分析结果的可靠性要求分析数据

SSD数据可靠性问题分析

几个月前，我阅读并整理了脸书和谷歌近年来发表的几篇关于SSD故障分析的文章。谷歌在2020年的FAST大会上发布了《生产中的闪存可靠性:预期和意外》。本文基于六年来收集的数据，对固态硬盘的可靠性进行了科学的研究，比较了固态硬盘和硬盘的可靠性差异。2015年，脸书发布了“现场闪存故障大规模研究”，根据大数据的方法对闪存故障进行了长期分析。事实上，这种科学研究会提出一些关于SSD在企业中应用的难题:SSD能否安全地部署在特定的数据管理中心？为了更好地在数据管理中心大规模部署固态硬盘，我们还必须做些什么？

在谷歌的科学研究中，对UE(不可纠正的错误)进行了深度的科学分析。大家都知道NANDFlash不靠谱，经常出错。使用时很可能会遇到误码。这是正常的。尤其是15nm工艺及其TLC/QLC营销推广，使得NANDFlash的误码问题越来越严重。SSD的一个关键工作职责就是纠正这个位错误，让不可靠的NANDFlash变成可靠的SSD存储盘。

然而，虽然SSD拥有强大的BCH或LDPC编解码模块，以及其RAIN和其他杂项数据维护系统，但像UE这样的错误是难以避免的。Flash产生故障，可根据ECC、RAIN或固件处理。这种错误称为可纠正错误，属于透明错误的范围，不容易对 *** 作造成危害。SSD内部系统无法处理的错误，那么这种错误可能会对业务流程造成危害，这种错误称为UE，属于非透明错误的范围。Google根据4年的数据显示，20%(20~63%)的固态硬盘遇到UE，这类UE主要表现为坏扇区；在业务流程层。与硬盘相比，3.5%的传统硬盘会在32个月内遇到坏扇区。这意味着SSD在数据部分破坏方面将远远高于HDD，大致如下:

除了观察部分破坏的故障，客户还会继续更关心SSD的整盘破坏。根据谷歌的科研数据，四年内，SSD磁盘的替代率为4~10%，而传统机械硬盘的年替代率为2~9%。从这个角度来看，SSD的故障更换率远低于HDD。这主要表现在，SSD一旦发布，其替代率低于硬盘，可以大大简化运维服务。

根据错误的实际类型，从图中可以看出，就非透明错误而言，绝大多数错误是不可纠正的错误，即在实际 *** 作读取时发现坏扇区，导致数据丢失。而且在大规模部署的情况下，这种失误造成的危害还是很严重的。

除了分析SSD磁盘对外开放的主要部分及其整体故障，Google还分析了SSD数据可靠性的因素。危及SSD数据可靠性的因素如下:

1、固态硬盘磨损

2.固态硬盘的技术类型(MLC、TLC)

3.制造和加工技术

4.使用时间(年龄)

5.温度

有趣的是，SSD的数据可靠性与使用时间有关，而不仅仅是使用期限。如果一个板块长期存放没有应用，那么这个板块的数据失败率比新开盘的楼高。如下图所示:

对于一个新升级的老盘，经过长期存储，SSD内部NANDFlash导致的故障保持十位数上升。也说明SSD的数据可靠性与时间有关。此外，不同的制造工艺也会对SSD的数据可靠性造成关键伤害。下图比较了不同NAND类型及其制造工艺的数据可靠性:

综合来看，从Google的统计分析数据可以发现，SSD的故障实体模型相对于HDD发生了关键性的变化。SSD比HDD好；在整个磁盘故障级别；然而，在部分故障水平，固态硬盘的重大故障率高于硬盘。因此，在大规模部署SSD的情况下，顶层系统软件仍然必须考虑SSD存储的容错纠错机制，避免SSD中的数据丢失。因为SSD故障实体模型的转变，顶级手机软件的容错纠错机制也必须进行调整，纳入很多SSD故障的问题。