优秀flash网站欣赏,wordpress还是自己写,wordpress做排行榜单,iis网站属性怎么打开文章开头#xff0c;我们需要先了解固态硬盘的读写机制。我们知道#xff0c;固态硬盘的存储单元是由闪存颗粒组成的#xff0c;无法实现物理性的数据覆盖#xff0c;只能擦除然后写入#xff0c;重复这一过程。因而#xff0c;我们可以想象得到#xff0c;在实际读写过… 文章开头我们需要先了解固态硬盘的读写机制。我们知道固态硬盘的存储单元是由闪存颗粒组成的无法实现物理性的数据覆盖只能擦除然后写入重复这一过程。因而我们可以想象得到在实际读写过程中数据的读写势必会在闪存颗粒上进行多次的擦除写入特别是当某些区块已经完全被塞满的情况下。
这些多次的操作增加的写入数量和原始需要写入的数量的比值就是所谓的写入放大。所以说写入放大数值高会损耗固态硬盘寿命。固态硬盘闪存颗粒有着额定的P/E值即最大的读写次数写入放大高P/E损耗快寿命低。在QLC介质中WAF的影响更加致命。 举个例子最坏情况下的假如我要写入一个4KB的数据Z覆盖A并恰好目标块没有空余的页区需要进行GC回收。这个时候就需要把B、C、D、E、F五分数据都搬走然后擦除整个数据块擦除完成后再整体写入6个数据页。这个整个过程Host虽然只写了4KB的数据但实际过程中由于GC的问题NAND最终写入了24KB。那么写放大WAF24KB/4KB6. 影响WAF的因素有很多 SSD FTL算法的设计会影响写入放大的大小 Wear LevelingWL磨损均衡这一机制主要是通过均衡所有的闪存颗粒从而延长整体的使用寿命然而依旧是增加整体的写放大 Over-ProvisioningOP冗余空间也会影响NAND写入的比例最终影响写放大 Garbage CollectionGC垃圾回收比如上面的例子就是GC垃圾回收搬迁数据擦除数据块后写入带来了整体写放大提升。 业务读写的数据模型随机写和顺序写对NAND的写入比例有非常大的影响直接影响写放大的系数 系统层的TRIM操作会影响invalid无效数据是否在GC过程中搬迁对写放大影响也有重要的作用。
写放大WAF是NAND-based SSD寿命消耗的关键参数WAF越大寿命消耗越快越接近1则寿命消耗越慢也是最理想的情况。
扩展阅读SSD写放大的优化策略要统一标准了吗
NVME FDPFlexible Data Placement的出现就是通过灵活的数据放置使主机服务器能够更好地控制数据在 SSD 中的位置。目标是减少写入放大以提高性能。谷歌和Meta向NVME协议组织提交了Flexible Direct Placement TP4146提案小编在nvme spec 2.0c还没查到根据最新消息预计在NVME spec 2.5正式合入。 通过示意图来看看FDP的作用。如下图来自应用程序 A、B 和 C 的混合数据被写入介质中可用的“超级块”。然后应用程序 A的数据被删除删除后会触发盘内的GC垃圾回收。完成后将测量两个模型的写放大 WAF。 在传统SSD中每个应用写的数据是散乱分布不同的Die/Block需要盘预留空间OP完成垃圾回收数据搬迁垃圾回收过程中还有可能会影响前端IO性能。 在FDP SSD中不同的应用程序写入了特定的物理空间即使某个程序的数据删除可以针对指定的物理空间执行擦除减少了不必要的垃圾回收降低了写放大同时也避免了对前端IO的影响。 Meta在跟韩国的一家SSD控制器厂商FADU合作中FDP的功能已被验证可以有效降低写放大减少了设备磨损并提高了性能和 QoS。 上图中数据显示 蓝色线是64K随机写随着盘运行时间的增加写放大也会不断增加最后WAF超过3. 黄色线是通过软件优化的方式调整数据落盘的方式“Log Structured 8 Writers 64KB”写放大突增到2-2.4之后保持正常波动不再上升。 红色线是“Log Structured 8 Writers 64KB with FDP”在黄色线的基础上打开FDP写放大接近1. 如上图因为写放大的原因对性能也产生了很大的影响。写放大的变化趋势和性能的变化趋势基本成反比。
此外谷歌也在大力推进FDP的落地。根据谷歌公布的数据中心案例数据基于4K随机写OP 28%在使能FDP功能下写放大从2.5下降到1.25. 谷歌这个案例可以看到FDP带给数据中心的好处有很多 节省OP空间可以释放更多的存储容量节省18%的成本。 写放大的降低也会提升盘的使用寿命让SSD可以使用更长的时间这部分也会有35%的成本节省。 写放大降低后也相应可以提升盘的性能。同样使能更多盘容量空间。 支持 FDP 的系统架构的前景其中 WAF ~1 是新常态应该足以引起任何超大规模运营商的注意。此外FDP非常容易实现。它与旧主机向后兼容因此无需升级基础架构。设备读取和其他行为不会更改。
扩展阅读NVMe SSDZNS与FDP对决你选谁
读到这里不知道大家是否有一个疑问既然FDP这么优秀会被广泛使用吗
基于目前小编对FDP的认知FDP在大型数据中心中应用可能会比较顺畅Meta/Google也都在全力推进并已经有突破的进展但是并不会得到市场广泛应用。主要原因是FDP的实现是需要对应用负载有清晰的了解并有一定的软件开发适配。这部分开发适配的代价与使能FDP的收益估计只有大规模数据中心可以最大化的平衡。
