅の大部分は、ドライブがデータの保存場所をどのように決定するかによって決まるということです。コントローラとそのファームウェアがその決定を行うため、そこでの決定を改善すれば、測定可能な結果が得られます。.
ワークロードを考慮したデータ配置、または柔軟なデータ配置アプローチ
最も効果的な方法は、寿命が近いデータをまとめて保持することです。ブロック内のすべてのデータがほぼ同時に無効になる傾向がある場合、ガベージコレクションは、ほとんどまたは完全に空でコピーするデータが非常に少ないブロックを見つけ出します。.
ワークロードを考慮したデータ配置はSSD内部で行われ、ファームウェアがホットデータとコールドデータを検知し、それぞれを異なるブロックに送信します。また、ホストと共有することも可能です。NVMe仕様の一部であるFlexible Data Placement(FDP)を使用すると、ホストは各書き込みに配置ハンドルを付与できます。SSDは、単一のチェックポイントや単一のインジェストストリームなど、関連するデータを独自のブロックセットにルーティングします。ホストはどのデータが関連しているかを把握しており、ドライブはNAND上にどのように配置するかを把握しています。FDPは下位互換性も備えているため、FDPを使用しないアプリケーションも正常に動作し続けます。.
よりスマートなゴミ収集と摩耗平準化戦略
ファームウェアは、ガベージコレクションの実行タイミング、クリーンアップするブロック、および一度に実行する処理量を決定します。優れたポリシーでは、有効なページ数が最も少ないブロックを選択し、空き容量が不足する前にバックグラウンドでクリーンアップを実行し、ホストのレイテンシが一定に保たれるように処理ペースを調整します。ウェアレベリングは、プログラム/消去サイクルをNAND全体に均等に分散させますが、スマートな実装では、必要以上に頻繁にコールドデータを移動することなくこれを実現します。ファームウェアはまた、SLCキャッシュのサイズとフラッシュ方法、および内部マッピングと一致しない小さな書き込みをドライブがどのように処理するかを制御します。.
これがますます戦略的な懸念事項となっている理由
書き込み増幅は、一見すると些細なことのように思えるかもしれません。しかし実際には、エンタープライズストレージにおけるQLC NANDの経済性に直接影響します。QLCの魅力は、テラバイトあたりのコストが低く、ラックあたりの容量が大きいことで、電力と設置スペースを節約できる点にあります。ただし、この魅力は、ドライブが予算で想定した耐久性で計画通りの耐用年数まで稼働することを前提としています。実際のAIワークロードの書き込み増幅率が想定の3倍、4倍も高くなった場合、ドライブの交換時期が早まったり、容量を過剰に確保したり、書き込み負荷の高いジョブをより高価なTLCに戻したりする必要が出てきます。これらのいずれも、QLCの魅力の源泉であったコスト削減効果を損なうことになります。.
AI用途におけるQLC SSDの耐久性を評価する場合は、ベンダーに以下の点について直接質問してみましょう。
- このドライブのDWPD定格はどのくらいですか?また、どのようなワークロードの想定に基づいて測定されましたか?
- このドライブはFDP(フラットパネルドライブ)またはその他の配置メカニズムに対応していますか?また、当社のソフトウェアスタックと互換性がありますか?
- ファームウェアは、小さなランダム書き込みと読み書きが混在するトラフィックをどのように処理しますか?
- 継続的なガベージコレクション中にレイテンシはどのように変化しますか?
- ファームウェアは誰が作成するのですか?また、私たちのワークロードに合わせて調整することは可能ですか?
パスカリのドライブがQLCの耐久性をどのようにサポートしているか
Phisonは独自のNANDコントローラを設計し、独自のファームウェアを開発しています。これにより、Phisonのエンジニアは、AIトレーニングやチェックポイント処理によって発生する、混在した大容量I/Oに対応するため、データ配置、ガベージコレクション、ウェアレベリングを単一のシステムとして調整する余地が生まれます。コントローラとファームウェアは並行して開発されるため、耐久性管理はドライブの動作に最初から組み込まれています。.
結果は、当社の公開されている耐久仕様で確認できます。 Pascariのエンタープライズ向けSSD製品群. パスカリ Dシリーズ D206V, 例えば、この製品は245.76TBの3D QLC NANDを1つのU.2ドライブに搭載し、1日あたり0.3回のドライブ書き込み(DWPD)に対応しています。この容量のドライブであれば、定格寿命期間中、1日あたり約74TBの書き込みが可能ということになります。これは、読み込み負荷の高いAIデータレイクやトレーニングデータセットにとって、十分な余裕容量と言えるでしょう。.
ドライブをもっと楽しもう
QLCは容量と密度の点で非常に優れているため、AIインフラストラクチャにおいて今後も成長を続けるでしょう。しかし、書き込み増幅率が、その優れた性能が長年の実使用に耐えうるかどうかを左右します。AIワークロードは、WAF値を押し上げるような、短時間で発生する様々な書き込みを生成するため、ドライブ内部のNANDフラッシュメモリだけでなく、コントローラとファームウェアも重要になります。QLC SSDにおける書き込み増幅率を低減するには、データの適切な配置、最適化されたガベージコレクション、そしてFDPのようなホスト主導型アプローチのサポートが不可欠です。.
方法を探る Pascari エンタープライズ SSD 高容量QLC、Phison設計のコントローラー、および自社開発ファームウェアを組み合わせることで、要求の厳しいAIワークロード下でも耐久性とパフォーマンスを安定させます。または、, パスカリの営業担当者にお問い合わせください 今日。.
よくある質問(FAQ):
QLC SSDにおける書き込み増幅とは何ですか?また、なぜそれが重要なのでしょうか?
QLC SSDにおける書き込み増幅率は、 追加 NANDへの書き込みは、ホストによって書き込まれたデータを超えて発生し、フラッシュの耐久性、ストレージのパフォーマンス、および総所有コストに直接影響します。書き込み増幅係数(WAF)が3の場合、SSDはホストデータ1GBごとにNANDに3GB書き込みます。ガベージコレクション、ウェアレベリング、および内部データ再配置がこれらの要因に寄与します。 追加 QLC NANDはTLCよりもプログラム/消去サイクルが少ないため、書き込み増幅の制御が重要な役割を果たします。 維持する エンタープライズ向けSSDの寿命。.
なぜAIワークロードはQLC SSDの書き込み増幅率を増加させるのか?
AIワークロードは、混合、断片化、 頻繁に 更新された書き込みにより、コントローラーが強制的に 移転する ガベージコレクション中に有効なNANDページが存在します。AIトレーニング、データ取り込み、前処理、およびチェックポイント処理では、それぞれ異なる寿命を持つデータが生成され、多くの場合、関連する書き込みが複数のNANDブロックに分散されます。. アプリケーションが一時ファイルや古いチェックポイントを削除する場合、コントローラはストレージ領域を解放する前に、残りの有効なデータを保存する必要があります。. これ 追加 NANDフラッシュメモリの動作は、摩耗を加速させ、レイテンシのばらつきを増加させ、AIインフラストラクチャにおけるストレージ効率を低下させる可能性がある。.
フレキシブルデータプレイスメントは、エンタープライズSSDにおける書き込み増幅をどのように低減するのでしょうか?
フレキシブルデータ配置(FDP)は、ホストアプリケーションが関連データを指定されたNAND配置グループに指示できるようにすることで書き込み増幅を低減し、ガベージコレクション中の不要なデータ移動を最小限に抑えます。 NVMe 仕様では、FDPは配置ハンドルを使用して、SSDコントローラがアプリケーションレベルのデータ関係に基づいて書き込みを整理できるようにします。チェックポイントファイル、インジェストストリーム、または同様のライフサイクルを持つその他のデータをグループ化することで、ブロックの再利用をより効率的に行うことができます。このアプローチにより、QLCの耐久性が向上し、ガベージコレクションのオーバーヘッドが削減され、エンタープライズAI環境におけるストレージパフォーマンスの予測可能性が高まります。.
AIワークロードにおけるQLC SSDの耐久性は、TLC SSDの耐久性と比べてどうでしょうか?
QLC SSD 一般的に提供する ストレージ密度の向上とコスト削減 テラバイト TLC SSDよりも優れていますが、プログラム/消去サイクルの耐久性が低いため、AIワークロードでは書き込み増幅管理が特に重要になります。TLCは通常、持続的な書き込み集中アプリケーションに対してより大きな耐久性の余裕を提供しますが、QLCは読み取り集中データセットと大容量ストレージに対してコスト面で優位性を提供できます。ワークロード認識ファームウェア、効率的なガベージコレクション、最適化されたデータ配置により、QLCの混合AIワークロードへの適合性を向上させることができます。エンタープライズの購入者は、DWPD評価、実際の書き込み増幅、ワークロード特性を比較し、 ナンド 単独で入力してください。.
企業がAIインフラストラクチャ向けにQLC SSDを選定する際に、どのような点を評価すべきでしょうか?
企業は、容量や購入コストだけでなく、ワークロード固有の耐久性要件、書き込み増幅特性、持続的なレイテンシー、コントローラファームウェアの機能などを考慮して、AIインフラストラクチャ向けのQLC SSDを評価する必要があります。重要な考慮事項には、DWPD定格、ランダム書き込み性能、ガベージコレクション効率、Flexible Data Placementとの互換性などがあります。また、SSDが同時データをどのように処理するかについても検討する必要があります。 摂取する, トレーニングやチェックポイント操作など、代表的なワークロードをテストすることで、インフラストラクチャチームは 識別する 耐久リスク、, 決定する 過剰供給要件を算出し、長期保管コストを見積もる。.
PhisonはSSDコントローラーとファームウェアの最適化によって、どのように書き込み増幅率を低減するのでしょうか?
ファイソン Phisonは、統合されたコントローラアーキテクチャと自社開発のファームウェアにより、書き込み増幅の問題に対処し、NANDデータ配置、ガベージコレクション、ウェアレベリング、キャッシュ管理の協調的な最適化を実現します。このエンジニアリングアプローチにより、コントローラチームとファームウェアチームは、読み書き混在トラフィックやAIチェックポイントなど、エンタープライズワークロードの特性に合わせてデータ移動戦略を調整できます。これらの機能を連携して管理することで、Phisonは不要なNAND書き込みを削減し、耐久性を向上させ、より予測可能なストレージレイテンシを実現できます。このコントローラレベルの統合は、エンタープライズSSD展開全体にわたってワークロード固有の最適化の機会も提供します。.
Phison Pascariのエンタープライズ向けSSDは、AIデータセンターにおけるQLCの耐久性をどのようにサポートしているのでしょうか?
フィソンの Pascari Data Center D-Series Enterprise SSDは高密度NANDストレージと ファイソン-容量集約型AIインフラストラクチャにおける耐久性管理をサポートするように設計されたコントローラとファームウェア。Pascari D206Vは、U.2フォームファクタで245.76 TBの3D QLC NAND容量を提供し、耐久性定格は0.3 DWPDで、定格サービス寿命で1日あたり約74 TBのホスト書き込みに相当します。この構成は、読み取り集約型のAIデータレイクとトレーニングデータセットをサポートし、企業が 統合する ストレージ容量。ワークロード固有の書き込み増幅 遺体 継続的な書き込み活動を評価する際の重要な考慮事項。.
コントローラーレベルのイノベーションが、QLC SSDの予測可能なパフォーマンスにとって重要なのはなぜですか?
コントローラーレベルの革新技術は、ガベージコレクション、NAND配置、ウェアレベリング、キャッシュ管理を調整することで、ホストI/Oと競合するバックグラウンド操作を制限し、予測可能なQLC SSDのパフォーマンスを維持するのに役立ちます。. ファイソン コントローラーとファームウェアを共同開発することで、エンジニアはエンタープライズSSDにおける混合ワークロードと内部NANDアクティビティの管理方法を最適化できます。ガベージコレクションと選択的なデータ再配置のインテリジェントなスケジューリングにより、持続的な動作中のレイテンシスパイクを低減できます。これらの機能は、ストレージの応答時間が一定でないとGPUへのデータ配信が遅延し、ワークロードの実行効率に影響を与えるAIインフラストラクチャにおいて重要です。.
Phisonのファームウェアに関する専門知識は、ワークロードに特化したQLC SSDの最適化をどのようにサポートできるのでしょうか?
Phisonの社内ファームウェア開発は、エンタープライズアプリケーションの要件に応じてエンジニアがデータ配置、ガベージコレクション、ウェアレベリング、およびスモールライト処理を調整できるようにすることで、ワークロード固有のQLC SSD最適化をサポートします。AIトレーニング、チェックポイント、およびデータ取り込みは、異なる書き込みパターンとデータ寿命を生み出し、均一なストレージ管理の効果を低下させます。Phisonの統合コントローラおよびファームウェアエンジニアリングアプローチは、協調的なNAND管理戦略を通じてこれらの特性に対処する柔軟性を提供します。OEMおよびインフラストラクチャチームは、ファームウェアチューニングの機会を耐久性目標、レイテンシ要件、および デプロイメント ワークロード。.
PhisonのQLC SSDアーキテクチャは、企業がAIストレージの総所有コストを最適化する上で、どのように役立つのでしょうか?
フィソンの QLC SSDアーキテクチャは企業に役立つ 最適化する AIストレージの総所有コストは、大容量NAND密度とコントローラーレベルの耐久性管理およびファームウェア最適化を組み合わせることで削減されます。245.76 TBのPascari D206Vのような高密度ドライブは、SSDの数を減らすことができます。 必須 容量集約型の展開向けストレージのサポート 統合 より効率的なラック 利用. フィソンの統合コントローラーとファームウェアのアプローチもまた ターゲット 不要なNAND書き込みとパフォーマンスのばらつきは、交換コストと過剰プロビジョニングコストを増加させる可能性があります。企業は 検証する 実際の作業負荷に対するこれらの利点 書く 増幅率、耐久性要件、およびインフラの運用条件。.








