先看清这类负载的形状
对象存储的写入几乎全是大块顺序追加，对象一旦落盘极少原地修改，删除以整个对象为单位。这套模式对 SSD 相当友好：写入天然对齐、回收时有效页迁移量低、写放大接近 1。真正的压力在读侧——纠删码把一个对象切成 k 个数据块加 m 个校验块散布到不同节点，任何一次读取都变成对多块盘的并发小块读；一旦有分片所在节点不可用，还要额外读齐足量分片做解码重构，读放大与并发度同时上升。
耐久度可以让，随机读不能让
既然写放大低、写入以顺序为主，耐久度就不是这个场景的瓶颈，J750 规划的 1 DWPD（5 年）这一档通常绰绰有余。要守住的是随机读 IOPS 与延迟稳定性：EC 分片粒度往往在几十到几百 KB，节点侧还叠加元数据索引的小块读。这也说明了 QLC 为什么在这里站得住脚——Q7 系列的 J760Q、J760QD 以 Gen4 QLC 面向对象存储、备份与归档，让出的写入耐久恰好是这个场景最不敏感的维度，换回的是每 TB 成本的下降。Q9 的 J960Q、J960QD 同样是 QLC，但它在产品线里的定位重心是 AI 检查点与超大容量阵列，不能当作归档盘直接套用。
大容量盘的隐藏成本是重建时间
把单盘容量从 7.68TB 换到 15.36TB，机架密度翻倍，但一块盘失效后需要重建的数据量同样翻倍。重建流量要和前台业务抢带宽，重建窗口越长，窗口内发生二次故障导致数据丢失的概率越高。所以选型不能只算每 TB 成本，必须把集群的 EC 参数、可分配的重建带宽上限与目标重建时长一起代入。容量往上走，通常要同步收紧 m 值或提高重建并发度，否则密度带来的成本收益会被可用性风险抵消掉一部分。
形态与整机的匹配
存储型节点大多是高密度机箱，单机 24 盘位以上，供电与风道预算按槽位平摊。U.2/U.3 15mm 是当前存量机型的主流，J750/J770 规划的 18W 典型、22W 最大是可以按满配去估总功耗的量级；面向 OCP 云数据中心的新一代高密度节点则更多走 E1.S 与 E3.S，FLEX 9 系列的 J100S、J130S 与 J100E、J130E 正是按这条路径规划的。以上均为产品定义/EVT 阶段的规划值。在选型阶段就把整机风道能力与盘的功耗曲线放在一起验证，比事后靠温控降频兜底要划算得多——降频发生时，首先受损的是重建窗口。