数据读取速度达1.5G/s,UFS 2.1存储技术曝光

目前最快的是苹果NVME,当然UFS2.1也不差

iPhone6siPhone6s Plus在硬件的规格上有了很大的提升,但是它们身上的变化远没有苹果在发布会上所提到的A9处理器、1200万摄像头以及3D Touch那么简单,内存升级到2GB LPDDR4苹果就只字没提到,其实这两台手机上有着更大的秘密,它们的存储设备既不是eMMC也不是UFS规范,而是NVMe。

Anandtech透过深度发掘手机内的系统文件,发现iPhone 6s所用的是型号为AP0128K的苹果SSD,而2015版MacBook上所用的SSD型号为AP0256H,这两者在命名上很相似。

他们发现iPhone 6s上的SSD用的不是传统eMMC所用的SDIO接口,而是PCI-E,这个PCI-E也不电脑上的那个,是基于MIPI M-PHY物理层的PCI-E,使用NVMe接口协议,UFS规范走的也是PCI-E物理层同样是MIPI M-PHY,不过接口协议是SCSI。

一般来说现在智能手机都是使用eMMC规范的闪存存储装置,今年三星在Galaxy S6系列手机上推行了UFS 2.0规范的存储装置后手机的闪存读写性能获得显著提升,大幅抛离其他手机,现在苹果要在iPhone 6s系列手机上使用的NVMe则更是电脑上用的最新规范。

从iFixit拆解iPhone 6s和iPhone 6s Plus的照片上来看,上面闪存也只有一颗,没看到控制器,可以推断这个芯片其实已经整合了控制器以及NAND Flash,Anandtech读出了他们所测的机器上的闪存内部信息,NAND型号是1Y128G-TLC-2P,也就是说使用1Y nm工艺的TLC NAND,容量为128GB。

下面是iPhone 6s的闪存性能测试,大家来感受一下NVMe的威力:

连续读取速度是402MB/s,远远抛离上代产品

连续写入速度为164MB/s,比上一代产品翻了一翻

4K随机读取速度为22.5MB/s,比上代也有大幅提升,不过没三星的Galaxy S6强

4K随机写入速度为2.2MB/s,也较iPhone 6有很大提升,不过手机与平板这项表现都偏弱

手机等移动设备的硬件发展可谓日新月异,仅几年的时间,处理芯片已经从单核发展到了八核,屏幕分辨率从960x540发展到了2K,运行内存也从1GB发展到了6GB。其实对于手机硬件狂飙猛进的发展现象还是比较好理解的,毕竟我们对手机运行速度有着较高的要求。

实际上,除CPU、GPU、运行内存等核心硬件会影响手机的性能外,闪存(ROM)也是影响手机处理速度的重要部件。毕竟闪存决定着手机读写数据的速度,手机闪存读写速度越快,手机安装或者启动APP以及存放文件的速度也就越快。

手机的闪存的内部构造与U盘和SSD的差异不太,同样具备了NAND(存储数据的MLC/TLC闪存颗粒)以及负责控制数据传输和闪存磨损平衡的主控IC,只是因为手机内部空间有限(寸土寸金),两者是终被封装到同一块芯片内。

然而,小到掉到地板也不好捡的手机闪存,在近几年来也有着突飞猛进的发展。譬如,手机闪存的eMMC标准规格从eMMC 4.4发展到eMMC 4.5,读取速度实现翻番达到200MB/s。然后,很快又进入了eMMC 5.0时代,读写速度再次翻番达到400MB/s。

接着,在去年初的时候迎来最新的eMMC5.1,理论带宽达到600MB/s。这时eMMC标准规格已经基本榨干,搅局者UFS 2.0便开始亮相。

进入UFS 2.0时代,读写速度提升300%

相较于eMMC的闪存,UFS 2.0的闪存采用了新的标准,其使用的是串行界面,支持全双工运行,能够同时读写数据(eMMC是半双工,读写必须分开执行)。

因此,在读写速度上面,UFS 2.0会领先eMMC一大截,譬如UFS 2.0闪存读写速度最高可达到1400MB/s,是eMMC 5.0的3倍。

三星在15年初最早在Galaxy S6上使用了UFS 2.0内存,目前,包括高通骁龙821/820、三星Exynos 8890等旗舰芯片都已经支持UFS 2.0,UFS 2.0已经逐步普及到各种旗舰机型上。

除了三星外,东芝和海力士也已经能够生产UFS2.0,相信UFS 2.0的全面普及将很快来临。

值得一提的是,UFS 2.0的闪存除了读写速度有着巨大优势,其功耗也有着较为理想的表现。

同时,虽然UFS 2.0满载时的功耗功率比eMMC的高,但其待机功耗只有eMMC的一半左右,而且UFS 2.0可以更快地完成操作而切换到待机状态,因此其综合功耗水平与eMMC的差不多。

UFS 2.0没对手?苹果还跑在前头

实际上,UFS 2.0目前并非没有对手,而其强敌就是苹果。

苹果使用的移动闪存方案借鉴了MacBook固态存储的方案,非常前瞻性地引入了NVMe协议,而且支持TLC/SLC混合缓存加速。相较传统的SCSI接口协议,NVMe协议具有高效率、低负载的特性,因此性能更高而且低延时。

实际的读写测试结果显示,iPhone6s Plus的内存数据读取速度明显比Galaxy S7的UFS 2.0闪存快,而且iPhone 6s Plus的内存数据写入速度是Galaxy S7的UFS 2.0闪存的2.65倍。

不过,在随机读写速度方面,iPhone 6s Plus的闪存却被UFS 2.0扳回了一城,但整体来看,iPhone 6s Plus的闪存连续读写速度还是遥遥领先UFS 2.0。

PS:最新的iPhone7使用的依然是NVMe存储,性能相比于iPhone 6s没有太大变化,只有一些正常波动,整体水平依然远胜安卓阵营。

不急,UFS 2.1才是大杀器!

尽管目前UFS 2.0的闪存被苹果压制着,但其还有很大的提升空间。实际上,UFS 2.0共有两个版本,其中一个是HS-G2,也就是目前的UFS 2.0。

然而,另个一个版本则为HS-G3,可以称为UFS 2.1,其数据读取速度将飙至1.5G/s,也就是目前UFS 2.0的两倍。

由于UFS 2.1具有更快的数据读写速度,相信其很快就会代替UFS 2.0,成为主流的闪存方案。如果,UFS 2.1得以普及,我们手机运行速度以及文件存放速度将会有明显的提升,而且留给开发者的开发空间将更大。因此,UFS 2.1技术的商用是目前行业关注的集点。

据悉,三星计划在今年内投产UFS 2.1闪存,而且也有可能是首家采用该闪存的厂商。此外,还有消息称华为计划在今年内发布的麒麟960处理器也将支持UFS 2.1,而且新机也有可能率先使用UFS 2.1的闪存。

时间: 2024-11-04 10:09:56

数据读取速度达1.5G/s,UFS 2.1存储技术曝光的相关文章

DataContext 数据在F5刷新频繁,会出现数据读取错误

DataContext是 Linq to sql数据模型的底层数据库对象所有LInq数据表对象都是由它派生的, 只要建立一个数据库操作,就建立一个datacontext当然,可以用静态的Datacontext,但不推荐,所以datacontext对象在频繁调用时,会出现数据错误问题, 在使用datacentext对象时候,它会生成数据缓存,也就是为了提高数据读取速度,它会将数据库对象进行缓存,或者返回IQueryable结果集,使数据查询结果持续到需要select的时候, 解决方法:建立一个数据

pytorch数据读取

pytorch数据读取机制: sampler生成索引index,根据索引从DataSet中获取图片和标签 1.torch.utils.data.DataLoader 功能:构建可迭代的数据装在器 dataset:Dataset类,决定数据从哪读取及如何读取 batchsize:批大小 num_works:是否多进程读取数据,当条件允许时,多进程读取数据会加快数据读取速度. shuffle:每个epoch是否乱序 drop_last:当样本数不能被batchsize整除时,是否舍弃最后一批数据 D

160304、mysql数据库插入速度和读取速度的调整记录

需求:由于项目变态,需要在一个比较短时间段急剧增加数据库记录(两三天内,由于0增加至5亿).在整个过程调优过程非常艰辛 思路: (1)提高数据库插入性能中心思想:尽量将数据一次性写入到Data File和减少数据库的checkpoint 操作.这次修改了下面四个配置项: 1)将 innodb_flush_log_at_trx_commit 配置设定为0:按过往经验设定为0,插入速度会有很大提高. 0: Write the log buffer to the log file and flush

OleDbDataReader快速数据读取方式

查询得到OleDbDataReader后,有三种方式支持数据读取,如下: //方法一**速度中等 OleDbDataReader reader = command.ExecuteReader(); while (reader.Read()) { var t1 = reader[0]; } //方法二**速度最慢 OleDbDataReader reader = command.ExecuteReader(); while (reader.Read()) { var t1 = reader["字段

GPS数据读取与处理

转自:http://www.cnblogs.com/emouse/archive/2013/05/29/3105745.html GPS模块简介 SiRF芯片在2004年发布的最新的第三代芯片SiRFstar III(GSW 3.0/3.1),使得民用GPS芯片在性能方面登上了一个顶峰,灵敏度比以前的产品大为提升.这一芯片通过采用20万次/频率的相关器提高了灵敏度,冷开机/暖开机/热开机的时间分别达到42s/38s/8s,可以同时追踪20个卫星信道.是目前市场上应用最为广泛,同时性价比也非常高的

python 字典dict和列表list的读取速度问题, range合并

python 字典和列表的读取速度问题 最近在进行基因组数据处理的时候,需要读取较大数据(2.7G)存入字典中,然后对被处理数据进行字典key值的匹配,在被处理文件中每次读取一行进行处理后查找是否在字典的keys中,以下两段代码的效率差别非常大: 第一段: if(pos in fre_dist.keys()):newvalue= fre_dist[pos] 第二段: if(pos in fre_dist):newValue=fre_dist[pos] 在处理3万条数据时,第二段代码的速度是第一段

大数据技术之_19_Spark学习_02_Spark Core 应用解析+ RDD 概念 + RDD 编程 + 键值对 RDD + 数据读取与保存主要方式 + RDD 编程进阶 + Spark Core 实例练习

第1章 RDD 概念1.1 RDD 为什么会产生1.2 RDD 概述1.2.1 什么是 RDD1.2.2 RDD 的属性1.3 RDD 弹性1.4 RDD 特点1.4.1 分区1.4.2 只读1.4.3 依赖1.4.4 缓存1.4.5 CheckPoint第2章 RDD 编程2.1 RDD 编程模型2.2 RDD 创建2.2.1 由一个已经存在的 Scala 集合创建,即集合并行化(测试用)2.2.2 由外部存储系统的数据集创建(开发用)2.3 RDD 编程2.3.1 Transformatio

hdparm命令 硬盘读取速度压力测试

准备工作: 知识点:硬盘在读写在过程中部分数据通过buffer和cache缓存在内存中从而提高读写速度,hdparm对两种缓存做了区分 -T cache 缓存 -t buffer 缓存 安装:hdparm yum install hdparm  //  直接yum安装即可138k的样子,很小巧 hdparm -h  查看帮助信息,此处演示最常用的压测命令 ------------------ # hdparm -t /dev/sda //测试buffer缓存情况下硬盘读速度 /dev/sda:

DataReader对象(数据读取)

DataReader对象提供了一个只进只读的数据读取器,用于从查询结果中读取数据,它每次仅能读取一行数据. [常用属性]: FieldCount:获取当前行的列数: HasRows:表明查询结果中是否还存在未被读取的数据. [常用方法]: Close:关闭SqlDataReader对象: GetName:获取指定列的名称; Read:使SqlDataReader前进到下一条记录. [使用DataReader对象对数据库进行查询操作步骤]: 1.创建Connection对象: 2.打开数据库连接: