SSD固态硬盘已经逐渐普及,但是很多人对它的可靠性问题依然忧心忡忡,也存在很多误解。事实上,SSD仍然算得上新鲜事物,对于它的很多表现人们依旧缺乏足够深入的认识。
最近,Google工程师Raghav Lagisetty、Arif Merchant和加拿大多伦多大学教授Bianca Schroeder联合发表了一篇论文《闪存的实际可靠性:意料之中与意料之外》(Flash Reliability in Production: The Expected and the Unexpected),得出了一些惊人的结论。
这项研究历时长达6年,覆盖了十多种SSD的品牌,企业级和消费级产品都有,SLC、MLC、TLC三种闪存类型都有,加起来一共跑了几百万天。
Google揭秘SSD可靠性:SLC闪存神话破灭!
主要结论:
1、不可纠正比特错误率(UBER)这个参数毫无意义,不要理会它。
2、好消息:原始比特错误率(RBER)在使用损耗中的增长速度比预期得要慢,而且与UBER后者其他错误无关。
3、高端的SLC硬盘并不比MLC硬盘更可靠。
4、坏消息:SSD的故障失败率比机械硬盘低,但是UBER更高。
5、影响SSD可靠性的是其年龄,而不是使用程度。简单地说,一块闲置了两年的SSD还不如一块使用了一年的更靠谱。
6、全新的SSD里也会普遍有坏块。如果一块SSD里有大量坏块,可能会影响其他更多区块,导致芯片损坏。
7、30-80% SSD起初就有至少一个坏块,2-7%使用四年后会有至少一个芯片损坏。
其中两个结论最为让人吃惊,首先就是第三条。
我们知道,NAND闪存分为三种:SLC是单层单元,性能最好,寿命最长,但成本也最高;MLC是双层单元,性能、寿命都适中,是主流首选;TLC是三层单元,成本最低,但是性能和寿命也相对偏低,是如今的热门。
一般都认为SLC闪存是最好的,企业级SSD普遍都是用它,厂商也会极力宣传多么多么可靠,不过根据Google的研究,SLC、MLC在可靠性上其实差不多。
当然这不代表企业级SLC SSD都是忽悠人,它们都精选了质量更高的芯片,辅以更大的冗余容量比例,以及各种可靠性增强技术,贵是应该的。
而根据第五条,不用担心频繁使用SSD会缩短其寿命,闲着不用才会更让其短命。这和很多电子设备其实是一样的。
另外,研究中的SSD其实都很耐用,没有一个接近使用极限,即便是3000次写入放大的MLC SSD也毫无问题。
至于现在大家很担忧、不少人很鄙视的TLC,该研究因为时间较早并未涉及,但是无论从技术原理还是实际表现上看,TLC闪存的SSD满足日常应用时没有任何问题的,不必多虑。
总的来说,SSD不可能坚若磐石,但也没有想象中那么脆弱,大家可以放心使用,当然任何时候及时注意备份重要数据都是很关键的。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
延世大学研究团队通过分析AI推理过程中的信息密度模式,发现成功的AI推理遵循特定规律:局部信息分布平稳但全局可以不均匀。这一发现颠覆了传统的均匀信息密度假说在AI领域的应用,为构建更可靠的AI推理系统提供了新思路,在数学竞赛等高难度任务中显著提升了AI的推理准确率。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
蒙特利尔大学团队发现让AI"分段思考"的革命性方法Delethink,通过模仿人类推理模式将长篇思考分解为固定长度块,仅保留关键信息摘要。1.5B小模型击败传统大模型,训练成本降至四分之一,计算复杂度从平方级降为线性级,能处理十万词汇超长推理,为高效AI推理开辟新道路。