Meta 發布了一篇新的博文，闡述了 QLC SSD 為何有望在資料中心廣泛應用。這家社群媒體巨頭正在推動關於用高容量 QLC NAND 固態硬碟取代老舊 HDD 甚至部分 TLC 固態硬碟的討論。其論點是：QLC SSD 比 TLC SSD 具有更高的密度、更好的能源效率和更低的每 TB 成本。這些優勢我們在企業儲存領域已經看到，Solidigm、Pure Storage、戴爾等眾多公司都已在該領域展開行動。
Meta E1.S 儲存伺服器
HDD 難以跟上步伐
多年來，HDD 一直是冷藏和檔案儲存的支柱，提供了一種（相對）便宜的方式來儲存大量資料。然而，隨著資料中心的規模擴大，每 TB 頻寬 (BW/TB) 會下降，從而使 HDD 成為瓶頸。 Meta 強調了這如何迫使公司過度配置或將熱數據轉移到 TLC SSD，而這每 TB 的成本要高得多。
QLC SSD旨在彌合這一差距。 QLC固態硬碟每個儲存單元儲存4位元數據，每個NAND封裝可容納更多數據，從而以遠低於TLC的價格提供更高的密度和更佳的能源效率。 Meta認為QLC SSD在成本、容量和效能之間實現了最佳平衡，因此他們正在將其整合到自身的基礎設施中。我們長期以來一直在報導QLC SSD的優勢，尤其是在我們解決諸如將圓周率計算到202萬億位元（創世界紀錄）等大規模計算難題時。
Pure Storage、Solidigm、戴爾和 NetApp 已加入
Meta並非孤軍奮戰。 Pure Storage多年來一直在出貨基於QLC SSD的陣列，其DirectFlash Module (DFM)架構已證明QLC能夠勝任主流工作負載。 Solidigm公司也充分論證了QLC SSD在人工智慧、讀取密集型應用，甚至一些混合工作負載中的優勢，其產品容量現已超過122TB。 Solidigm的研究表明，以QLC SSD取代HDD可以將機架空間減少3倍，降低20%的能耗成本，並將總儲存成本降低31%。
戴爾也採用了 QLC，PowerScale 儲存系統利用該技術來提高效能和可擴充性。許多其他企業儲存供應商（例如 NetApp）也紛紛效仿，在其部分平台中採用了 QLC。這些實現表明 QLC 不僅僅用於冷儲存——它正在成為主要工作負載的真正競爭者。
QLC SSD 可以處理 AI 嗎？ Meta 認為如此
關於 QLC 的最大問題之一是它是否能夠承受 AI 和 ML 工作負載。傳統上，AI 訓練工作負載青睞高性能 TLC 甚至超高速 SCM，但 Meta 在 AI 推理和大規模模型存儲方面為 QLC 提供了令人信服的案例。
AI推理伺服器依賴需要頻繁更新但不一定需要高頻重寫的大型資料集。這使得QLC成為理想之選。 TrendForce的研究也證實了這一點，指出QLC SSD非常適合讀取密集型AI工作負載、內容分發網路和機器學習應用。
StorageReview 的測試進一步證實了 QLC 在 AI 儲存領域的重要性。我們最近深入研究了 Solidigm 的 D5-P5336 QLC SSD 在AI 模型訓練的檢查點工作負載中的表現。測試表明，雖然 TLC SSD 在寫入密集型環境中仍然領先，但 QLC SSD 在容量、效率和讀取性能方面毫不遜色，使其成為 AI 流水線的理想選擇。
Meta 似乎正在加強與 Pure Storage 的合作，這是由其資料中心對可擴展、節能、高密度 QLC SSD 儲存的需求所推動的。 Meta 認為 Pure 的方法是擴大 QLC SSD 採用的更有效方法，主要是因為 DFM 技術可使用目前的 NAND 封裝實現高達 600TB 的儲存容量。值得注意的是，Meta 並不認為 E1.S 和 E3 外形尺寸是 QLC SSD 的可擴展選項，並指出在實現大規模部署所需的密度和效率方面存在挑戰。
QLC SSD 已準備好 — 企業準備好了嗎？
Meta 對 QLC SSD 的支援是資料中心從 HDD 和 TLC NAND 轉變的一個重要里程碑。我們已經看到 Pure Storage、Solidigm、Dell 和 NetApp 在 QLC 上投入了大量資金，而且隨著人工智慧繼續推動儲存需求，更多的企業可能會效仿。現在真正的問題是 IT 領導者將以多快的速度實現這一轉變。如果您仍在運行傳統的基於 HDD 的檔案或混合儲存解決方案，那麼是時候考慮 QLC 作為可行、經濟高效的替代方案了。
Amazon