AI 訓練、檢查點和資料攝取對 QLC SSD 的要求比以往任何時候都更高,而更智慧的韌體是保持耐用性和效能達標的關鍵。.
四層單元 (QLC) 固態硬碟已成為人工智慧資料中心高容量儲存的首選。單塊硬碟的容量現已超過 245 TB。因此,在建置資料湖或需要將 PB 級資料放置在 GPU 附近的訓練叢集時,QLC 固態硬碟不容忽視。然而,規格表中容量那一欄並未反映 QLC 固態硬碟的容量優勢,它被稱為寫入放大。.
這就是為什麼降低QLC固態硬碟的寫入放大效應不再只是韌體團隊的討論議題,而是進入了關於耐用性、效能和整體擁有成本的討論之中。本文將探討其成因、人工智慧為何會加劇這個問題,以及您可以採取的應對措施。.
什麼是寫入放大,以及為什麼 QLC 更容易出現寫入放大現象。
寫入放大倍率是指主機寫入的資料量與固態硬碟 (SSD) 實際寫入 NAND 快閃記憶體的資料量(已扣除垃圾回收和損耗均衡)之間的差值。如果您的應用程式寫入 1 GB 數據,而硬碟最終寫入 3 GB 到閃存,則寫入放大倍率 (WAF) 為 3。在隨機或碎片化 I/O 環境下,QLC SSD 的寫入放大倍率通常高於 TLC SSD。這一點現在比以往任何時候都更重要。 AI 訓練、檢查點和資料攝取會產生持續不斷的、通常是隨機的寫入操作,這些操作對 QLC 的損耗遠大於其最初設計用於處理的順序讀取密集型任務。.
主機寫入和NAND寫入之間的差異源自於快閃記憶體的工作原理。每個固態硬碟(SSD)都以頁為單位寫入數據,並以更大的區塊為單位擦除資料。當資料發生變化時,硬碟無法直接覆蓋舊資料。它會將新版本寫入其他位置,並將舊副本標記為無效。硬碟遲早需要回收這部分空間,方法是將仍然有效的頁面從區塊中複製出來,然後擦除該區塊。這種清理過程稱為垃圾回收,它移動的每個頁都相當於主機從未要求的額外寫入。在大多數硬碟上,垃圾回收是寫入放大效應的最大來源。.
QLC 快閃記憶體每個儲存單元儲存 4 位元資料。這有利於提高儲存密度,但也帶來了一些其他方面的挑戰。 QLC 資料塊較大,因此一個包含熱資料和冷資料的混合資料區塊可能包含大量需要重新定位的有效頁面。高容量硬碟通常也以更大的資料塊進行跟踪,以控制 DRAM 的需求。一次小的隨機寫入操作就可能迫使硬碟讀取、修改並重寫這些較大的資料區塊。此外,許多 QLC 硬碟會在將傳入資料寫入 QLC 之前,先將其暫存在 SLC 快取中,這又增加了一次寫入操作。.
其次是耐用性。 QLC 快閃記憶體單元的程式設計/擦除循環次數比 TLC 快閃記憶體單元少。 TLC 硬碟的 WAF 值達到 4 就已經很煩人了。而對於 QLC 硬碟來說,WAF 值達到 4 時,硬碟的額定壽命會比主機寫入次數所顯示的更快耗盡。.
為什麼人工智慧工作負載會使情況變得更糟
QLC 最初進入企業級應用程式時,主要用於處理讀取密集、順序執行的任務,例如歸檔、內容庫和備份目標。資料以大流量一次寫入,之後會被多次讀取。由於大容量順序寫入會將資料區塊填入同時老化並同時刪除的數據,因此寫入放大效應一直很低。.
AI 流水線的運作方式截然不同。資料攝取環節會同時從多個來源穩定地匯入各種大小的檔案。訓練作業會對資料進行重新洗牌和預處理,並寫入中間結果和日誌,同時也要進行大量的讀取操作。檢查點機制會依照計畫保存模型狀態,舊的檢查點會在新的檢查點到達時被刪除。如果多個 AI 管線運行在同一塊硬碟上,或是多個作業共用一個儲存池,那麼傳入的寫入作業就會交錯進行。生命週期差異很大的資料最終會被打包到同一個 NAND 快閃記憶體區塊中。.
對於垃圾回收而言,這是最糟糕的情況。當一個檢查點被刪除時,它的頁面會分散在許多仍然包含活動資料的區塊中。硬碟必須先移動所有這些活動數據,才能擦除任何內容。因此,對於 AI 工作負載,寫入放大係數可能會遠高於相同硬碟在傳統讀取密集型部署的情況。.
費用出現在三個地方。.
- 耐力。. 較高的 WAF 值會更快消耗硬碟的編程/擦除預算,從而縮短其使用壽命。.
- 性能穩定性。. 垃圾回收會與主機 I/O 爭用資源,因此在硬碟忙於清理時會出現延遲峰值。不可預測的尾部延遲會導致 GPU 等待資料。.
- 成本。. 過早損耗或需要額外預留空間才能保持良好狀態的硬碟,會增加每可用TB的實際成本。.
控制器智慧和韌體如何降低寫入放大
好消息是,大部分寫入放大效應都來自於硬碟如何決定資料的儲存位置。控制器及其韌體負責做出這些決定,因此,更優的決策會帶來可衡量的結果。.
工作負載感知資料放置,或彈性資料放置方法
最有效的方法是將生命週期相近的資料放在一起。如果一個資料區塊中的所有內容都傾向於在同一時間失效,垃圾回收機制就能找到幾乎為空或完全為空的資料區塊,從而大大減少需要複製的內容。.
工作負載感知的數據放置可以在固態硬碟 (SSD) 內部進行,韌體會偵測熱數據和冷數據,並將它們分別發送到不同的區塊。它也可以與主機共用。靈活資料放置 (FDP) 是 NVMe 規範的一部分,它允許主機為每次寫入作業添加放置句柄。然後,SSD 會將相關資料(例如單一檢查點或單一攝取流)路由到其自身的區塊集中。主機知道哪些資料應該放在一起,而磁碟機則知道如何在 NAND 快閃記憶體上佈局這些資料。 FDP 也向下相容,因此不使用 FDP 的應用程式也能正常運作。.
更聰明的垃圾回收和磨損均衡策略
韌體決定垃圾回收何時運作、清理哪些資料塊以及每次清理多少資料。優秀的策略會選擇有效頁數最少的資料區塊,在可用空間不足之前在後台進行清理,並合理控制清理速度,以保持主機延遲穩定。磨損均衡技術將程式設計/擦除週期均勻地分佈在 NAND 快閃記憶體上,而智慧的實作方式則能避免不必要地頻繁移動冷資料。韌體還控制 SLC 快取的大小和刷新方式,以及硬碟如何處理與其內部映射不符的小寫入操作。.
為什麼這日益成為一個戰略問題
寫入放大聽起來像是底層細節,但實際上它直接影響企業級儲存中 QLC NAND 的經濟效益。 QLC 的優勢在於每 TB 成本更低,每機架容量更大,從而節省電力和空間。這種優勢的前提是硬碟能夠達到您預算的預期使用壽命。如果您的 AI 工作負載的實際寫入放大倍率 (WAF) 比預期高出三到四倍,那麼您最終將不得不提前更換硬碟、增加超額配置容量,或者將寫入密集型任務遷移回成本更高的 TLC 快閃記憶體。這些都會抵消 QLC 最初吸引人的成本優勢。.
如果您正在評估 QLC SSD 在人工智慧領域的耐用性,請直接向供應商提出以下幾個問題:
- 該硬碟的DWPD(每秒寫入量)是多少?它是在怎樣的工作負載假設下測得的?
- 該驅動器是否支援 FDP 或其他放置機制,並且是否與我們的軟體堆疊相容?
- 韌體如何處理小的隨機寫入和混合的讀取/寫入流量?
- 持續垃圾回收期間延遲會發生什麼變化?
- 誰負責編寫韌體?韌體能否針對我們的工作負載進行最佳化?
Pascari 如何驅動 QLC 耐久性
群聯電子自主設計NAND快閃記憶體控制器並編寫韌體。這使得群聯電子的工程師能夠針對AI訓練和檢查點操作產生的混合型、高容量I/O,在一個統一的系統中對資料放置、垃圾回收和損耗均衡進行精細調優。控制器和韌體同步開發,因此耐久性管理從一開始就融入硬碟的工作原理。.
您可以在我們發布的耐久性規格中看到結果。 Pascari企業級固態硬碟產品組合. 。 這 Pascari D系列 D206V, 例如,這款U.2固態硬碟將245.76TB的3D QLC NAND快閃記憶體裝入單一U.2接口,額定日寫入量(DWPD)為0.3次。對於這種容量的硬碟來說,在其額定壽命內,每天的寫入量約為74TB。這對於讀取密集型的AI資料湖和訓練資料集來說,提供了充足的儲存空間。.
充分利用您的硬碟
QLC固態硬碟在人工智慧基礎設施領域的應用將持續成長,因為其容量和密度優勢實在太誘人了。寫入放大效應決定了這些優勢能否經得起多年的實際使用考驗。人工智慧工作負載會產生大量混合型、短生命週期的寫入操作,而這些操作正是導致寫入放大效應(WAF)上升的原因,因此控制器和韌體與硬碟內部的NAND快閃記憶體同樣重要。降低QLC固態硬碟的寫入放大效應,關鍵在於智慧資料放置、最佳化的垃圾回收機制以及對FDP等主機引導式方法的支援。.
探索如何 Pascari 企業級 SSD 結合高容量 QLC 快閃記憶體、群聯電子設計的控制器和自主研發的固件,即使在嚴苛的 AI 工作負載下也能保持穩定的耐用性和性能。或者,, 請聯絡 Pascari 銷售代表 今天。.
常見問題 (FAQ):
QLC SSD中的寫入放大是什麼?它為什麼重要?
QLC SSD 中的寫入放大倍率衡量的是 額外的 超出主機寫入資料的NAND寫入量會直接影響快閃記憶體的耐久性、儲存效能和整體擁有成本。寫入放大因子(WAF)為3意味著SSD每寫入1GB主機數據,就會向NAND寫入3GB數據。垃圾回收、損耗平衡和內部資料遷移都會造成這些影響。 額外的 寫入操作。由於 QLC NAND 支援的程式設計/擦除週期比 TLC 少,因此控制寫入放大在寫入操作中起著至關重要的作用。 維護 企業級固態硬碟壽命。.
為什麼 AI 工作負載會增加 QLC SSD 的寫入放大?
AI 工作負載會產生混合的、碎片化的寫入數據,從而增加 QLC SSD 的寫入放大倍率。 頻繁地 更新後的寫入操作會強制控制器執行以下操作 搬遷 垃圾回收期間有效的 NAND 頁。 AI 訓練、資料擷取、預處理和檢查點操作會產生生命週期不同的數據,通常會將相關的寫入操作分佈在多個 NAND 區塊中。. 當應用程式刪除臨時檔案或過時的檢查點時,控制器必須先保留剩餘的有效數據,然後才能回收儲存空間。. 這 額外的 NAND 活動會加速磨損,增加延遲波動,並可能降低 AI 基礎架構的儲存效率。.
彈性資料放置如何降低企業級固態硬碟的寫入放大效應?
靈活資料放置 (FDP) 透過讓主機應用程式將相關資料定向到指定的 NAND 放置群組中,從而減少寫入放大,最大限度地減少垃圾回收期間不必要的資料移動。作為…的一部分 NVMe 根據規範,FDP 使用放置句柄來幫助 SSD 控制器根據應用程式層級的資料關係組織寫入操作。將檢查點檔案、攝取流或其他生命週期相近的資料分組,可提高區塊回收效率。這種方法可以提高 QLC 的耐用性,降低垃圾回收開銷,並在企業 AI 環境中支援更可預測的儲存效能。.
對於人工智慧工作負載,QLC SSD 的耐用性與 TLC SSD 相比如何?
QLC固態硬碟 一般提供 更高的存儲密度和更低的單位成本 太位元組 QLC SSD 的效能優於 TLC SSD,但其較低的程式設計/擦除週期耐久性使得寫入放大管理對於 AI 工作負載特別重要。 TLC 通常為持續寫入密集型應用提供更大的耐久性空間,而 QLC 則在讀取密集型資料集和高容量儲存方面具有成本優勢。工作負載感知韌體、高效的垃圾回收和優化的資料放置可以提高 QLC 在混合 AI 工作負載中的適用性。企業買家應該比較 DWPD 評級、實際寫入放大和工作負載特性,而不是僅僅依賴… NAND 單獨輸入。.
企業在為人工智慧基礎架構選擇QLC固態硬碟時應該評估哪些因素?
企業在評估用於人工智慧基礎架構的QLC固態硬碟時,應考慮工作負載特定的耐久性要求、寫入放大行為、持續延遲以及控制器韌體功能,而不僅僅是容量和購置成本。重要的考慮因素包括每日寫入量 (DWPD) 等級、隨機寫入效能、垃圾回收效率以及與靈活資料放置 (Flexible Data Placement) 的兼容性。企業也應考察固態硬碟如何處理並發資料。 攝取, 訓練和檢查點操作。測試代表性工作負載有助於基礎架構團隊。 確認 耐力風險,, 決定 過度配置需求,並估算長期儲存成本。.
Phison 如何透過 SSD 控制器和韌體最佳化來降低寫入放大?
群聯 透過整合控制器架構和自主研發的韌體,群聯電子解決了寫入放大問題,實現了對 NAND 資料放置、垃圾回收、損耗均衡和快取管理的協同優化。其工程設計方法使控制器和韌體團隊能夠根據企業工作負載特性(包括混合讀寫流量和 AI 檢查點)調整資料傳輸策略。透過協同管理這些功能,群聯電子可以減少不必要的 NAND 寫入,提高耐用性效率,並支援更可預測的儲存延遲。這種控制器級整合也為企業級 SSD 部署中的工作負載特定最佳化提供了機會。.
Phison Pascari 企業級 SSD 如何支援 AI 資料中心中的 QLC 耐久性?
群聯 Pascari 資料中心 D 系列企業級 SSD 將高密度 NAND 儲存與 群聯專為支援高容量 AI 基礎架構的耐久性管理而設計的控制器和韌體。 Pascari D206V 採用 U.2 外形尺寸,提供 245.76 TB 的 3D QLC NAND 容量,耐久性等級為 0.3 DWPD,相當於在其額定使用壽命內每天可進行約 74 TB 的主機寫入。此配置支援讀取密集型 AI 資料湖和訓練資料集,同時協助企業實現高容量 AI 基礎架構的耐久性管理。 鞏固 儲存容量。工作負載特定的寫入放大 遺跡 評估持續寫作活動時的一個重要考慮因素。.
為什麼控制器級創新對於可預測的 QLC SSD 效能至關重要?
控制器級創新透過協調垃圾回收、NAND 放置、損耗均衡和快取管理,限制與主機 I/O 競爭的後台操作,從而幫助維持可預測的 QLC SSD 效能。. 群聯 透過協同開發控制器和韌體,該公司的工程師能夠優化企業級固態硬碟 (SSD) 管理混合工作負載和內部 NAND 活動的方式。智慧調度垃圾回收和選擇性資料遷移可以減少持續運作期間的延遲高峰。這些功能在人工智慧 (AI) 基礎設施中至關重要,因為儲存回應時間的不一致會延遲資料傳輸到 GPU,並影響工作負載的執行效率。.
Phison的韌體技術如何支援針對特定工作負載的QLC SSD最佳化?
群聯電子的自主韌體開發支援針對特定工作負載的 QLC SSD 最佳化,使工程師能夠根據企業應用需求調整資料放置、垃圾回收、損耗平衡和小寫入處理。 AI 訓練、檢查點和資料攝取會產生不同的寫入模式和資料生命週期,進而降低統一儲存管理的效能。群聯電子的整合控制器和韌體工程方法透過協調的 NAND 管理策略,靈活應對這些特性。 OEM 和基礎架構團隊可以根據其耐久性目標、延遲要求和效能指標來評估韌體調校機會。 部署 工作負載。.
Phison 的 QLC SSD 架構如何幫助企業優化 AI 儲存整體擁有成本?
群聯 QLC SSD架構可以幫助企業 最佳化 透過將高容量 NAND 快閃記憶體密度與控制器級耐久性管理和韌體最佳化相結合,降低了 AI 儲存的整體擁有成本。諸如 245.76 TB Pascari D206V 之類的高密度硬碟可以減少 SSD 的數量。 必需的 對於容量密集型部署,支援存儲 合併 更有效率的機架 使用率. 群聯電子的整合控制器和韌體方案也 目標 不必要的NAND寫入和效能波動會增加更換成本和過度配置成本。企業應該 證實 這些優勢與實際工作負荷相比具有優勢。 寫 放大倍率、耐久性要求和基礎設施運作條件。.








