每一天，存储业界销售的SSD产品总量高达数百万块，而其给人留下的大印象就是能够显著加快系统引导与应用启动速度。不过其对于全天候不停转的数据中心来说意味着什么？管理员们又需要留心SSD所带来的哪些常见问题？
考虑到上述疑问，卡耐基-梅隆大学的Justin Meza及OnurNutlu与Facebook公司的Qiang Wu及Sanjeev Kumar共同开展了一项“闪存记忆体现场故障状况大型研究”，旨在了解SSD在日常运作中的实际表现。
基本方法
Facebook公司可算是SSD方案的早期拥护者了。他们多年以来一直是Fusion-io公司——PCIe SSD产品的先驱性开发厂商——的大客户，因此他们拥有着更为深层的SSD使用经验：每天数百万块驱动器保证其具备充足的考察对象。
遗憾的是，这项研究并没能针对多家供应商分别实施。相反，此次调查只能根据部署时间对SSD加以考察，这意味着部署时间最长的SSD属于第一代设备，而时间较短的则为第二代设备。
更重要的是，该研究团队对于故障作出了自己的定义，即由不可纠正的读取错误（简称URE）所导致的数据丢失。这类故障状况并不意味着SSD设备已经彻底损坏，但是那些曾经出现过一次URE状况的SSD往往很容易再次遭遇同样的问题。
与个人用户不同，Facebook公司更倾向于使用容量大的企业级SSD产品：其最新一代方案容量可达3.2 TB。这些可绝不是那些常见于笔记本设备之上的每GB要价35美分的SATA固态硬盘。相反，它们属于经过极限配置的PCIe SSD，在设计思路方面专门考虑到了高负载循环的需要。
除此之外，由于SSD无需依靠控制器纠正内部读取错误，因此本次研究当中所发现的错误只包含那些被报告至服务器的状况。服务器有时候能够重构SSD控制器所无法处理的数据，因此我们可以将其视为设备层级的报告、而非介质层级。
研究结果
好消息是，某些人们所担心的问题其实完全并没那么夸张。坏消息是，我们忽略掉的问题往往时有出现。
温度
SSD对于工作环境的温度非常敏感——比普通磁盘驱动器更加敏感。当温度过高时，SSD的性能往往会有所缩水。因此，如果某些服务器莫名其妙地出现性能下滑，请各位管理员检查温度这一指标。
第一代SSD产品往往会在温度上升时发生故障率增加的情况，这可能是因为其缺乏对应的抑制机制所导致。部分第二代SSD则能够在高温环境下显著降低故障发生机率——当然，也有一部分第二代SSD的故障率与上代方案基本一致。
总线供电
SSD显然是一只电老虎。PCIe v2 SSD的正常运行功率一般在8瓦到14.5瓦之间，如此巨大的浮动区间以及高额功耗可能远超大家的想象。研究团队发现，当功耗水平提升时，SSD设备的故障率也会随之增高。
写入疲劳
该研究团队发现，系统级别的写入活动与SSD故障紧密相关，这很可能是因为闪存写入操作需要消耗大量电能。因此对于像日志系统这样会带来高强度写入操作的应用程序来说，普通磁盘可能会是更好的选择。
SSD故障
SSD故障——也就是前面提到过的URE——相对比较常见：报告不可纠正错误的SSD占比由4.2%到34.1%不等。事实上，上一周曾经报告过错误的SSD当中，有99.8%会在下一周再次报告错误。
生命周期与故障
SSD故障表现与磁盘驱动器不同，后者的开箱故障率较高，但接下来几年的可靠性则比较理想，并最终随着时间的推移再度呈现出高故障率态势。SSD的早期URE状况往往是由于某些存储单元被识别为存在故障，其余正常产品拥有良好可靠性，直到随时间推移由于存储单元损耗而导致故障机率增长。
数据布局
磁盘驱动器的运作效果并不会受到数据布局的显著影响——除非其中涉及大量随机搜索操作。不过SSD的情况则完全不同。
稀疏的逻辑数据布局——也就是非连续数据——会导致较高的SSD故障率，当然数据密度过高亦会产生同样的效果。
存储空间占用
这部分内容在此次研究团队的论文当中占有重要比重。我们都知道SSD在空间占用方面与磁盘驱动器存在明显差异——也就是固态与机械间的区别——但具体差异如何却不可预测。
PC SSD往往呈现出较高的错误率，但用户——包括我个人在内——却往往注意不到。而且一旦出现数据问题——就像我上周在MacBook Air的500 GB SSD当中所遇到的——我们根本不知道问题为何产生。是SSD的毛病？HFS+文件系统的问题？恶意软件？还是宇宙射线的干扰？答案很难确定。
如果大家管理着配备有SSD的服务器，那么不妨从以上方面入手进行一番探寻。此次联合研究团队以循证医学的角度对SSD特性作出了调查，并提供了独一无二的SSD实证结论。
如果大家在使用SSD的过程中有所发现或者遇到了莫名其妙的状况，也请在评论栏当中分享您的经历与心得。
热门专题
