SSD可靠性影响因素、原理和解决方法

闪存技术对大家来说，已经不是什么新鲜技术。但每个技术从出现到广泛应用，都需很长的时间跟现有技术进行博弈，最终通过实践才能深得用户的认可。闪存就是一个典型的例子。用户在欣喜闪存高性能的同时，也对可靠性、擦写次数和故障率等问题充满担忧。所以，笔者觉得非常有必要通过以下几点，谈谈闪存这方面的问题，缓解大家的疑虑和担忧。

闪存介质为什么会有擦写寿命的限制？

闪存介质中，保存数据的基本单元被称为Cell。每个Cell通过注入、释放电子来记录不同的数据。电子在Cell中进出，会对Cell产生磨损；随着磨损程度的增加，Cell中的电子出现逃逸的概率会不断增加，进而导致Cell所保存的数据出现跳变。(举个例子，某个Cell最开始保存的二进制数据是10，一段时间后再读取该Cell，二进制数据可能就变成了11)。

因为闪存中保存的数据有一定的概率出现跳变，因此需要配合ECC算法(Error-Correcting Code)来使用。

写入数据时，ECC引擎基于原始数据计算出冗余数据，并将原始数据和冗余数据同时保存。

读取数据时，原始数据和冗余数据一并被读出，并通过ECC引擎检查错误并纠正错误，最终得到正确的原始数据。

闪存所保存的数据出现跳变的数量，随着擦写次数的增加而增加。当擦写次数达到一定的阈值后，闪存中保存的数据出现跳变的数量会增大到ECC引擎无法纠正的程度，进而导致数据无法被读出。这个阈值就是闪存的最大擦写次数。

LDPC算法为什么可以提升闪存的擦写寿命？

闪存所保存的数据，在保存一段时间后，会出现跳变；且出现跳变的数量，随着擦写次数的增加而增加。因此，SSD内部需要有ECC引擎进行数据检错和纠错。

在SSD领域，当前标准的ECC算法是BCH算法(该算法以三位作者的名字首字母命名)，可以满足绝大多数SSD的纠错需求。闪存介质所宣称的最大擦写次数，就是基于BCH算法来给出的。

但随着TLC介质和3D NAND的普遍应用，同样的数据块，其寿命末期的出错率将会大大增加，BCH编码的纠错能力显得非常无力，这也使得LDPC纠错算法在SSD领域有了用武之地。

LDPC算法是一个纠错能力很强的算法(相比BCH，可以纠正更多的数据跳变)，复杂度较高，最早应用于通信行业。

1963年Gallager的一篇名为<Low Density Parity Check Codes>的论文详细描述了该算法思想，从此LDPC就此诞生，LDPC 编码已经广泛应用于光通信、卫星通信、通信等领域，可以说是一套非常成熟的纠错算法。

SSD的高性能是如何体现的？

存储系统的性能主要体现在两个指标上，一个是IOPS代表每秒存储处理的IO数量，另一个是时延代表存储接收到IO之后处理的速度。

上表为SSD和传统HDD的性能对比，我们可以看出无论从IOPS还是从时延角度SSD均远远好于HDD。

从IOPS角度一块SSD提供的IOPS，需要60块左右高性能HDD才能达到相同的IOPS，但是从时延角度SSD的低时延是HDD无法提供的。

听说SSD写几千次就坏了，这是真的吗？

当然这不是真的。SSD在处理数据写入时，每次都写到新的物理地址，从而使得所有的闪存物理空间被均匀使用。

举个例子，假设一块600GB的SSD，其闪存介质写次数为1万次，那么该SSD可以写入的数据总量达到6PB (600GB*10000)。

而业界对大量企业级硬盘的研究数据显示，应用在企业级环境中的硬盘，整个生命周期的写入数据总量是有限的。假设以单盘写入小于200TB为例，这意味着这块600GB的SSD磁盘，可以使用近十年以上。

所以，即便SSD所采用的闪存介质只能写入几千次或者几万次，但是将闪存做成SSD之后，完全满足企业级应用的需求。

SSD寿命由哪些因素所决定？

SSD的寿命一般是指其所使用的闪存颗粒可以承受的磨损寿命。SSD内部的其他器件不会成为整盘寿命的限制或瓶颈，一般不会成为寿命的短板。为了延长SSD磨损寿命，大多数厂商采用如下方法。

1、提供冗余(Over Provisioning)。举个例子，一块100GB容量的SSD，其内部的闪存颗粒的物理容量是大于100GB，企业级SSD一般可以达到128G或者更多，超出的那部分就被称为冗余。

2、采用较好的部件。如更好的颗粒、更好的控制芯片等。举例，SLC闪存颗粒的最大擦写次数优于MLC，而MLC又优于TLC。

SSD的寿命与所采用的闪存冗余度、颗粒类型和器件也有很大关系，所采用闪存的冗余越大，寿命越长。采用闪存的颗粒类型越好，寿命越长。采用控制芯片纠错能力越强，寿命越长。

SSD寿命并非单纯取决于闪存的类型，而是多个因素综合作用的结果。通过充裕的容量冗余、强力的LDPC纠错算法，可以满足各种企业级应用需求。

导致SSD发生故障的原因一般有哪些？

导致SSD的故障原因主包括闪存介质故障、硬件故障、软件故障等。相比HDD，SSD没有机械部件，因此对运行环境各方面的要求更低，满足HDD正常运行的环境完全可以满足SSD正常运行，并且在如在地铁、舰船等振动环境下，SSD更能发挥其稳定可靠地优势，保持业务稳定运行。

SSD故障后数据是否可以恢复？

SSD和HDD虽然技术原理有所不同，但是在多数故障场景下，可以通过排除故障点，对故障SSD的数据进行部分或全部恢复。这一点上SSD与HDD相类似。

1、当闪存介质失效时，如果SSD内部出现了部分闪存介质失效，进而导致SSD故障，那么此时与HDD内部磁碟发生了物理伤害的情况是类似的，可以对故障部分进行隔离，进而恢复其他数据。
2、当其他硬件失效时，如果SSD出现了除闪存介质之外的其他硬件器件失效，进而导致SSD故障，那么可以通过替换失效的硬件器件，对数据进行部分或全部恢复。
3、当SSD发生软件故障时，软件故障可以通过升级软件来恢复部分或全部数据。
4、针对数据安全擦除，实际上不属于SSD故障。在对SSD执行了全盘安全擦除后，数据无法恢复，SSD的数据安全擦出不必像HDD一样必须物理销毁。