引言
SSD是目前商用服务器上非常流行的存储介质，因此，作为软件开发人员，需要了解的SSD基本原理，以便开发时能更好地发挥其优势，规避其劣势。本文总结了作为软件开发人员需要了解的SSD基本原理，全文组织结构如下：
- SSD的读写速度
- SSD内部芯片的简单存取原理
- SSD的读写特性
- SSD的over-provisioning和garbage-collection
- SSD的损耗均衡控制
- SSD的写放大问题
SSD的读写速度
首先，从软件开发人员作为SSD的用户角度来讲，首先需要了解的是SSD和普通HDD的性能对比，如下：
先来看顺序读和顺序写
其中，Seagate ST3000DM001是HDD，其他的都是SSD。从上述两图中可以看出，HDD的顺序读速度差不多为最慢的SSD的一半，顺序写稍微好点，但也比大部分慢一倍左右的速度。
再来看随机读和随机写
可以看出，HDD的随机读的性能是普通SSD的几十分之一，随机写性能更差。
因此，SSD的随机读和写性能要远远好于HDD，本文接下来的几个小节将会讨论为什么SSD的随机读写性能要远远高于HDD？
备注：本小节测试数据全部来自于HDD VS SSD。
SSD内部芯片的简单存储原理
SSD内部一般使用NAND Flash来作为存储介质，其逻辑结构如下：
SSD中一般有多个NAND Flash，每个NAND Flash包含多个Block，每个Block包含多个Page。由于NAND的特性，其存取都必须以page为单位，即每次读写至少是一个page，通常地，每个page的大小为4k或者8k。另外，NAND还有一个特性是，其只能是读或写单个page，但不能覆盖写如某个page，必须先要清空里面的内容，再写入。由于清空内容的电压较高，必须是以block为单位。因此，没有空闲的page时，必须要找到没有有效内容的block，先擦写，然后再选择空闲的page写入。
在SSD中，一般会维护一个mapping table，维护逻辑地址到物理地址的映射。每次读写时，可以通过逻辑地址直接查表计算出物理地址，与传统的机械磁盘相比，省去了寻道时间和旋转时间。
SSD读写特性
从NAND Flash的原理可以看出，其和HDD的主要区别为
- 定位数据快：HDD需要经过寻道和旋转，才能定位到要读写的数据块，而SSD通过mapping table直接计算即可
- 读取速度块：HDD的速度取决于旋转速度，而SSD只需要加电压读取数据，一般而言，要快于HDD
因此，在顺序读测试中，由于定位数据只需要一次，定位之后，则是大批量的读取数据的过程，此时，HDD和SSD的性能差距主要体现在读取速度上，HDD能到200M左右，而普通SSD是其两倍。
在随机读测试中，由于每次读都要先定位数据，然后再读取，HDD的定位数据的耗费时间很多，一般是几毫秒到十几毫秒，远远高于SSD的定位数据时间(一般0.1ms左右)，因此，随机读写测试主要体现在两者定位数据的速度上，此时，SSD的性能是要远远好于HDD的。
对于SSD的写操作，针对不同的情况，有不同的处理流程，主要是受到NAND Flash的如下特性限制
- NAND Flash每次写必须以page为单位，且只能写入空闲的page，不能覆盖写原先有内容的page
- 擦除数据时，由于电压较高，只能以block为单位擦除
SSD的写分为新写入和更新两种，处理流程不同。
先看新写入的数据的流程，如下：
假设新写入了一个page，其流程如下：
- 找到一个空闲page
- 把数据写入到空闲page中
- 更新mapping table
而更新操作的流程如下：
假设是更新了page G中的某些字节，流程如下：
- 由于SSD不能覆盖写，因此，先找到一个空闲页H
- 读取page G中的数据到SSD内部的buffer中，把更新的字节更新到buffer
- 把buffer中的数据写入到H
- 更新mapping table中G页，置为无效页
- 更新mapping table中H页，添加映射关系
可以看出，如果在更新操作比较多的情况下，会产生较多的无效页，类似于磁盘碎片，此时，需要SSD的over-provisioning和garbage-collection。
SSD的over-provisioning和garbage-collection
over-provisioning是指SSD实际的存储空间比可写入的空间要大，比如，一块可用容量为120G的SSD，实际空间可能有128G。为什么需要over-provisioning呢？请看如下例子：
如上图所示，假设系统中就两个block，最终还剩下两个无效的page，此时，要写入一个新page，根据NAND原理，必须要先对两个无效的page擦除才能用于写入。此时，就需要用到SSD提供的额外空间，才能用garbage-collection方法整理出可用空间。
garbage collection的整理流程如上图所示
- 首先，从over-provisoning的空间中，找到一个空闲的block
- 把Block0的ABCDEFH和Block1的A复制到空闲block
- 擦除Block 0
- 把Block1的BCDEFH复制到Block0，此时Block0就有两个空闲page了
- 擦除BLock1
有空闲page之后，就可以按照正常的流程来写入了。
SSD的garbage-collection会带来两个问题：
- SSD的寿命减少，NAND Flash中每个原件都有擦写次数限制，超过一定擦写次数后，就只能读取不能写入了
- 写放大问题，即内部真正写入的数据量大于用户请求写入的数据量
如果频繁的在某些block上做garbage-collection，会使得这些元件比其他部分更快到达擦写次数限制，因此，需要某个算法，能使得原件的擦写次数比较平均，这样才能延长SSD的寿命，这就需要下面要讨论的损耗均衡控制了。
SSD损耗均衡控制
为了避免某些block被频繁的更新，而另外一些block非常的空闲，SSD控制器一般会记录各个block的写入次数，并且通过一定的算法，来达到每个block的写入都比较均衡。
以一个例子，说明损耗均衡控制的重要性：
假如一个NAND Flash总共有4096个block，每个block的擦写次数最大为10000。其中有3个文件，每个文件占用50个block，平均10分钟更新1个文件，假设没有均衡控制，那么只会3 * 50 + 50共200个block，则这个SSD的寿命如下：
大约为278天。而如果是完美的损耗均衡控制，即4096个block都均衡地参与更新，则使用寿命如下：
大约5689天。因此，设计一个好的损耗均衡控制算法是非常有必要的，主流的方法主要有两种：
- dynamic wear leveling
- static wear leveling
这里的dynamic和static是指的是数据的特性，如果数据频繁的更新，那么数据是dynamic的，如果数据写入后，不更新，那么是static的。
dynamic wear leveling的原理是记录每个block的擦写次数，每次写入数据时，找到被擦除次数最小的空block。
static wear leveling的原理分为两块：
- 每次找到每擦除次数最小的可用block
- 当某个block的擦除次数小于阈值时，会将它与擦写次数较高的block的数据进行交换
以一个例子来说明，两种擦写算法的不同点：
假如SSD中有25%的数据是dynamic的，另外75%的数据是static的。对于dynamic wear leveling方法，每次要找的是擦除了数据的block，而static的block里面是有数据的，因此，每次都只会在dynamic的block中，即最多会在25%的block中做均衡；对于static算法，每次找的block既可能是dynamic的，也可能是static的，因此，最多有可能在全部的block中做均衡。
相对而言，static算法能使得SSD的寿命更长，但也有其缺点：
- 算法逻辑更复杂
- 在写入时，可能会移动数据，导致写放大，降低写入性能
- 更高的能耗
SSD写放大
最后，我们分析一下SSD的写放大问题，一般由如下三个方面引起：
- SSD读写是以page为单位的，如果更新page中的部分数据，也需要写整个page
- SSD的garbage collection中，会在block间移动数据
- SSD的wear leveing中，可能也会在block间交换数据，导致写放大
通常的，需要在其他方面和SSD的写放大之间做权衡，例如，可以减少garbage collection的频率来减少写放大问题；可以把SSD分成多个zone，每个zone使用不同的wear leveling方法等等。
总结
个人理解，使用SSD时，我们需要考虑如下情况：
- 需要充分利用其随机读写快的特性
- 尽可能在软件层面更新小块数据，减轻SSD写放大问题
- 避免频繁的更新数据，减轻SSD写放大及寿命减少的问题，尽可能使用追加的方式写数据
PS:
本博客更新会在第一时间推送到微信公众号，欢迎大家关注。
