备份和云存储供应商 Backblaze 发布了其季度硬盘统计报告。
截至去年底,该公司拥有 301,120 个用于存储数据的硬盘。2024 年第四季度各供应商硬盘型号的年度故障率 (AFR) 图表显示,有四款硬盘的故障率明显超过 4.5%。这些异常值包括一款 12TB 的 HGST 型号 (HUH7212ALN604) 和三款 Seagate 硬盘,分别是 10TB (ST10000NM0086)、12TB (ST12000NM0007) 和 14TB (ST14000NM0138) 容量的型号。
所有硬盘的平均故障率为 1.35%。
同时也有表现优异的硬盘,五种型号在本季度实现零故障:一款 4TB 的 HGST (HMS5C4040ALE640)、Seagate 的 8TB (ST8000NM000A)、14TB (ST14000NM000J)、16TB (ST16000NM002J) 和 24TB (ST24000NM002H)。博主 Andy Klein 表示:"24TB 的 Seagate 硬盘与 20TB 的 Toshiba 和 22TB 的 WDC 硬盘型号一起加入了 20TB+ 俱乐部,我们在优化现有存储服务器空间的同时,继续大幅提升存储容量。"
Backblaze 还公布了 2024 全年的故障率数据,我们也对此进行了图表展示。
Seagate 的 12TB (ST12000NM0007) 硬盘在第四季度和 2024 全年统计中都显示出最高的故障率,其 14TB (ST14000NM0138) 和 10TB (ST10000NM0086) 型号以及 HGST 的 12TB (HUH7212ALN604) 在全年故障率统计中表现同样不佳。
Klein 写道:"2024 年没有任何合格的硬盘型号实现零故障。不过,16TB 的 Seagate 型号 (ST16000NM002J) 表现接近,仅在第三季度记录到一次硬盘故障,使该硬盘 2024 年的故障率为 0.22%。"2024 年的平均故障率为 1.57%,优于 2023 年的 1.7%。Klein 预计 2025 年的故障率会更低。
Backblaze 在这一年安装了 53,337 个硬盘,每位技术人员平均每小时安装 26 个。他们追踪了过去几个季度不同容量硬盘的故障率:
10TB 硬盘的故障率最高,其次是 2024 年的 12TB 硬盘和 8TB 硬盘。Klein 表示:"8TB (灰线) 和 12TB (紫线) 硬盘的使用年限在 5-8 年之间,因此它们的整体故障率会随时间增加。"
"14TB (绿线) 和 16TB (天蓝线) 硬盘占在用硬盘的 57%,平均使用年限为 2-4 年。它们正处于最佳工作状态。因此,它们应该具有较低且稳定的故障率,从图表中可以看出确实如此。"
Klein 从另一个角度分析了各供应商的故障率:
HGST 在 2024 年攀升至这个特定榜单的顶端,故障率超过了此前表现最差的 Seagate,Toshiba 排名第二,Western Digital 提供的硬盘可靠性最高。HGST 的糟糕表现主要归因于其 12TB 硬盘。如果将这些硬盘排除在外,HGST 硬盘在 2024 年的故障率将降至 0.55%。
在展示这些独特的硬盘故障率统计数据多年后,Klein 现已退休。这些数据在其他地方都无法获得,我们应该对他的贡献表示衷心的感谢。
用于创建本报告中表格和图表的完整数据集可在 Backblaze 的硬盘测试数据页面上获取。您可以免费下载并将这些数据用于自己的目的,但必须注明 Backblaze 作为数据来源。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。