Meta：关于SSD，云服务商到底关心啥？

关键要点

1. 问题：每个人都需要定制固态硬盘（SSD），导致客户争夺资源和工程资源面临挑战，质量也受到影响。

2. 解决方案：Meta公司提供符合开放计算项目（OCP）数据中心NVMe SSD规范的产品，并通过合作开发公共规格来解决资格认证问题。

3. 资格认证挑战：资源密集型、时间消耗大、测试覆盖不足、不同供应商使用不同的工具等。

4. 推动行动：推动调试能力的合作，包括健康信息日志、延迟监控和OCP数据中心NVMe SSD规范V2.5中的调试日志。

5. 结论：利用OCP合规性诊断可以加速SSD的合格进程，为供应商和客户提供双赢解决方案。

超大规模 SSD 挑战

问题

• • 每个人都想要带有固件定制的 SSD（场景-性能-成本，三者之间的平衡）
• • 每个人现在都想要 SSD（更快的读写效率）

结果

• • 客户争先恐后地抢夺谁能最先得到 SSD
• • 工程资源面临适应优先级变化的挑战
• • 由于资源限制、时间限制以及难以保持专注，质量受到影响
• • 由于资源不足，计划推迟

Note：从2005年左右互联网+，到2015年前后大数据+，又一个10年之后的AI+，不断积累的数据，在算法+算力的编排下，正涌现出源源不断的生产力。

Meta SSD 规格和功率要求

其他信息：

• • E1.S 用于数据和启动 SSD
• • 容量从 1TB 到 16TB，不同容量如 32TB 在讨论中
• • 满足当前 OCP 数据中心 NVMe SSD 规范
• • 随着 AI 工作负载的增加，功率需求也在上升，但数据中心功率有限

Note：之前业界对Facebook改名Meta的解读是投身元宇宙，恰逢最近Meta智能眼镜已经面世；meta有原始的含义，有没有可能与现在不断加大对基础设施投入（如OCP、芯片）也密切相关？

OCP 数据中心 NVMe SSD 规格演变

规模化管理的启用功能

• • 监控与调试
  • • 健康信息扩展日志
  • • 延迟监控功能
  • • 可读性高的人类友好遥测功能
• • 开源工具支持
  • • OCP NVMe CLI

Note：留意表格内主要是西方头部互联网企业和2家系统集成商，为什么真正存储厂商（如Samsung/SK/Micron/WD等）却没有加入？

转念一想：都是行业巨头，都想当爹，凭啥你当爹，干就完事了！

认证挑战

每个超大规模云提供商都使用专有的测试和工具！

挑战：

• • 资源密集型
• • 耗时，影响上市时间（TTM）
• • 测试覆盖存在漏洞
• • 超大规模云提供商之间不共享 SSD 修复
• • 每个供应商使用多个工具，各自有不同的缺陷

图片描述了在 NVMe 测试和认证过程中面临的挑战。每个超大规模提供商（如 Meta）使用自己独有的测试工具，导致认证过程资源密集、耗时长且测试覆盖不全。此外，各个供应商之间不共享 SSD 的修复方案，进一步加剧了工具不统一的问题。

Meta 提供了基于OCP 的认证流程和框架。

Note：大家快来！对于工程师，搞技术的人来说，还是踏实把事做好，更重要的是：看看别人是怎么做的，是加入还是学习再创造？

总结

回应标题提出的问题：云服务商作为大型IT基础设施运维主体，其对IT硬件的需求往往一定程度能影响硬件厂商选型。Meta在OCP生态的投入是其企业转型一部分（从互联网企业转向硬件基础设施）。

回到SSD接口（统一规范，才敢大规模采购）、能耗（假设PUE 1.2的数据中心，电力消耗可能占到总运营成本的35%-50%）等问题，对于头部运营商来说，可能是真正的切肤之痛。

存储基础设施正随业务场景驱动，经历从HDD向SSD迁移、升级的历史阶段，存储软硬件厂商在趋势中要抓住主要矛盾，才能立足并长期发展。