SSD Reliability and Protection

NAND flash 本質上是不可靠的儲存媒介，要把它變成存重要資料的 SSD，靠的是一層又一層的編碼保護。這堂課用三層架構學習 SSD 的保護：in-device 這層介紹 BCH 到 LDPC 的演進、LDPC 的 fail-slow 行為、以及用 RAIN 對抗 die 故障。cross-device 這層解釋為什麼 RAID-5 搬到 SSD 上會引發 lockstep failure，以及 Diff-RAID 怎麼用「故意不公平」把故障時間強迫錯開。cross-node 這層說明當瓶頸從容量變成網路頻寬之後，Reed-Solomon 為什麼不夠用、LRC 的 local plus global parity 怎麼用一點 overhead 換到一半的修復流量。

Pro Tip: 開啟 YouTube 中文字幕。

參考資料：

• Differential RAID: Rethinking RAID for SSD reliability
• Erasure Coding in Windows Azure Storage
• Errors in Flash-Memory-Based Solid-State Drives: Analysis, Mitigation, and Recovery
• ReadGuard: Integrated SSD Management for Priority-Aware Read Performance Differentiation

Key Concepts

我能分辨 EDC、ECC、EC 三種編碼各自的能力與用途

我理解 SSD 的三層保護架構（in-device、cross-device、cross-node），以及每一層對應的設計目標

我能說明 BCH 與 LDPC 的差異：hard decision 對 soft decision、fail-stop 對 fail-slow

我能解釋 Diff-RAID 為什麼故意不公平

我理解跨節點儲存的優化目標從「容量稀缺」變成「頻寬稀缺」

我理解 LRC 的 local + global parity 兩層設計