漫談QLC其一：QLC定義及應用

閃存作為固態(tài)硬盤的存儲介質(zhì)，正朝著高密度低比特成本的方向不斷探索和發(fā)展，滿足存儲市場對“高容量低成本”產(chǎn)品的需求。

目前，閃存增容的主要方式有兩種，其一是結(jié)構(gòu)上，由2D NAND到3D NAND，從平面到立體，實現(xiàn)閃存容量的提升，并隨著堆疊層數(shù)的增加優(yōu)化成本，繼而適應市場需求；其二是邏輯上，提升存儲單元存儲的位數(shù)，即由僅能存儲1位數(shù)據(jù)的SLC，到存儲2位數(shù)據(jù)的MLC，直到如今能存儲4位數(shù)據(jù)的QLC，通過這種方式，提升閃存存儲容量優(yōu)化成本。

本篇推文，將以QLC為關(guān)鍵詞，漫談QLC的定義、優(yōu)勢及應用。

QLC閃存定義及優(yōu)勢

QLC全稱為Quad-Level Cell，即四層式存儲單元，指的是每個存儲單元能夠存儲4位數(shù)據(jù)，也就是4bits/cell。鑒于QLC閃存的設(shè)計，具有如下幾大突出優(yōu)勢：

更大容量，QLC相較于目前主流的TLC閃存顆粒，理論上QLC存儲密度提升了33%，在PCB趨小的當下，單顆閃存容量的提升，能夠顯著提升SSD整體的存儲容量，滿足終端客戶對于小尺寸大容量存儲器的需求。

更低成本，在同一片晶圓切割相同數(shù)量的閃存顆粒情況下，QLC閃存的存儲容量高于TLC閃存存儲容量33%左右，對比下來，QLC單位存儲容量的成本也就低于TLC閃存，具有更低成本的優(yōu)勢。

尚佳的讀取性能，鑒于QLC單位存儲單元存儲4bits的設(shè)計，并由此帶來的復雜的寫入機制，QLC閃存在寫入性能上有著先天不足的劣勢，但在讀取性能上，表現(xiàn)尚佳，能夠滿足當下眾多讀取密集型需求。

更低TCO，以QLC閃存為存儲介質(zhì)的SSD，具有更低的TCO。以常見的服務器和數(shù)據(jù)中心為例，目前主流的服務器和數(shù)據(jù)中心大都部署HDD，進行數(shù)據(jù)存儲。而相較于傳統(tǒng)的HDD，QLC SSD的TCO更低。

具體來看，TCO是一個綜合成本的考量，包括存儲密度、可靠性及功耗等都將影響整體的TCO。

存儲密度上，QLC SSD尺寸更小，在服務器機架面積不變的情況下，能夠部署更多QLC SSD，其存儲密度和總?cè)萘扛?，TCO對比下來也就更低；

可靠性上，HDD傳統(tǒng)的機械結(jié)構(gòu)設(shè)計，在長久高負載壓力下，年化故障率（AFR）高，容易發(fā)生故障導致宕機，拉高整體TCO。而QLC SSD可靠性相較于HDD往往更高，能不間斷穩(wěn)定工作；

功耗上，QLC發(fā)熱量低，服務器機房需要付出的冷卻成本相應降低，整體系統(tǒng)PUE也隨之降低，繼而降低整體TCO。因此，整體上QLC SSD在TCO上有著相當優(yōu)勢。

QLC閃存應用場景

得益于QLC具備的大容量、低成本、讀取性能尚佳和低TCO等特性，以QLC閃存為存儲介質(zhì)的SSD開始應用于以下幾大典型應用場景：

以ChatGPT為代表的智能AI大模型，隨著大模型走向多模態(tài)，從GPT3以后，篩選的數(shù)據(jù)集呈指數(shù)倍增，這些數(shù)據(jù)都需要海量大容量固態(tài)硬盤進行本地冷數(shù)據(jù)存儲，同時鑒于大模型的規(guī)模不斷增長，功耗、TCO成本等都需要考量，由此QLC SSD十分契合智能AI大模型對存儲器的多重需求。

如今流行的視頻點播、短視頻應用等也是QLC SSD大規(guī)模部署的典型應用，這些場景的突出特征便是海量數(shù)據(jù)的冷存儲，寫入數(shù)量遠小于讀取數(shù)量，幾乎95%以上的存儲命令都是順序讀??；同時由于部署的存儲器量級較大，運營部門對數(shù)據(jù)存儲的容量、功耗及成本等十分關(guān)注，而QLC SSD具備的讀取密集特性、大容量和低成本等特性，成為了該類應用的不二存儲選擇。

此外，還有諸如大數(shù)據(jù)、云存儲、人機交互HCI等大量以讀取密集型為核心的新場景新應用，也都開始部署和應用QLC SSD，充分挖掘和利用QLC閃存特性，以實現(xiàn)業(yè)務的高效、經(jīng)濟、穩(wěn)定運轉(zhuǎn)。

本文轉(zhuǎn)載自：長江存儲系統(tǒng)解決方案微信公眾號

審核編輯 黃宇