在之前的科普中有聊到,SLC虽然在容量上和成本上具有劣势,但是在写入速度上却有着一定的优势。为了使固态硬盘容量可以做的更大,并且让价格更加亲民,目前主流的零售固态硬盘大多数都采用了TLC或者是QLC。因此,我们在固态硬盘中使用部分的NAND模拟SLC的工作模式,那么我们如何才能做到将容量、成本和写入速度的优势兼得呢?没错,这就是今天要介绍的SLC Cache。
SLC Cache加速的原理

前面有说到,SLC Cache本质是用MLC、TLC等颗粒模拟SLC的工作模式。以TLC来模拟SLC的工作方式举例。TLC,由于有8个状态,而SLC只有两个,那么如果将TLC也标记为两个状态,即000~011均认为是0,而100~111均认为是1,也就是说只判断最高位的状态,那么控制起来就更加简单了,同时速度也会大幅度提高,耐久度也有保证。这就是SLC Cache加速的基础。
SLC Cache的加速策略
1)动态容量
顾名思义,整个固态硬盘根据剩余容量来规划SLC Cache。这个模式的优点就是如果容量大,会有非常大的缓存冗余,在硬盘空间还不是很饱和的状态下,写入数据会非常漂亮,缺点就是随着硬盘空间的逐渐使用,整个硬盘的性能也会随着占用率逐渐下降,整个硬盘的使用体验一致性不强。当然随着目前固态主控的智能化,主控会更加合理的去划分空间,以保障在使用过程中尽可能的性能一致,并且固态硬盘的容量也与日俱增,硬盘有更多的空间去给主控规划,所以说动态策略掉速的问题也因此大大缓解。

上图为采用动态容量策略的致钛SC001
2)固定容量
固定容量的SLC Cache通常是SSD厂家通过应用场景的研究,结合SSD的容量设置一个固定的容量大小来做为SLC Cache。需要注意的是,并不是固定容量的SLC Cache用完后就没有了,而是每当固定容量的SLC Cache用掉一部分后,主控及FW会即时的重新动态的补充新的SLC Cache进来;所以这个“固定容量”其实是绵绵不绝的。只有极少数工况会一次性的把SLC Cache写完,绝大多数情况下一旦SSD空闲就会立即重新动态划分SLC Cache, 这样用户就始终感到的是高速写入。


上图为采用了固定容量策略的致钛PC005
SLC Cache带来了哪些好处?
1)极强的写入爆发力
如果大家了解一点计算机的话,应该都明白硬盘里的数据需要先传递给内存,内存再传输给其他的硬件。但是软件或者游戏的安装往往需要快速完成,这个时候就需要硬盘有极强的写入爆发力,而将固态硬盘里面的一部分存储空间用作SLC Cache就能提高固态硬盘爆发写入能力,在软件和游戏的安装中可以更加迅速。
2)防止Lower Page数据被带坏
当用户数据写到SLC时,不存在写Upper Page或者Extra Page带坏Lower Page数据的可能。
SLC Cache技术总结
作为缓存技术的一种,SLC Cache弥补了随着颗粒存储密度变大的掉速问题。为固态硬盘提供了优秀的爆发写入性能,以及容量和成本上的优势。并且随着主控的能力的逐步提升,未来采用SLC Cache的固态硬盘峰值性能也能有更加长久的保持。所以你对这个技术是什么看法呢?欢迎在下方留言一起讨论,我们下期再见~
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。