企業環境復雜多變，快速增長的業務需求使得企業在數據存儲規模、存儲性能和可靠性等多方面提出了越來越高的要求。SSD固態硬盤憑借極高的讀寫性能、極低延遲成為越來越多企業的首選解決方案，并在數據庫、虛擬化、應用加速、大數據、云計算乃至人工智能等領域發揮重要作用。企業級SSD往往需要在高并發、大壓力、24小時全天候運行的嚴苛環境下運行，其可靠性是企業級用戶的重點關注之一。

可靠性指的是一個部件或系統在規定的操作條件下，在特定的時間內繼續執行其預定功能的能力。對企業級SSD而言，它是非常重要的一項指標，不僅直接決定產品出貨的良率、故障率等核心指標，而且對數據可用性、一致性的保護，也起著關鍵作用。

可靠性量化指標 —— MTBF

SSD的“可靠性”通常以MTBF量化衡量。MTBF全稱Mean Time between Failures，平均故障間隔時間，即產品在總的使用階段累計工作時間與故障次數的比值。它反映了產品的時間質量，產品故障越少，MTBF越高，產品可靠性也就越高。

與消費級SSD產品相比，企業級SSD在可靠性方面面臨更高挑戰。根據OCP（Open Compute Project）給出的建議，部署于數據中心的企業級SSD MTBF平均故障間隔時間要在2,000,000小時，也是目前企業級SSD奉行的標準。但是，MTBF是需要實際跑測驗證的，不能憑空而來。按照傳統方法，要完成多次200萬小時的驗證顯然不可能。那么，這長達200萬小時的平均故障間隔時間，又是如何得到的呢？

答案是基于一定樣本量，在一定時間段內通過加速因子加速（如寫入量加速、運行環境溫度加速）進行統計推斷。過程模擬典型用戶場景，通過實測驗證理論值，提前驗收產品質量。嚴謹的跑測驗證將直接決定MTBF“可靠性指標”是否真的可靠。

MTBF 的表征時期

和大部分電子產品一樣，SSD同樣符合浴盆曲線（失效率曲線）特性，它分為三個關鍵時期：

早期失效期（Infant Mortality）

產品在剛生產好并加電使用時，因良率等因素會導致其失效率較高。為保證交付到客戶手上的SSD符合企業級可靠性標準，企業級SSD廠商會對所有生產線上的產品進行一定時長的老化跑測，以最大程度暴露產品可能的早期失效，保證客戶拿到的產品不存在早期失效問題。

偶然失效期（Random Failures or Normal Life）

這一階段對應正式出貨產品，產品失效率較低，且較穩定。產品可靠性指標MTBF所描述的就是這個時期，即產品的穩定使用階段。

磨損期（Wearout Phase）

該階段因產品磨損、老化等因素，其失效率會隨時間的延長而呈指數級增加。此時SSD宣稱壽命已經結束，雖可繼續使用，但壞塊會隨著PE的增加而加速上升，SSD的有效預留空間（OP）逐漸消耗殆盡，設備失效率提高。對企業級SSD而言，進入磨損期的產品已不建議繼續使用。

MTBF = MTTF？

在MTBF之外，你可能還聽過另外一個可靠性描述的詞——MTTF。對于一個可維護的設備來說，MTBF = MTTF + MTTR，三者關系如下：

MTTF (Mean Time To Failure，平均失效時間)：指系統兩次失效的平均時間，取所有從系統開始正常運行到發生故障之間的時間段的平均值。MTTF =∑T1/ N；

MTTR (Mean Time To Repair，平均修復時間)：指系統從發生故障到維修結束之間時間段的平均值。MTTR =∑(T2+T3)/ N；

MTBF (Mean Time Between Failure，平均無故障時間)：指系統兩次故障發生之間（包括故障維修）時間段的平均值。MTBF =∑(T2+T3+T1)/ N。

因為MTTR通常遠遠小于MTTF，所以MTBF近似等于MTTF。

MTTF理論計算公式，2,000,000小時如何而來？

最簡單的情況下，MTTF計算遵循如下公式：
其中：

Ai 為 SSD i 的加速因子；

ti 為 SSD i 的測試時間；

nf 為出現故障 SSD 的數量；

a 為置信度（confidence limit，60%）；

x2 為卡方分布（chi-squared distribution）。

上述等式中的加速因子通常分為3類：

未加速因子：A=1，通常用于固件故障；

TBW（Total Bytes Written）加速因子 ：通過增加數據寫入強度進行壽命加速；

溫度加速因子 ：通過升高測試環境溫度進行故障出現加速。

TBW (Total Bytes Written) 加速因子 

TBW是SSD壽命單位，以壽命為1.5 DWPD，用戶容量3.84TB PBlaze6 SSD為例，其5年總的數據寫入量（也就是現場部署寫入量field）為10.5 PB，對應每天數據寫入量為5.76 TB。如果增加每天的數據寫入量（加速寫入量stress），相當于加快消耗SSD壽命，可以加速故障出現。TBW加速因子計算方法如下：

假設一個用戶容量為100G的SSD，其產品規格書定義SSD壽命為175TBW，典型使用場景下可使用5年（43800個小時）。其在1008小時內寫入130TB的數據，寫放大為1.2，則TBW加速因子為32，如果短時間內寫入更多數據，則TBW加速因子也會相應提升。

溫度加速因子 

NAND因其固有特性，數據保持力會隨著溫度的升高而降低。阿倫尼烏斯公式（Arrhenius Equation）指出，在室溫 40℃ 下SSD放置 1 年（8670個小時），相當于在 85℃ 的老化室中放置 52 個小時。

JESD 22-A108定義了溫度隨時間對SSD的影響，執行高溫運行壽命（HTOL，High Temperature Operating Life）測試，可確定長時間高溫條件下SSD運行的可靠性。協議規定，如果沒有特殊要求，SSD需在 125 °C 的結溫壓力下測試。但企業級SSD一般會設計高溫保護邏輯，防止溫度過高造成NAND數據保持力下降和元器件的損壞，所以SSD的實際工作溫度不會達到125℃。

對于溫度加速因子，計算方法如下：

其中：
Ea 為失效模型的活化能 ，一般為0.7 eV；
k 為玻爾茲曼常數，8.617 x 10-5 eV/°K；
T? 為工作溫度 （標準取值為 55°C 或者 328°K）；

T? 為測試加速溫度。

MTTF計算示例

假設樣本量為 400，測試時間為 1008 小時，加速因子Ai = A(TBW) * A(T) 為10，失敗的數量為0，置信度為60%，則 MTTF = MTBF = 4,400,000小時。

注意，MTBF是和溫度嚴格相關的。這一點在OCP Datacenter NVMe? SSD Specification中也有提到：

MTBF 2,500,000小時（AFR≤0.35%），對應的SSD運行溫度為0℃~50℃；

MTBF 2,000,000小時（AFR≤0.44%），對應的SSD運行溫度為0℃~55℃。

但理論和現實總是有差距的。現實中產品意義上的MTBF測試，很難達到10倍的加速因子，TBW加速因子僅能用于測試NAND顆粒的壽命，實際測試中還需要考慮電路和物理接口等硬件部分的可靠性。而這部分，只能靠溫度來加速。實際操作中，MTBF=200萬小時的測試，需要至少用2000片樣品在加速因子作用下，跑滿1000小時以上。

MTBF 和 AFR 又是什么關系？

除了MTBF指標，還有其他可靠性量化表征指標，如故障率λ（Failure Rate）和年化故障率AFR（Annualized Failure Rate），其中AFR和MTBF又可以相互轉化。

故障率λ：SSD關鍵元器件選型時，需要確保每個元器件的故障率 λ 達標。相比故障率指標，MTBF的定義更加直接，也更適用于表現系統級的可靠性；

AFR：年化故障率，可以更好地了解在任何一年中發生硬盤故障的幾率。

MTBF 和 AFR轉化公式如下：
MTBFhours = 1/λhours
MTBFyears = 1/(λhours*24*365)
AFR = 365*24hours*λhours = 8760hours/MTBFhours

MTBF 和 AFR 的數值對應關系如下：

企業級SSD產品可靠性MTBF ≥ 2,000,000小時（@55℃），換算為年化失效率AFR ≤ 0.44%，對應FFR（Functional Failure Requirement，SSD在整個磨損壽命時間范圍內累積的功能失效率，以5年保修期為參考）≤2.2%。

Memblaze全系列企業級SSD均按照2,000,000小時MTBF @55℃ /2,500,000小時MTBF@50℃為標準，滿足55℃/50℃環境下7×24小時穩定不間斷運行要求、40℃環境下數據至少3個月斷電保持能力以及低于1E-17的UBER不可修復錯誤率。

MTBF的驗證

Memblaze自研測試平臺Whale系統

在數據可靠性技術領域，Memblaze自研了MemSolid 技術集，以保證企業級數據的一致性和可靠性。通過全路徑數據保護、LDPC軟判決解碼糾錯技術、元數據跨Channel備份保護、Die間動態RAID5恢復壞塊數據機制，以及重讀保護和過溫保護等技術，實現了PBlaze可持續的數據一致性保護，保障企業關鍵業務數據資產始終處于安全可靠的存儲環境中。

為確保出廠的SSD產品能夠滿足MTBF的標準，Memblaze運用十余年在固態硬盤領域的經驗積累，以及對用戶實際應用的理解，自主研發出MTBF測試平臺 —— Whale系統。

它參照JEDEC標準打造，適用于PCIe SSD的研發（DVT）、環境應力（EST，Environmental Stress Test）、數據保持力、生產（老化，ORT，Ongoing Reliability Testing）、RDT等測試。Whale系統預置了最接近客戶真實使用場景的測試案例，采用合理的加速因子對RDT階段產品進行長時間跑測，成為產品量產前的質量保障。

根據Memblaze的出貨量和實際故障率統計，PBlaze系列SSD的實際累計產品失效率（CFR，Cumulative Failure Rate）遠低于標稱的年化故障率。

經過十幾年在SSD行業的深耕打磨，Memblaze 已經形成從芯片、軟件、硬件、生產、出貨等各個環節的嚴密設計和嚴格的質量管控體系，能夠保證PBlaze系列企業級固態硬盤為客戶提供卓越的可靠性，也極大降低了客戶系統運行開銷（OPEX）和總體擁有成本（TCO），而Memblaze也將繼續以匠心精神，不斷打磨，不負所期！