HDD与QLC SSD深度对比：功耗与存储密度的终极较量

在当今数据世界中，存储设备的选择对于整体系统性能和能耗有着至关重要的影响。硬盘HDD和大容量QLC SSD是两种主流的存储设备，而它们在功耗方面的表现是许多用户关注的焦点。

扩展阅读：

1.面对SSD的步步紧逼，HDD依然奋斗不息

2.QLC SSD在数据中心的发展前景如何？

HDD用于广泛的客户用例中的非结构化数据，而高密度闪存SSD（特别是QLC闪存）则用于读取密集型、延迟敏感的工作负载。尽管当前高密度QLC闪存SSD相对于HDD存在显著的成本劣势，但在某些工作负载下使用SSD是合理的。

从基本原理，我们先了解下HDD与SSD的差异：

• HDD是传统的机械硬盘，其基本构造包括磁盘盘片、磁头、主轴以及传动轴等。数据被存储在磁盘盘片上，而这些盘片需要上下双磁头来读取和写入数据。在读取和写入数据时，HDD的电机需要运转，磁头也需要移动到相应的数据位置，这就增加了其功耗。同时，由于HDD的机械结构，其寻道时间较长，进一步影响了其功耗和性能。

• SSD是一种基于闪存颗粒的固态存储设备，没有机械运动的部分，因此不需要电机运转带动磁头读取数据。这不仅极大地提高了存储速度，而且显著降低了功耗。

通常认知中，机械硬盘HDD有机械部件，SSD只有电子器件，应该大容量SSD的功耗偏低。然而，实际测试数据表明，认为高密度QLC闪存SSD在功耗效率方面优于HDD的观点在今天并不准确。根据读取密集型工作负载情况，HDD实际上比SSD提供19%更好的功率密度。对于写入密集型工作负载情况，HDD的优势上升到94%。

当然，这些数据会随着其他工作负载模式假设的变化而变化，并且肯定会随着未来几年SSD密度的增加而发生变化。此外，还有机柜级别（服务器和磁盘架）的密度和功耗指标以及电力成本如何影响每个客户的整体存储TCO等额外考虑因素。

上面数据计算采用的盘型号分别是：

• SSD：Micron 6500 ION 30.72 TB QLC， 5W(idle), 15W (read), 20W(write)

• HDD：Seagate Exos X22 7200rpm 22 TB HDD:， 5.7W(idle), 9.4W(active read), 6.4W(active write)

工作负载设定参数：

Workload 1: 读密集型Read-intensive

• 10% idle

• 80% read

• 10% write

Workload 2: 写密集型Write-intensive

• 10% idle

• 10% read

• 80% write

功耗密度数据计算过程：

Micron ION QLC SSD:

• Power consumption (read-intensive): (5*0.10 + 15*0.8 + 20*0.10)W = 14.5W

• Power density (read-intensive): 30.72 TB / 14.5W = 2.1 TB/W

• Power consumption (write-intensive): (5*0.10 + 15*0.10 + 20*0.80)W  = 18W

• Power density (write-intensive): 30.72 TB / 18W = 1.7 TB/W

Seagate EXOS HDD:

• Power consumption (read-intensive): (5.7*0.10 + 9.4*0.80 + 6.4*0.10)W = 8.7W

• Power density (read-intensive): 22 TB / 8.7W = 2.5 TB/W

• Power consumption (write-intensive): (5.7*0.10 + 9.4*0.10 + 6.4*0.80)W = 6.6W

• Power density (write-intensive): 22 TB / 6.6W = 3.3 TB/W

根据上面的数据，可以总结几点：

• 功耗范围：SSD比HDD大，SSD介于5W-20W，HDD介于5.7W-9.4W

• 功耗峰值：SSD在写入时的峰值功耗为20W，明显高于HDD在读取时的峰值功耗9.4W。

• 工作负载：对于读取密集型工作负载，HDD在功率密度方面具有19%的优势，对于写入密集型工作负载，HDD利用其更高效的写入功耗评级，相对于SSD获得了94%的功率密度优势。

• 功率密度：尽管SSD的容量（30.72TB）明显高于HDD（22TB），但HDD在功率密度方面仍然具有优势。

功耗的差异，在当今选择SSD或者HDD，并不是一个主要决定因素。本文仅仅基于功耗提供一种根据自身负载/数据存储需求/成本等多因素综合考虑的思路。

如果你有其他的思路和想法，欢迎评论区留言交流～