SSDの寿命は短いですか?寿命を延ばすバランスアルゴリズム

SSDの寿命は短いですか?寿命を延ばすバランスアルゴリズム

ハードウェアによって掘られた穴は、本当にソフトウェアによって埋められるのでしょうか?実際、多くのハードウェア製品には、何らかの不満点があります。これは、特定の技術に固有の欠点である場合もあれば、不適切な設計によって引き起こされた問題である場合もあります。

こうしたハードウェアの欠陥に対処するために、業界でギャップを埋めるために最も一般的に使用されている方法はソフトウェアかもしれません。多くのメーカーは、特定のソフトウェア プログラムを通じてハードウェアの問題を修復または軽減しようとします。これは実際に機能するのでしょうか?今日は、ハードウェアのギャップを埋める有名なソフトウェア ソリューションをいくつか見てみましょう。

SSD は現在広く使用されています。コンピューターをインストールするときに SSD を使用しないと、コンピューターを理解していないと DIY プレイヤーから笑われることもあります。しかし、SSD がこれほど高い評価を得るのは普通ではありません。少なくとも初期の頃は、SSD の寿命について懸念する人が多かったのです。

SSD はフラッシュ メモリで作られており、フラッシュ メモリの消去および書き込み寿命には制限があります。たとえば、MLC フラッシュ メモリは数千回しか消去および書き込みできず、TLC フラッシュ メモリは数百回しか消去および書き込みできません。

フラッシュメモリを単に SSD に組み込むと、実際の寿命性能は非常に期待外れになる可能性があります。データの読み書き時に、読み書きが SSD のフラッシュメモリの一部に集中し、フラッシュメモリのこの部分の寿命が特に早く消費されます。フラッシュ メモリのこの部分に障害が発生すると、SSD 全体が故障します。

この不均衡な摩耗により、フラッシュ メモリの数 MB が摩耗しただけで、100 GB の SSD が完全に使用できなくなる可能性があります。数 M のフラッシュメモリの寿命を全うするには、MLC でも数十 GB のデータを消去するだけで済む場合があります。しかし、今ではそれほど簡単に故障する SSD は存在しないことは誰もが知っています。これは、SSD の特殊なソフトウェア アルゴリズムに関係しています。

SSD フラッシュ メモリの寿命欠陥を補い、SSD の寿命を最大限に延ばすために、業界では SSD のウェア レベリング アルゴリズムを導入し、すべてのフラッシュ メモリの摩耗度を可能な限り一定にしています。

SSD のウェアレベリングアルゴリズムは、動的と静的の 2 種類に大別できます。

動的アルゴリズムでは、新しいデータが書き込まれると、新しいブロックに自動的に書き込まれ、古いフラッシュ メモリは休止状態に置かれます。一方、静的アルゴリズムはより高度です。データが書き込まれていない場合でも、SSD は一部のフラッシュ メモリ ブロックが古いことを検出し、自動的にデータを割り当てて、古いフラッシュ メモリ ブロックがデータの書き込みを必要としないストレージ タスクを引き受けられるようにします。

同時に、新しいフラッシュメモリブロックのためのスペースが確保され、日常的なデータの読み取りと書き込みは新しいブロックで実行されます。このように、各ブロックの寿命損失はほぼ同じです。

このソフトウェア アルゴリズムのサポートにより、TLC フラッシュ メモリを搭載した SSD でも比較的長い寿命が得られます。

たとえば、256GB TLC フラッシュ SSD の寿命が 500 回の消去/書き込み (P/E) サイクルである場合、フラッシュ メモリが消耗するまでに 125TB のデータを書き込む必要があります。毎日 10GB のデータを書き込むとしても、フラッシュ メモリが消耗するには 30 年以上かかります。言うまでもなく、毎日 10GB のデータを SSD に書き込む人はほとんどいません。

ただし、ウェア レベリング アルゴリズムでは、メイン コントロール チップが計算を担当する必要があります。一部のフラッシュ メモリ製品にはこのアルゴリズムがまだ搭載されておらず、その結果、一部のローエンド USB フラッシュ ドライブなどの寿命が非常に短くなっています。初期の頃は、悪質な商人がウェアレベリングアルゴリズムのない偽造 USB フラッシュドライブを使用して SSD を偽装し、いわゆる「SSD」の寿命が著しく短くなっていました。 SSD は信頼性が低いという悪い評判が、これに大きく関係している可能性があります。

LCD 画面にゴーストが多く表示されますか?黒挿入アルゴリズムが役立つ

現在では LCD 画面が絶対的な主流となっていますが、初期の頃は LCD はあまり将来性のある技術ではありませんでした。 CRT やプラズマと比較すると、LCD の表示効果は明ら​​かに劣っています。最も批判される問題の 1 つはゴーストです。

ハードウェアの原理により、LCD は動画像を表示するときに液晶分子を連続的に偏向させる必要があります。

液晶分子の偏向は連続的かつ定常的なプロセスであり、瞬時に完了するものではありません。液晶分子がどれだけ速く変形しても、LCD では CRT やプラズマよりも汚れが目立つことがわかります。

高速で移動する電車やスポーツの試合中の選手など、高速で移動する物体が画像に映っている場合、ゴーストはより顕著になります。

何をするか? LCD ゴーストの問題を解決するために、黒挿入アルゴリズムが誕生しました。

いわゆる黒挿入アルゴリズムは、実際にフレーム間に黒フレームを挿入することで、LCD の定常表示を CRT やプラズマと同様のパルス表示に変換し、各フレーム間に時間差を持たせることで、残像の発生を大幅に低減します。

もちろん、これによってちらつきや暗くなるなどの副作用も生じますが、液晶分子の偏向速度を上げるよりも、LCD のリフレッシュ レートと明るさを上げる方が常に簡単であるため、黒挿入アルゴリズムは依然として実用的な価値があります。

OLED 画面は焼き付きますか?軽減するためのオフセットアルゴリズム

未来志向のディスプレイ技術である OLED は、LCD に比べて、より薄く、よりエネルギー効率が高く、コントラスト比が高く、色域が広いなど、多くの利点があります。しかし、無視できない問題、つまり画面の焼き付きも生じます。現在人気のiPhone Xでも、OLED画面を使用した後に画面の焼き付きが発生する問題があり、これはAppleも公式に認めています。

iPhoneXはOLED画面を採用しており、焼き付き現象については説明ページにも記載されています。

画面の焼き付きは確かに OLED の最も厄介な問題の 1 つであり、OLED の表示原理と密接に関係しています。

従来の LCD 画面とは異なり、OLED は液晶ピクセルを照らして発光させるバックライト モジュールに依存しません。代わりに、OLED の各ピクセルはそれ自体で発光できます。

これにより、光漏れの防止、コントラストの向上など、多くの利点がもたらされますが、ピクセルごとに発光時間が異なるという問題があります。頻繁に/まれに光るピクセルは減衰が速く/遅くなり、その明るさは他のピクセルとは大幅に異なります。

これらのピクセルの明るさはより速く/より遅く減衰し、特定の領域がより暗くなった/より明るくなったという直接的な知覚が観察されます。これが「画像残像」または「画面の焼き付き」です。

[[212816]]

画面の焼き付きに対処するにはどうすればいいですか? OLED 発光ピクセルの寿命を延ばして、使用中に輝度の低下を感じないようにする方法もありますが、これは困難であり、コストが高すぎます。こうして、画面の焼き付きを防ぐオフセットアルゴリズムが誕生しました。

OLED 画面の焼き付きをソフトウェアで解決する 1 つのアイデアは、固定画像の表示を減らすことです。 Samsung は OLED 画面の使用に関して豊富な経験を有しており、OLED 画面の焼き付きを防ぐための独自のソフトウェア アルゴリズムを備えています。

OLED 画面を搭載した多くの Samsung スマートフォンでは、同じピクセルが長時間発光したり非発光したりしないように、仮想ボタンなど、画像が頻繁に表示される位置が定期的にシフトされます。これにより、画面の焼き付きをある程度回避できます。

同様の仕組みが iPhone X にも存在します。以前、誰かが iOS 11 ファームウェアのロックを解除し、Apple が OLED 用の焼き付き防止プログラムも設定していることを発見しました。さらに、iOS には Android のような仮想ボタンはありません。iPhone X はジェスチャー操作を採用しており、画面の焼き付きの可能性が大幅に減少することは間違いありません。

しかし、OLED 画面の焼き付きを防ぐソフトウェア アルゴリズムでは、OLED が焼き付きを起こさないことを完全に保証することはできず、Apple 自身もそう明言していません。

ハードウェアの制限により、OLED 画面の焼き付きは依然として完全に回避するのが難しい問題となります。ただし、ソフトウェアの最適化と正しい使用習慣により、画面の焼き付きを大幅に軽減したり、発生を防止したりすることができます。OLED 画面を使用するメーカーがさらに増え、画面の焼き付き防止アルゴリズムが追加されることを期待しています。

多くの人の印象では、通常の使用であれば、CPU はコンピュータのコンポーネントの中で最も問題が発生する可能性が低いはずです。しかし、CPU 自体の設計が適切でない場合は、かなり頭を悩ませることになります。実際、AMD のように、CPU の設計にバグがあっても消費者市場に参入したケースもあります。

AMD の第 1 世代 Phenom プロセッサは、Intel の Core プロセッサに対抗するという重要な任務を担っていました。このプロセッサは、3 レベル キャッシュ設計を初めて採用し、AMD ファンに大きな期待を寄せていました。

残念ながら、最初にリリースされた B2 ステップ Phenom には TLB バグがありました。 TLB はメモリと CPU キャッシュを接続するブリッジです。バグのある Phenom プロセッサでは、CPU がページ テーブルを読み取るときに TLB によってエラーが発生し、クラッシュなどが発生します。

バグが発生した場合は修正する必要がありますが、CPUを工場に返送して再処理することは困難です。どうすればよいでしょうか?そこで AMD はソフトウェアを使用して問題を解決しました。

AMD は新しい BIOS をリリースし、Win システム用のパッチも提供しました。使用される方法に関係なく、その機能はページ テーブルまたは CPU キャッシュの特定のセクションをブロックすることです。

確かにバグは回避できますが、パフォーマンスも低下します。このソフトウェア修復ソリューションは、一時的な対策に過ぎず、実際には完璧ではないと言えます。

その後、AMDはB3ステッピングのPhenomプロセッサを発売し、ハードウェアの修正によりこの問題を完全に解決しました。ステッピング変更後のCPUも9X00から9X50に名前が変更され、このパッチの重要性が示されています。

要約する

確かにソフトウェアは多くのハードウェアの欠陥を補うことができますが、今回は完全にギャップを埋めることはできません。たとえば、AMDのPhenomはハードウェアを変更することによってのみ問題を完全に解決でき、OLEDのオフセット表示アルゴリズムは画面の焼き付き問題を解決できません。

新しい技術には確かに独自の利点がありますが、一部の新しいハードウェアは新しい問題ももたらします。メーカーがユーザーエクスペリエンスを真に考慮し、より良い製品を生み出すことを願っています。

<<:  Python の基礎: FP 成長アルゴリズムの構築

>>:  研究室から生活まで、人工知能はどこまで進化しているのでしょうか?

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

...

AIのヒット曲:主人公はプログラマー、作曲家は気を散らされている

米国の著作権法では「人間」という言葉はほとんど使われておらず、この問題を扱った訴訟は歴史上ほとんど起...

...

オープンソースAIとプロプライエタリAIの戦い

IBM と Meta のパートナーおよび協力者には、AMD、Intel、NASA、CERN、Hugg...

人工知能による雇用促進

近年、人工知能は急速に発展し、新たな科学技術革命と産業変革を主導する中核的な原動力となり、人類の生産...

マッキンゼーは、2030年までに1億人の中国人が転職に直面し、世界中で8億人がロボットに置き換えられると予測している。

最近、マッキンゼー・グローバル研究所は水曜日に発表した報告書の中で、技術の進歩により、将来世界で約3...

ディープラーニングベースの対話状態追跡のレビュー

[[408715]] 1. はじめに1.1 研究の背景インターネットと個人用スマート端末の普及と幅広...

テクノロジーファイナンスからスマートファイナンスまで、民生銀行の革新的な人工知能の応用をご覧ください

[51CTO.comからのオリジナル記事] 「インターネット+」から「インテリジェンス+」まで、革新...

機械学習: Python でベイズ分類器をゼロから実装する

ナイーブ ベイズ アルゴリズムはシンプルで効率的であり、分類問題を扱う際に最初に検討すべき方法の 1...

AIが材料科学に革命を起こす! Google DeepMindの新しい研究がNatureに掲載され、一度に220万の新素材を予測した。

たった 1 つの AI を使って、人類が生み出すのに 800 年近くかかった知識を獲得しました。これ...

エヌビディアのCEOが主権的AIインフラの必要性を訴える

人工知能(AI)ブームにより、Nvidiaの株価は史上最高値に達した。 Nvidia の GPU は...

推奨システムにおけるTensorFlowの分散トレーニング最適化の実践

著者 | Yifan、Jiaheng、Zhengshao などMeituan の高度にカスタマイズさ...

BATのアルゴリズムエンジニアにまた拒否された

[[186071]]今日、私は BAT のアルゴリズム エンジニアに再び拒否されました。はい、お読み...

人工知能の応用: 病気を予測し治療を改善する 3 つの新しい方法

医療における AI の興味深い応用例の 1 つは、治療が患者に及ぼす潜在的な影響を予測することです。...

オープンソースモデル「幻覚」はより深刻です。これは3段階の幻覚検出キットです

大規模モデルには、幻覚を生成するという致命的な問題が長い間存在していました。データセットの複雑さによ...