2.5 SSD 之写放大

写放大(Write Amplification Factor, WAF), 有的时候也会写成WA。

写放大最根本的原因是nand特性造成的，读写以page为单位，擦除以block为单位，不能覆盖写。

比如要写一个page H的数据，这时如果没有干净的block，需要做垃圾回收，把block x的3个有效page搬出来，擦除block x，再写入新数据。这样本来写入1个page数据，实际上却写了4个page。那写放大就是4/1 = 4。

WA = nand_bytes_written / host_bytes_written    (additional smart log中的2个参数,单位32MB)

假如是覆盖写，比如修改page B，有效数据和新的page b写入到新的block里，WA就是3。

Block大小也会影响写放大，Block越大其中的有效数据相对也会较多，因此数据搬移的也越多，写放大也就越大。

怎么减小写放大?

从公式上来看，host写入不变的情况下，只能想办法减小nand写入。

1. GC 优化，比如GC时选择垃圾多的，这样有效数据少搬移的数据就少。

还有trim功能对删除操作的通知(文件系统中设置discard)，提升GC的效率也改善了写放大。

2. WL优化，比如冷热数据的分离处理，冷数据挪到EC(erase count)值最大的block中，这样也较少了GC对冷数据的搬移次数。

3. 数据压缩，取决于controller压缩能力，比如4k数据压缩成1k，那写入nand数据不就减少4倍？

4. 调节OP，数据区比例小了，每个block中的有效数据占比也减少，做GC操作时搬移数据也就相应减少。当然这个代价是减少了可用数据区。可以看很多产品的data sheet，比如同一个SSD同样的固件，3.84TB TLC SSD DWPD 1左右，3.2TB的3左右。

5. 上层软件优化，不同应用程序或者说不同的应用负载下，WAF也会有很大的差异。比如随机的数据会比顺序写入的WAF高很多，所以应用层的优化就是尽量整合成顺序写，或者顺序占比更多些。

6. 数据对齐，比如fio测试时设置的4k对齐，有一定程度减少数据非对其造成的多余搬移。

7. FTL算法优化，包括前面说的GC/WL等，还有后台扫描，LDPC等等算法的优劣都会对WAF有一定的影响。