俗话说，一粒老鼠屎坏了一锅汤。一个事件就有可能毁掉一个行业，例如三鹿奶粉事件机会就摧毁了整个中国乳品产业。PCIe闪存卡应用也是如此，一开始，用户对于其带来的超高IOPS性能津津乐道，但也有用户在应用过程中触雷，因为PCIe SSD卡的质量问题，出现了数据丢失。

PCIe SSD的这些“坑”是怎么造成的？是设计问题，质量问题？还是用户的使用问题？恰逢Facebook公司与卡耐基-梅隆大学的研究人员，耗时三年多时间，发布了“闪存失效大规模研究”的专业论文，对影响PCIe SSD卡可靠性的因素进行了分析。

鉴于所涉问题比较专业，为此，我们特别邀请Greenliant亚太营销副总裁李炫辉从专业技术角度进行了解读。

 

SSD所以能够走入人们的生活和工作，这是和闪存价格快速下降密不可分。实际上，我们所使用的闪存，有三种NAND颗粒可供选择：SLC、MLC和TLC，颗粒不同，产品的寿命（耐擦写程度）以及出错的概率是不相同的。目前，从价格容量到寿命，能够被广泛使用的主要是MLC。

        

“随着密度的增加（如TLC > MLC >SLC），实际上闪存芯片的可靠性是降低的。如今，大家都知道闪存颗粒越来越便宜了，采用20nm制程工艺制造的芯片，其价格只有25nm的60%， 16nm只有20nm的一半价格，越来越便宜了。但价格便宜了，是以可靠性降低为前提的。如今制造趋势是回归高制程工艺，通过多层结构（3D技术）增加容量，提高单个闪存芯片的容量，保持一定可靠性的前提下，降低制造成本。” 李炫辉说。

 

 
闪存和磁盘大一个不同在于随着设备的不断使用，闪存的坏块会不断增加，由此会带来产品性能的 下降。好的产品，在产品的生命周期内，应该保障性能衰减不超过10%。对于用户来说，这是一个非常关键的数据。

 

李炫辉指出，这个是数据不是理论推测出来的，而是实际测试出来的。其中有一个术语称为DWPD（硬盘每日写入量），10 DWPD，就是每天全盘擦写10次，通过疲劳测试所得出的性能衰减数据。为什么是10次，而不是50次，100次，其中的原因在于NAND有电子元器件组成，有一个放松时间，用于释放电子调整电位的抖动状态。

        

 

 

磁盘系统的可靠性符合浴盆曲线，开机故障率比较高，稳定使用之后，故障率维持恒定，产品生命周期末端，故障率上升。 

 

与磁盘不同，闪存的 故障率实际呈现双曲线，刚开始使用故障率高，这点类似磁盘。当闪存大规模使用时，质量不好的颗粒就会出现损坏，故障率上升。这时，闪存可以通过OP（ Over-provisioning，是指SSD保留他用的空间）的颗粒替换质量不高的颗粒，替换之后，闪存逐步进入稳定工作的状态，故障率降低，直至生命周期的末端，故障率提升。

 

李炫辉表示，对于闪存来说，早期能够替换临界状态的颗粒非常重要。

 

 

Facebook研究显示，高温会带来SSD高错误率。

 

据李炫辉介绍：50℃～55℃是SSD适合的工作温度，稳定过高会带来错误，导致失败。温度过低，也不利于SSD性能的发挥。

 

为了控制温度，可以通过限电来达到给SSD降温的目的。例如从25W限制到15瓦，温度自然就降下来了，温度和功耗是一个线性的关系。

“但这也是一个危险的办法。”他说。

 

不论是采用动态还是静态调整，控制供电将导致IOPS性能不可控、不可知。对于敏感性应用，很有可能会影响前端用户的体验。因此，控制温度，避免热点的出现，还需要从PCIe SSD卡的设计来解决。

 

以ECC引擎设计为例，目前一些PCIe SSD卡，只有2个ECC校验引擎。在应用初期，坏块较少，所需要计算量不大，这些ECC校验引擎尚能够满足需要。但是随着使用，ECC引擎很有可能成为瓶颈，很有可能成为热点，影响卡的质量。

 

好的设计应该采用分布式ECC设计，一来均衡负载，解决瓶颈，二来也可以让热量分布均匀，有利于散热。但ECC引擎增加也会导致成本上升。在成本和可靠性之间应该力求平衡。

 

“用户避免使用价格便宜一些，但留有隐患的产品。” 李炫辉说。

 

 

在Facebook的研究中，特别提到了控制器系统优化和缓存对于SSD颗粒擦写次数的影响。

 

 

这就涉及到闪存颗粒的保护问题。闪存耐读不耐擦写，为此需要通过策略来提高颗粒的寿命。相关的技术就是磨损平衡，有动态、静态和全局磨损平衡的方式。这些可以改善产品的耐久性，延长使用的寿命，但这也会影响闪存的性能。

 

先进的磨损平衡算法能够保障没有“热点”颗粒出现，从而提高产品的稳定性和可靠性。

 

 

另外需要用户了解的是SSD的存储策略。但系统需要对存储数据的闪存颗粒块进行擦写的时候，首先要将块内的有效数据迁移走，然后对于整个页进行擦写（方法就是加电，将所有单元数据置为1）。因此，对于控制系统而言，尽量避免不对齐数据页的出现（该存储页的空余容量，其他调用没有办法使用。这是最小的存储控制调用单元。）

 

好的调度控制算法，显然可以提高产品的可靠性和稳定性。另外，缓存的使用，也可以有效减少写操作，也可以达到同样的目的。

 

总之，由于专业技术知识的缺乏，技术的选用和使用不当，就会影响用户的使用体验，影响用户使用PCIe SSD闪存卡的信心。因此，为了避免“一粒老鼠屎坏了一锅汤”，就需要用户加强对于闪存知识的了解和学习。

 

为此，李炫辉也呼吁：希望有更多的厂商，能够开放技术，重视技术知识的普及。目前尚没有一个成熟的办法能够区分好的和不好的产品。但随着用户知识水平的提升，好的产品，即使价格稍高，也同样能够获得用户的青睐。这就是真金不怕火炼！