【導(dǎo)讀】目前，閃存增容的主要方式有兩種，其一是結(jié)構(gòu)上，由2D NAND到3D NAND，從平面到立體，實(shí)現(xiàn)閃存容量的提升，并隨著堆疊層數(shù)的增加優(yōu)化成本，繼而適應(yīng)市場(chǎng)需求；其二是邏輯上，提升存儲(chǔ)單元存儲(chǔ)的位數(shù)，即由僅能存儲(chǔ)1位數(shù)據(jù)的SLC，到存儲(chǔ)2位數(shù)據(jù)的MLC，直到如今能存儲(chǔ)4位數(shù)據(jù)的QLC，通過(guò)這種方式，提升閃存存儲(chǔ)容量?jī)?yōu)化成本。
閃存作為固態(tài)硬盤(pán)的存儲(chǔ)介質(zhì)，正朝著高密度低比特成本的方向不斷探索和發(fā)展，滿足存儲(chǔ)市場(chǎng)對(duì)“高容量低成本”產(chǎn)品的需求。
目前，閃存增容的主要方式有兩種，其一是結(jié)構(gòu)上，由2D NAND到3D NAND，從平面到立體，實(shí)現(xiàn)閃存容量的提升，并隨著堆疊層數(shù)的增加優(yōu)化成本，繼而適應(yīng)市場(chǎng)需求；其二是邏輯上，提升存儲(chǔ)單元存儲(chǔ)的位數(shù)，即由僅能存儲(chǔ)1位數(shù)據(jù)的SLC，到存儲(chǔ)2位數(shù)據(jù)的MLC，直到如今能存儲(chǔ)4位數(shù)據(jù)的QLC，通過(guò)這種方式，提升閃存存儲(chǔ)容量?jī)?yōu)化成本。
本篇推文，將以QLC為關(guān)鍵詞，漫談QLC的定義、優(yōu)勢(shì)及應(yīng)用。
QLC閃存定義及優(yōu)勢(shì)
QLC全稱(chēng)為Quad-Level Cell，即四層式存儲(chǔ)單元，指的是每個(gè)存儲(chǔ)單元能夠存儲(chǔ)4位數(shù)據(jù)，也就是4bits/cell。鑒于QLC閃存的設(shè)計(jì)，具有如下幾大突出優(yōu)勢(shì)：
更大容量，QLC相較于目前主流的TLC閃存顆粒，理論上QLC存儲(chǔ)密度提升了33%，在PCB趨小的當(dāng)下，單顆閃存容量的提升，能夠顯著提升SSD整體的存儲(chǔ)容量，滿足終端客戶對(duì)于小尺寸大容量存儲(chǔ)器的需求。
更低成本，在同一片晶圓切割相同數(shù)量的閃存顆粒情況下，QLC閃存的存儲(chǔ)容量高于TLC閃存存儲(chǔ)容量33%左右，對(duì)比下來(lái)，QLC單位存儲(chǔ)容量的成本也就低于TLC閃存，具有更低成本的優(yōu)勢(shì)。
尚佳的讀取性能，鑒于QLC單位存儲(chǔ)單元存儲(chǔ)4bits的設(shè)計(jì)，并由此帶來(lái)的復(fù)雜的寫(xiě)入機(jī)制，QLC閃存在寫(xiě)入性能上有著先天不足的劣勢(shì)，但在讀取性能上，表現(xiàn)尚佳，能夠滿足當(dāng)下眾多讀取密集型需求。
更低TCO，以QLC閃存為存儲(chǔ)介質(zhì)的SSD，具有更低的TCO。以常見(jiàn)的服務(wù)器和數(shù)據(jù)中心為例，目前主流的服務(wù)器和數(shù)據(jù)中心大都部署HDD，進(jìn)行數(shù)據(jù)存儲(chǔ)。而相較于傳統(tǒng)的HDD，QLC SSD的TCO更低。
具體來(lái)看，TCO是一個(gè)綜合成本的考量，包括存儲(chǔ)密度、可靠性及功耗等都將影響整體的TCO。
存儲(chǔ)密度上，QLC SSD尺寸更小，在服務(wù)器機(jī)架面積不變的情況下，能夠部署更多QLC SSD，其存儲(chǔ)密度和總?cè)萘扛撸琓CO對(duì)比下來(lái)也就更低；
可靠性上，HDD傳統(tǒng)的機(jī)械結(jié)構(gòu)設(shè)計(jì)，在長(zhǎng)久高負(fù)載壓力下，年化故障率（AFR）高，容易發(fā)生故障導(dǎo)致宕機(jī)，拉高整體TCO。而QLC SSD可靠性相較于HDD往往更高，能不間斷穩(wěn)定工作；
功耗上，QLC發(fā)熱量低，服務(wù)器機(jī)房需要付出的冷卻成本相應(yīng)降低，整體系統(tǒng)PUE也隨之降低，繼而降低整體TCO。因此，整體上QLC SSD在TCO上有著相當(dāng)優(yōu)勢(shì)。
QLC閃存應(yīng)用場(chǎng)景
得益于QLC具備的大容量、低成本、讀取性能尚佳和低TCO等特性，以QLC閃存為存儲(chǔ)介質(zhì)的SSD開(kāi)始應(yīng)用于以下幾大典型應(yīng)用場(chǎng)景：
以ChatGPT為代表的智能AI大模型，隨著大模型走向多模態(tài)，從GPT3以后，篩選的數(shù)據(jù)集呈指數(shù)倍增，這些數(shù)據(jù)都需要海量大容量固態(tài)硬盤(pán)進(jìn)行本地冷數(shù)據(jù)存儲(chǔ)，同時(shí)鑒于大模型的規(guī)模不斷增長(zhǎng)，功耗、TCO成本等都需要考量，由此QLC SSD十分契合智能AI大模型對(duì)存儲(chǔ)器的多重需求。
如今流行的視頻點(diǎn)播、短視頻應(yīng)用等也是QLC SSD大規(guī)模部署的典型應(yīng)用，這些場(chǎng)景的突出特征便是海量數(shù)據(jù)的冷存儲(chǔ)，寫(xiě)入數(shù)量遠(yuǎn)小于讀取數(shù)量，幾乎95%以上的存儲(chǔ)命令都是順序讀??；同時(shí)由于部署的存儲(chǔ)器量級(jí)較大，運(yùn)營(yíng)部門(mén)對(duì)數(shù)據(jù)存儲(chǔ)的容量、功耗及成本等十分關(guān)注，而QLC SSD具備的讀取密集特性、大容量和低成本等特性，成為了該類(lèi)應(yīng)用的不二存儲(chǔ)選擇。
此外，還有諸如大數(shù)據(jù)、云存儲(chǔ)、人機(jī)交互HCI等大量以讀取密集型為核心的新場(chǎng)景新應(yīng)用，也都開(kāi)始部署和應(yīng)用QLC SSD，充分挖掘和利用QLC閃存特性，以實(shí)現(xiàn)業(yè)務(wù)的高效、經(jīng)濟(jì)、穩(wěn)定運(yùn)轉(zhuǎn)。
(本文轉(zhuǎn)載自：長(zhǎng)江存儲(chǔ)系統(tǒng)解決方案微信公眾號(hào))
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問(wèn)題，請(qǐng)聯(lián)系小編進(jìn)行處理。
推薦閱讀：
通過(guò)碳化硅 TOLL 封裝開(kāi)拓人工智能計(jì)算的前沿
CAEE2024丨中國(guó)（合肥）國(guó)際家電制造供應(yīng)鏈展覽會(huì)
CAEE2024丨中國(guó)（廣東）國(guó)際家電制造供應(yīng)鏈展覽會(huì)
利用IO-Link實(shí)現(xiàn)小型高能效工業(yè)現(xiàn)場(chǎng)傳感器
