企业级特性

P99.9 不是平均值的延伸:尾延迟的三类来源与隔离手段

作者:军航科工半导体尾延迟 / P99.9 / QoS

QD1 平均 65 µs 说明不了服务质量。本文归纳尾延迟的三类来源——后台介质操作、读重试与热控降频,并说明多命名空间与仲裁能隔离到什么程度、测量口径要写清哪些前提。

65 µs 之外的分布

J750 的 4KB 随机读延迟标注为 QD1 平均 65 µs,写 10 µs。这两个数描述的是分布的中心,对判断服务质量帮助有限。数据库、缓存层这类应用真正关心的是 P99 与 P99.9——在 1,500 KIOPS 的随机读吞吐下,千分之一的请求也意味着每秒上千次慢响应,足以把上层的超时重试链条点着。

抖动来自哪里

  • 后台介质操作:垃圾回收的擦除与有效数据搬移会占住 Die,落在同一 Die 上的前台读请求只能排队。稳态下这是最主要的贡献项。
  • 读重试:默认读电压下 LDPC 硬判决失败时,需要换档重读甚至进入软判决,单次操作时间可能上升一个量级。发生概率随磨损程度和数据保持时间上升。
  • 功耗与热约束:J750 典型功耗 18 W、最大 22 W,持续满载时的温度控制策略会主动降低并发度,表现为整条延迟分布向右平移。

能用的隔离手段

多命名空间把不同租户或不同用途的数据分开,配合仲裁策略给延迟敏感的队列更高的服务权重;后台任务的推进速率做成可调,用带宽换确定性。X7(J790X、J795X)与 X9(J990X、J995X)之所以定位在元数据、日志、缓存层与 AI KV Cache,正是因为这类场景宁可牺牲容量密度也要把尾部压住。

测量口径要先说清

尾延迟数据只有在预处理条件被写明时才具备可比性:盘是否被完整写满两遍进入稳态、超配比例配多少、队列深度与线程数如何设置、统计窗口跑了多久。空盘上测出的 P99.9 没有意义。军航科工的企业级 SSD 平台目前处于产品定义/EVT 阶段,相关分位数指标按上述口径在内部工程平台上采集并交叉复核。

关键词
尾延迟P99.9QoS垃圾回收抖动多命名空间X9系列