SMI：QLC SSD与FDP：人工智能时代的存储命题

数据存储前沿技术

发布于 2025-02-18 22:05:25

7070

全文概览

人工智能的快速发展正在深刻改变存储行业的格局。随着大模型的广泛应用和AI技术的不断进步，数据量呈指数级增长，对高容量、高性能存储的需求也日益迫切。

QLC（四层单元）技术作为NAND闪存的最新突破，以其高密度和低成本特性，成为满足这一需求的理想选择。然而，QLC技术也面临耐用性差、编程难度大等挑战。为了充分发挥QLC的潜力，灵活数据放置（FDP）技术应运而生，通过优化数据布局，显著提升了SSD的性能和寿命。本文通过案例研究，深入探讨了FDP在QLC SSD中的实际应用效果，以及如何结合多租户QoS管理技术进一步提升存储系统的性能。这些技术的结合，不仅为AI时代的存储需求提供了完美解决方案，也为未来存储技术的发展指明了方向。

1. 人工智能推动高容量存储增长

AI驱动的存储市场预计到2033年将达到2000亿美元以上，年复合增长率（CAGR）超过20%。
企业领域和SSD将成为AI存储市场的主导力量。
高容量SSD的需求迅速增长。

2. QLC技术在大容量SSD中的价值

QLC优势：高密度、高容量、低成本。
QLC劣势：编程难度大、耐用性差、P/E周期少。
QLC非常适合AI时代的高容量SSD应用。

3. FDP技术的优势

FDP允许主机提供数据放置提示，优化数据布局。
FDP的优势：减少写放大（WAF）、减少垃圾回收（GC）、改善写入性能、提升耐用性。
FDP对QLC NAND SSD特别有益。

4. QLC SSD与FDP的案例研究

测试配置：Silicon Motion 16TB企业级SSD，Micron N48R QLC NAND，U.2接口。
测试结果：FDP显著降低写放大因子（WAF），提升写入吞吐量。
FDP启用时，写入带宽稳定在2.5GB/s，而非FDP情况下仅为500MB/s。

5. 多租户服务质量（QoS）提升技术

PerformaShape™技术基于“双状态漏桶”算法，提升多租户环境下的QoS。
PerformaShape™的优势：平滑波动、隔离噪声邻居、充分利用SSD带宽。

阅读收获

了解QLC技术在AI存储中的优势与挑战。
掌握FDP技术如何优化QLC SSD的性能和寿命。
学习FDP在实际测试中的应用效果及其对存储系统的提升。
了解多租户环境下QoS管理技术（如PerformaShape™）的应用价值。

人工智能推动高容量存储增长

预计到2033年，人工智能驱动的存储市场将达到2000亿美元以上，年复合增长率（CAGR）为20%以上。
企业领域和固态硬盘（SSD）预计将主导人工智能驱动的存储市场。
高容量SSD的需求迅速增长。

Note

在鹏弟看来，数据智慧本质是暴力求解的过程，基于海量计算洞察现象背后千丝万缕的联系。现阶段基础大模型广泛落地，意味着这层规律可以基于计算范式的抽象保留下来，从对话过渡到生产，领域模型对专有数据的抽象，必将促进过程数据的持久化，从而推动存储需求。

QLC 在大容量SSD领域的价值

QLC 是最新的 NAND 技术

QLC 优势
- 更高的 NAND 芯片密度
- 更高的 SSD 容量
- 每 GB 更低的成本
QLC 劣势
- 编程难度较大
- 耐用性较差（DWPD）
- 每擦写/编程周期较少（P/E cycle）
QLC 非常适合 AI 时代高容量 SSD 应用
为了延长 QLC NAND 的使用寿命，可以使用像 FDP 和 ZNS 这样的高级数据布局技术

数据放置的价值

FDP允许主机提供数据放置的提示
在主机的提示下，数据可以被放置在不同区域，以便隔离
FDP的优势
- 减少写放大（WAF）
- 减少垃圾回收（GC）
- 改善写入性能
- 改善耐用性
FDP对所有类型的NAND都有好处，特别适合QLC NAND SSD

Cite

在 SSD写放大与数据放置技术：从原理到实践一文中，文末介绍了数据灵活放置当前的应用生态，涉及到文件系统、系统库（Cachelib、CSAL）等多个维度不同的优化方法。

QLC SSD与FDP案例研究

测试配置：

SSD硬件：Silicon Motion 16TB 企业级SSD，采用Micron N48R QLC NAND，U.2接口形式
SSD固件：启用FDP，8个RUH和8个命名空间 vs 禁用FDP，8个命名空间
测试平台：ASUS PRIME Z690-P（I5-12500，16GB）
测试程序：FIO
测试工作负载：8个FDP顺序写任务，与8个非FDP顺序写任务进行对比

FDP在QLC SSD中的测试结果

测试结果： 显示了FDP（灵活数据放置）在QLC SSD中的优势。
- 启用FDP时，写入吞吐量保持更稳定，相比于非FDP，性能更佳。
- 非FDP情况下，吞吐量出现波动和下降，显示出数据管理上的不稳定。
- FDP处理下的写放大因子（WAF）明显低于非FDP处理下的WAF。
- 通过FDP，可以有效地减少写放大的波动，降低系统的写入负担。
- WAF（写放大因子）FDP与非FDP对比：
- 写入吞吐量（Write THP）FDP与非FDP对比：

Note

FDP写入带宽能稳定在2.5GB/s，而 Non-FDP 带宽只有500MB/s（比HDDs 强不到哪去！），可见写放大对有效带宽的影响还是非常明显的。

多租户服务质量（QoS）提升技术

为了进一步提升在多租户环境下的QLC SSD QoS，可以将QoS管理技术与FDP结合使用。
PerformaShape™ 作为一种QoS管理示例，基于“双状态漏桶”（Dual State Leaky Bucket）算法开发，其中每个QoS集都分配了两个令牌桶，并且在令牌可用时流量才会被允许通过。 PerformaShape™的优势：
- 平滑波动
- 隔离噪声较大的邻居（“噪声”指的是某些任务或应用的写入频率过高，影响其他任务的性能）
- 完全利用SSD带宽

Cite

更多关于 PerformaShape™ 技术的报道可阅读以下历史文章：

SiliconMotion：多租户SSD的PerformaShape™算法
- 主要内容
- 介绍了云存储SSD中多用户性能问题的挑战，特别是如何保障租户应用程序的服务质量（QoS）。
- 详细描述了PerformaShape™算法的工作原理，该算法基于双状态令牌桶算法，通过为每个QoS集合分配令牌桶来控制IO请求的速率和优先级。
- 讨论了双状态令牌桶算法的两个阶段：SPS（Set Per Service）和DPS（Device Per Service），分别用于平滑IO请求和限制设备带宽的过度预订。
- 通过模拟测试展示了PerformaShape™算法的效果，包括隔离噪声邻居、限制IO请求速率和提高整体性能等。
SMI：虚拟化环境下NVMe SSD性能优化
- 主要内容
- 介绍了在多虚拟环境中如何通过PerformaShape技术优化NVMe SSD的I/O性能。
- 描述了实验配置，包括硬件、软件及测试平台，并通过FIO测试程序和特定工作负载展示了PerformaShape技术的效果。
- 讨论了PerformaShape技术的优势，包括平滑性能波动、隔离噪声邻居和充分利用SSD带宽。
- 提供了详细的测试数据和对比，展示了使用PerformaShape技术前后的性能差异，强调了其在多租户环境中的应用价值。