Meta 发布了一篇新的博文，阐述了 QLC SSD 为何有望在数据中心得到广泛应用。这家社交媒体巨头正在推动关于用高容量 QLC NAND 固态硬盘取代老旧 HDD 甚至部分 TLC 固态硬盘的讨论。其论点是：QLC SSD 比 TLC SSD 具有更高的密度、更好的能效和更低的每 TB 成本。这些优势我们在企业存储领域已经看到，Solidigm、Pure Storage、戴尔等众多公司都已在该领域展开行动。
Meta E1.S 存储服务器
HDD 难以跟上步伐
多年来，HDD 一直是冷存储和档案存储的支柱，提供了一种（相对）便宜的方式来存储大量数据。然而，随着数据中心的规模扩大，每 TB 带宽 (BW/TB) 会下降，使 HDD 成为瓶颈。Meta 强调了这如何迫使公司过度配置或将热数据转移到 TLC SSD，而 TLC SSD 每 TB 的成本要高得多。
QLC SSD旨在弥合这一差距。QLC固态硬盘每个存储单元存储4位数据，每个NAND封装可容纳更多数据，从而以远低于TLC的价格提供更高的密度和更佳的能效。Meta认为QLC SSD在成本、容量和性能之间实现了最佳平衡，因此他们正在将其集成到自身的基础设施中。我们长期以来一直在报道QLC SSD的优势，尤其是在我们解决诸如将圆周率计算到202万亿位（创世界纪录）等大规模计算难题时。
Pure Storage、Solidigm、戴尔和 NetApp 已加入
Meta并非孤军奋战。Pure Storage多年来一直在出货基于QLC SSD的阵列，其DirectFlash Module (DFM)架构已证明QLC能够胜任主流工作负载。Solidigm公司也充分论证了QLC SSD在人工智能、读取密集型应用，甚至一些混合工作负载中的优势，其产品容量现已超过122TB。Solidigm的研究表明，用QLC SSD替代HDD可以将机架空间减少3倍，降低20%的能耗成本，并将总存储成本降低31%。
戴尔也采用了 QLC，其 PowerScale 存储系统利用该技术来提高性能和可扩展性。许多其他企业存储提供商（如 NetApp）也纷纷效仿，在其部分平台中采用了 QLC。这些实施表明，QLC 不仅适用于冷存储，它正在成为主要工作负载的真正竞争者。
QLC SSD 能处理 AI 吗？Meta 认为可以
关于 QLC 的最大疑问之一是它能否承受 AI 和 ML 工作负载。传统上，AI 训练工作负载青睐高性能 TLC 甚至超快 SCM，但 Meta 为 QLC 在 AI 推理和大规模模型存储方面提供了令人信服的案例。
AI推理服务器依赖于需要频繁更新但不一定需要高频重写的大型数据集。这使得QLC成为理想之选。TrendForce的研究也证实了这一点，指出QLC SSD非常适合读取密集型AI工作负载、内容分发网络和机器学习应用。
StorageReview 的测试进一步证实了 QLC 在 AI 存储领域的重要性。我们最近深入研究了 Solidigm 的 D5-P5336 QLC SSD 在AI 模型训练的检查点工作负载中的性能。测试表明，虽然 TLC SSD 在写入密集型环境中仍然领先，但 QLC SSD 在容量、效率和读取性能方面毫不逊色，使其成为 AI 流水线的理想选择。
Meta 似乎正在加强与 Pure Storage 的合作，其原因是其数据中心对可扩展、节能、高密度 QLC SSD 存储的需求。Meta 认为 Pure 的方法是扩大 QLC SSD 采用的更有效方法，主要是因为 DFM 技术使当前的 NAND 封装的存储容量高达 600TB。值得注意的是，Meta 并不认为 E1.S 和 E3 外形尺寸是 QLC SSD 的可扩展选项，并指出在实现大规模部署所需的密度和效率方面存在挑战。
QLC SSD 已准备好 — 企业准备好了吗？
Meta 支持 QLC SSD，这是数据中心从 HDD 和 TLC NAND 转型的重要里程碑。我们已经看到 Pure Storage、Solidigm、戴尔和 NetApp 在 QLC 上投入大量资金，随着人工智能继续推动存储需求，更多企业可能会效仿。现在真正的问题是 IT 领导者将以多快的速度实现这一转变。如果您仍在运行传统的基于 HDD 的存档或混合存储解决方案，那么是时候考虑 QLC 作为可行、经济高效的替代方案了。
Amazon