SSD的出現(xiàn)在存儲界具有里程碑的意義，尤其是在軟件定義存儲方興未艾的當下，你要是不在存儲中加上幾塊SSD，你都不好意思和友商打招呼。

Gartner報告顯示，全閃存陣列市場的整體規(guī)模將以年均37%的復合增長率持續(xù)拓展，而2020年數(shù)據(jù)中心單純利用全閃存陣列技術進行主數(shù)據(jù)的存儲比例將會達到25%，閃存技術正在收到越來越多用戶的青睞。

不過，金無足赤、人無完人，如此的SSD缺因為自身的運行機制，卻也具有了一個先天的不足，即寫入放大的問題。在2008年，Intel公司和SiliconSystems公司（2009 年被西部數(shù)字收購）次提出了“寫入放大”(Write Amplification，簡稱WA)，并在公開稿件里用到這個術語。

要了解寫入放大就要先從SSD的寫入機制說起。SSD的設計不同于機械磁盤，甚至可以認為SSD就是一個五臟俱全的小型PC。首先，因為沒有寫磁頭，在讀寫數(shù)據(jù)的時候就少了磁頭在磁道之間的尋道過程，所以也就能提供較高的IOPS性能。這里插一句，很多人認為因為少了機械磁頭的搬來搬去，會減少電量的使用，但這一點其實并不，比如有的NVMe類型的SSD在耗電量上并不比機械硬盤低。但當SSD被寫滿一遍后，再寫入數(shù)據(jù)就需要對原有的數(shù)據(jù)進行擦除（注：一般擦除的單位要比Z小寫入單位大，比如常見的寫入單位，即頁大小是4K，但常見的擦除單位，即塊大小是512K或者更高），這就額外增加了一個步驟，所以整體的速度就下來了。就像一張紙，頻繁的用橡皮擦除，紙就自燃變薄了，而寫入放大增加了SSD整體寫入的數(shù)據(jù)量，自然也就減少了SSD的使用壽命。

那到底什么是寫放大呢？

讓我們舉個例子來進行說明，假設要寫入一個4KB的數(shù)據(jù)，可是一個塊里已經(jīng)沒有干凈空間了，但是有失效的數(shù)據(jù)可以擦除，所以主控就把所有的數(shù)據(jù)搬到緩存或者OP空間，然后擦除塊，再加上這個4KB新數(shù)據(jù)寫回去，這個操作就造成了寫入放大，即本來是寫4K的數(shù)據(jù)，卻造成了整個塊（以512KB為例）的寫入操作，也就是128倍放大（當然，真實世界的SSD內部主控不會這么“傻”，但寫入放大卻是真實存在的）。

同時，原本只需要簡單的寫4KB的操作變成讀取(512KB)，擦(512KB)，改寫(512KB)，造成了延遲大大增加，寫的速度自然就慢了。當這樣的擦除過多時，也就影響了SSD的使用壽命。

所以一個有效的方法就是可以通過修改OP預留空間，以及及時清理固態(tài)硬盤中的無用數(shù)據(jù)，留出更多的空白空間，以減少多余的擦除和寫入，從而降低固態(tài)的寫入放大值，提升固態(tài)壽命，但這種方式Z大的問題是對SSD造成了浪費。

除此之外，正如我們前文說的，SSD可以看作是一個迷你型的PC，在設計SSD的時候，寫入放大問題也是主控芯片設計要考慮的主要問題之一。

SSD發(fā)展至今，本身已經(jīng)演繹出了很多具體的功能來解決寫入放大的問題，比如對齊寫、追加寫、Trim命令、垃圾回收、磨損均衡等功能機制，進而提升自身的使用壽命。

而在目前流行的軟件定義理念的趨勢下，則是通過軟件定義的方式，在主機端通過軟件控制自己的訪問行為，使之更符合SSD的特性，進而解決SSD自身硬件上的“不理性”。很多喜歡稱這種方式為Host Based（別翻譯，翻譯顯得不專業(yè)），而傳統(tǒng)使用SSD的方式，是把SSD當機械硬盤一樣用的，即 Device Based的方式。

常見的隨機寫入（Random writes）會寫入很多非連續(xù)的LBA(Logical Block Address)，將會大大提升寫入放大。

所以在使用SSD作為cache時，利用軟件定義的方式，將發(fā)往SSD的隨機IO變成順序IO，使得寫入SSD的數(shù)據(jù)都是追加寫，而不是原地更改的寫，這樣就減少了SSD的寫入放大，而對于被覆蓋寫的數(shù)據(jù)，使用Trim命令以及智能的垃圾回收機制，保證了用戶數(shù)據(jù)空間的及時高效回收。

在測試中，我們往往會遇到很多這樣的情況：在硬件配置相同的情況下，不同的軟件性能會相差很多。這其中Z主要的原因就是寫放大的問題，寫得多不如寫的準！所以，一款好的存儲軟件一定需要一個好的算法，一個好的算法一定需要盡可能的減少寫入放大。對于減少寫放大的問題還有一些其它的方法，比如靜動數(shù)據(jù)分離等等，由于篇幅有限，這里不再贅述。

在可預見的未來，搞定寫入放大者得SSD，得SSD者，得天下。

--------------------- 

作者：benfenge 

來源：CSDN 

原文：/benfenge/article/details/