影响SSD性能的因素

　　要对SSD进行优化，首先要了解SSD的工作原理以及影响其性能的关键因素。关于SSD的工作原理和性能测量方法，今年4月在北京举行的英特尔IDF2011大会上已经介绍过了(详见《测量固态硬盘(SSD)性能的正确方法》 )，在此不再重复，本文将侧重介绍如何针对数据中心应用优化SSD性能。

　　所有SSD都有逻辑物理LBA映射系统，SSD之所以数据写入数据较快，是因为所有的数据写入(不管是顺序还是随机)都是按顺序写入NAND中的，这就节省了传统HDD的寻址换道时间，并且写入的数据都是由NAND统一进行调配。

　　所以根据以上所述的写入数据特点，并结合实际测试发现，数据写入的规模大小、排序深度以及密度等都会影响SSD的性能。由于是顺序写入，所以其写入的数据块越大，其性能越高，这与HDD的顺序写入有类似之处，但其却节省了寻址和换道时间，而这两个时间因素正是传统HDD性能的最大瓶颈。

　　通过实践证明，排序深度越深，也就越能发挥SSD的性能，因为可以在同一时间为多个闪存分配任务;同样，部署的SSD密度越高，越能发挥其性能，闪存越多，意味着可同时操作的工作越多，这与传统的内部DRAM性能影响正好相反，传统的高密度RAM存储越多，往往意味着管理越复杂，其性能将随部署密度的增加而降低。

　　另外，IO读写的结合、随机访问百分比、过量供应、平均信息量以及驱动器的优先状态都将影响SSD的性能发挥。那么如何根据数据中心的关键应用需求来优化SSD呢?下面我们将逐一介绍。

　　特性化数据以及性能优化

　　顺序性能

　　顺序性能主要取决于NAND Die的数量、与Tprog和Tread相关的速度、控制器的并发级别、本地命令排序以及数据写入规模的大小，通常写入数据规模越大，SSD性能越容易发挥。

用于混合式随机的性能优化——样本300GB Intel SSD 320 系列

样本200GB Intel SSD Codename Lyndonville

Intel SSD 320 系列 VS. Lyndonville

　　上述测试证明：带有HET的Lyndonville可以将持久性提高30倍。