Pure Storage对VAST/Solidigm固态硬盘与机械硬盘的白皮书进行了分析,认为设备级总拥有成本(TCO)比较并不能说明全部问题。该公司声称,其直接闪存模块在功耗和内嵌碳排放方面均优于两种替代方案。
这是因为Pure Storage的直接闪存模块(DFM)容量比固态硬盘更大,并且在系统级而非驱动器级进行管理,所需数量更少即可满足容量或吞吐量目标,因此运行耗电量更低。在内嵌碳排放方面,DFM比磁盘驱动器或商用固态硬盘都具有优势。
该公司还认为,仅计算TCO对潜在买家是不公平的,因为"云存储和归档层对于吞吐量优化型机械硬盘应用(如AWS st1、sc1等)的常见性能要求是MB/秒级别",例如10 MB/秒/TB。该公司表示这是"存储系统比较的性能目标"。
Pure Storage提供了三个电子表格式的表格。首先,它展示了机械硬盘吞吐量和每TB吞吐量如何随磁盘驱动器容量增加而变化。这里存在IO密度问题,相对于容量而言,磁盘驱动器吞吐量随容量增加而降低。Pure Storage指出问题更加严重,因为理论最大吞吐量数值在现实条件下无法实现:"考虑到现实世界的工作负载组成特征(即不是100%时间都是100%顺序读写,磁盘至少50%满载),预期吞吐量从8TB时的16 MBps/TB下降到30TB时的不足5 MBps/TB"。
基于这一观点,该公司规格化了六个理论系统,每个系统都有10MB/秒的吞吐量要求,运行10年,有效容量接近10PB。其中包括两个机械硬盘系统(使用28TB和20TB驱动器)、两个固态硬盘系统(使用15.36TB和30.72TB驱动器),以及两个Pure系统(使用75TB和150TB DFM)。所有系统都采用相同的2:1数据缩减比。
然后它计算了每个系统的总内嵌碳排放量,以及电力需求。由于必然涉及定价细节,该公司没有提供TCO计算。
系统假设磁盘驱动器寿命为5年,因此磁盘驱动器和固态硬盘需要在10年期间的中期更换,但DFM不需要,因为它们有10年保修寿命。该公司还根据年度驱动器故障率增加了一些替换驱动器采购。
如预期的那样,固态硬盘的总量高于磁盘驱动器,但Pure的DFM总量低于两者,因为它们的单驱动器容量要高得多,并且具有系统级控制器功能,而非驱动器级控制器。
Pure然后提供了相同六个系统的功耗比较表,考虑了驱动器安装在基础系统机箱和扩展机箱中的情况。
15.36TB固态硬盘系统的功耗与磁盘驱动器基本相同。30.72TB固态硬盘系统约为该水平的一半。机械硬盘(和15.36TB固态硬盘)系统比Pure的75TB DFM系统多消耗2.4倍电力,但比Pure的150TB DFM系统多消耗4.8倍电力。我们预计,一旦Pure在年底开始出货300TB DFM,这一优势将进一步增加。这也适用于内嵌碳排放数据。
Pure Storage评论道:"在系统层面,闪存不仅在速度和密度方面超越机械硬盘,在可持续性、成本和可靠性方面也表现更优。机械硬盘每TB性能的崩溃使其在许多企业需求中已经过时。闪存存储选项,特别是使用Pure Storage DFM构建的系统,与传统机械硬盘和固态硬盘系统相比,设备数量更少、能源消耗更低、内嵌CO2e排放显著降低。"
Q&A
Q1:Pure Storage的直接闪存模块有什么优势?
A:Pure Storage的直接闪存模块(DFM)容量比固态硬盘更大,采用系统级管理而非驱动器级管理,所需数量更少即可满足容量或吞吐量目标,因此运行耗电量更低,在内嵌碳排放方面也比磁盘驱动器或商用固态硬盘具有优势。
Q2:为什么机械硬盘性能随容量增加而下降?
A:存在IO密度问题,相对于容量而言,磁盘驱动器吞吐量随容量增加而降低。在现实条件下,考虑到工作负载组成特征,预期吞吐量从8TB时的16 MBps/TB下降到30TB时的不足5 MBps/TB。
Q3:Pure Storage系统在功耗方面有多大优势?
A:根据比较数据,机械硬盘和15.36TB固态硬盘系统比Pure的75TB DFM系统多消耗2.4倍电力,比150TB DFM系统多消耗4.8倍电力。30.72TB固态硬盘系统功耗约为机械硬盘的一半。
好文章,需要你的鼓励
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。