新闻要点
美光率先在业界推出面向数据中心的四层单元 (QLC) NAND 技术;
基于 QLC 技术的美光5210 SATA SSD 正在引领数据中心从 HDD 过渡到 QLC SSD,凭借其全新容量和创新的工作负载洞察,满足通用服务器和存储的需求;
强劲的客户需求和 OEM 厂商验证,推动美光 QLC SSD 进入市场。
内存和存储解决方案领先供应商 Micron Technology Inc.(美光科技股份有限公司,纳斯达克股票代码:MU)今日发布全新容量和功能的美光 5210 ION 企业级 SATA 固态硬盘(SSD),巩固了其在 QLC 技术量产领域的领导地位。作为全球首款 QLC SSD, 美光 5210基于公司先进的 QLC NAND 技术,正迅速取代传统机械硬盘 (HDD)。
用 NAND 闪存来替代 HDD 处理性能敏感型工作负载,如 SQL 和 NoSQL 数据库、大数据和分析、对象存储和 vSAN 容量层级,使我们的客户获益匪浅。美光 5210 正在快速取代 10K HDD。与最大的10K RPM HDD 相比,美光 5210 的随机读取速度快175倍,随机写入速度快30倍,顺序吞吐量提高2倍,能效提高3倍*,并且具备令人叹服的价格竞争力。
* 基于已公布的数据手册中 1.92TB 美光 5210 SSD (70,000 IOPS) 以及 SNIA PTSe IOPS 行业标准测试结果中 2.4TB 10K 混合型 HDD (约 400 IOPS) 的数值。实际表现可能略有差异。能效比较基于数据表中的运行时平均读取速度值。
美光 5210 SSD 自两年前推出以来,获得了强劲的市场反馈,这印证了 QLC 技术在数据中心的崛起。我们自豪于推动了新兴的 QLC 数据中心应用,让客户在诸多层面获益,包括更快的速度、更低的延迟、可观的节能性及具备竞争力的价格。
美光存储产品事业部市场副总裁
Roger Peene
原始设备制造商 (OEM) 纷纷采用该产品,这也加速使行业将通用服务器工作负载从 HDD 过渡到 QLC SSD,从而提升性能、可靠性和功耗能效。
美光的 SSD 基于创新且拥有更佳耐用度的 QLC 技术,使客户能够安全地处理众多工作负载,满足了日益增长的性能和容量需求。联想 ThinkSystem 解决方案现已搭载美光 5210 QLC SSD。
联想数据中心集团数据中心基础设施业务总监
John Donovan
随着实时数据洞察和分析需求的增长,工作负载持续增加,数据中心愈发需要稳定的速度、容量、效率和可靠性,HDD 无法满足这些需求,但企业级闪存可以。美光的高密度 QLC NAND 闪存介质可在单个芯片上实现 1TB 的密度,带来 SATA 的易用性和平台连续性,同时具有 QLC NAND 的价值和速度。美光 5210 ION SSD 针对上述需求进行了优化,与 HDD 相比让企业存储更加节省投入。
全新 5210 产品动态
QLC 固件创新——作为业界首款,美光全新 QLC 定制固件缓解用户对 QLC 耐用度的担忧和工作负载限制,从而使 QLC SSD 能够可靠地取代通用服务器和存储中的HDD。
960 GB 型号——美光全新 960 GB 型号(现已全面上市)满足了客户使用更具性价比的 SATA QLC SSD 替换 900 GB 至 1.2TB 10K HDD 的强烈需求。
OEM 厂商验证——美光 5210 经过严格的测试,现已通过大多数主流服务器 OEM 厂商的验证,在供应链层面为终端客户提供众多选择,提升客户的部署信心。
VMware vSAN 认证——美光 5210 最近还通过了 VMware vSAN 认证,从而为转换全闪存 vSAN 带来极佳的性价比。
供货情况
美光 5210 ION SSD 现已量产,能通过几乎所有主流服务器 OEM 厂商、全球领先的经销商、分销商和系统供应商购买,其单价与 10K 企业级 HDD 相近。请联系您偏好的OEM 厂商获取更多信息。
如需获取有关美光 5210 ION 的更多信息,诸如产品规格,敬请访问 http://www.micron.com/5210
更多资源
工作负载白皮书和研究资源库—— 美光官方网站(micron.com) 提供 20 多份白皮书,适用于先前部署在 HDD 上的众多工作负载。包括以下重点资源:
1 小时内即可在 SQL 数据库中获取商业洞察,而在 HDD 上需要 8 小时
相较于 HDD,在 NoSQL 数据库上的每秒操作次数提升 7 倍
在 Hadoop 中执行 Sort 可节省 2 小时,且运行 TeraGen 的速度比 HDD 提高 40%
根据 Colfax Research 的测算,美光 5210使机器学习速度提高 8 倍
用 5210 HDFS 存储和 NVMe YARN 缓存,通过 Apache Hadoop 和 Spark,实现海量数据分析
全部0条评论
快来发表一下你的评论吧 !