Warum fühlt sich Jellyfin auf SSD- und HDD-Speicher unterschiedlich an?

Eva Wong ist die Technische Redakteurin und und leidenschaftliche Tüftlerin bei ZimaSpace. Eine lebenslange Geek mit einer Leidenschaft für Homelabs und Open-Source-Software, sie spezialisiert sich darauf, komplexe technische Konzepte in zugängliche, praktische Anleitungenzu übersetzen. Eva ist der Meinung, dass Self-Hosting Spaß machen und nicht einschüchternd sein sollte. Durch ihre Tutorials befähigt sie die Community, Hardware-Setups zu entmystifizieren, vom Bau ihres ersten NAS bis hin zur Beherrschung von Docker-Containern.

Jellyfin fühlt sich auf einer SSD schneller an, wenn latenzempfindliche App-Daten den Workload dominieren, während eine HDD für große sequenzielle Medienzugriffe weiterhin völlig ausreichend sein kann.

Die Benutzeroberfläche, Suche, Grafiken, Datenbank, Scan-Aktualisierungen und der Transcoding-Cache greifen anders auf den Speicher zu als ein Film, der mit seiner Bitrate vorwärts gelesen wird. Eine SSD verändert hauptsächlich die Zugriffs- und Latenzzeiten sowie das Verhalten bei zufälligen I/O-Vorgängen; sie verbessert nicht automatisch einen CPU-limitierten Transcoding-Vorgang oder ein ausgelastetes Netzwerk. Bei einem sinnvollen Design wird der aktive Jellyfin-Zustand von den Kapazitätsmedien getrennt, anstatt einen einzelnen Laufwerksbenchmark als Maßstab für das gesamte Servererlebnis zu verwenden.

Der Anwendungszustand sorgt für die latenzempfindliche Benutzererfahrung

Jellyfins Datenbank, Metadaten, Grafiken, Protokolle und Konfiguration umfassen viele kleinere Vorgänge und Verzeichnisabfragen. Benutzerorientierte Aktionen wie das Öffnen einer Bibliothek, das Laden von Postern, die Suche oder die Aktualisierung des Wiedergabestatus können auf diese Vorgänge warten, sodass sich die Zugriffszeit des Geräts direkt auf die Reaktionsfähigkeit der Oberfläche auswirkt. SSDs verringern den Suchzeitnachteil, der diesen Workload auf mechanischen Laufwerken besonders teuer macht.

Jellyfins Hardware-Leitfaden empfiehlt ausdrücklich SSDs für die eigenen Dateien, da auf diese mit vielen zufälligen Zugriffen zugegriffen wird, während der Medienspeicher hauptsächlich nach seiner sequenziellen Geschwindigkeit bewertet wird. Diese Aufteilung des Speichers nach Zugriffsmuster erklärt direkt, warum das Verschieben des Anwendungszustands das Browsen verbessern kann, selbst wenn jeder Film im selben HDD-Pool bleibt.

Die Grenze liegt beim aktiven Zugriffspfad. Wenn sich die Datenbank bereits im Speicher befindet und die Anfrage keine nicht zwischengespeicherten Grafiken benötigt, trägt das Laufwerk möglicherweise nur wenig zu dieser Interaktion bei. Miss kalte und warme Zugriffe getrennt, damit der SSD-Vorteil nicht übertrieben dargestellt wird, indem ein kalter HDD-Lauf mit einem warmen SSD-Lauf verglichen wird.

Mediendateien profitieren meist stärker vom Durchsatz als von niedrigen Suchzeiten

Ein Film in Direct Play wird typischerweise in großen, fortlaufenden Blöcken gelesen, was die Stärken einer HDD wesentlich besser nutzt als ein datenbankähnlicher Zugriff mit zufälligen Zugriffen. Solange das Laufwerk den kumulierten Datenstrom mehrerer gleichzeitiger Streams mit ausreichender Reserve bewältigen kann, bringt der Austausch der Medienstufe durch eine SSD möglicherweise kaum sichtbare Verbesserungen bei der Wiedergabe. Bei großen Medienbeständen können Kapazität, Geräuschentwicklung, Stromverbrauch und die Wiederherstellungsplanung wichtiger sein.

Jellyfins Speicherdokumentation beschreibt Mediendateien als Workload mit sequenziellem Durchsatz und warnt separat davor, Serverdaten auf langsamen mechanischen Speichern abzulegen. Die Empfehlung zur Trennung von Medien- und Serverdaten unterstützt ein abgestuftes Design: Verwende Speicher mit niedriger Latenz dort, wo zufällige App-Vorgänge ihn benötigen, und behalte kostengünstigen Speicher mit hoher Kapazität dort, wo sequenzielle Lesevorgänge die erforderliche Bitrate bereits erfüllen.

Die Grenze liegt bei gleichzeitigen Suchvorgängen und ungewöhnlichen Medienzugriffen. Mehrere Streams, die unabhängig voneinander suchen, Kapitelscans, die Erstellung von Vorschaubildern oder ein anderer Dienst, der dieselbe Festplatte liest, können das nahezu sequenzielle Muster durchbrechen. Wenn der Schreib-/Lesekopf zwischen voneinander unabhängigen Anfragen wechseln muss, wird die HDD-Latenz sichtbar, obwohl die Bitrate jedes einzelnen Videos weiterhin moderat ist.

Der Linux-Seitencache kann das physische Laufwerk nach dem Aufwärmen verbergen

Sowohl Lesevorgänge von SSDs als auch von HDDs können zu Speicherzugriffen werden, sobald die benötigten Seiten im Dateisystem-Cache liegen. Deshalb können sich wiederholte Datenbankabfragen oder das Laden von Grafiken ähnlich anfühlen, obwohl sich die Leistung bei kalten Zugriffen deutlich unterscheidet. Ein kurzer Benchmark, der wiederholt auf dieselben Objekte zugreift, misst daher möglicherweise eher die Wiederverwendung von RAM als den Speicher, insbesondere auf einem Server mit ausreichend Arbeitsspeicher für den aktiven Metadaten-Working-Set.

Das Modell des Linux-Seitencaches erklärt, dass gewöhnliche Dateizugriffe Speicherseiten füllen und spätere Anfragen ohne I/O-Zugriff auf die Festplatte bedient werden können, bis diese Seiten verdrängt werden. Für Jellyfin ist die Schlussfolgerung einfach: Vergleiche die Latenz beim ersten Zugriff mit der bei wiederholten Zugriffen und protokolliere die physischen I/O-Vorgänge, bevor du jeden Unterschied bei der Reaktionsfähigkeit allein dem Speichergerät zuschreibst.

Die Grenze liegt bei der Größe des Working-Sets und beim Speicherdruck. Ein großer Katalog, mehrere Container oder strenge Speichergrenzen können benötigte Seiten verdrängen und das Gerät wieder sichtbar machen. Der SSD-Vorteil wird beständiger, wenn der aktive Metadatensatz die Cache-Kapazität wiederholt überschreitet; eine HDD kann überraschend schnell wirken, wenn sich fast alles Wichtige bereits im Speicher befindet.

Gemischte Lese- und Schreibvorgänge verstärken die Nachteile von HDDs

Die Wiedergabe kann sequenziell erfolgen, bis ein Bibliotheksscan, ein Download, eine Sicherung, ein Datenbank-Commit oder das Schreiben eines Transcoding-Segments dieses Muster unterbricht. Mechanische Laufwerke müssen einen physischen Suchvorgang ausführen, wenn der Workload zwischen voneinander unabhängigen Positionen springt, während SSDs zufällige Zugriffe mit deutlich geringerer Latenz verarbeiten. Deshalb kann ein HDD-Server nachts problemlos funktionieren und sich während eines parallel laufenden Wartungsfensters dramatisch langsamer anfühlen.

Der Pufferleitfaden von ZimaSpace beschreibt denselben Effekt bei gemischten I/O-Vorgängen: Gewöhnliche Medienzugriffe können bei geringer Auslastung problemlos funktionieren, doch Scans und schreibintensive Nachbar-Workloads erzeugen Konkurrenz und erhöhen die Latenz. Der gemischte Speicher-Workload erklärt sporadische Verzögerungen besser, als pauschal anzunehmen, jede HDD sei grundsätzlich zu langsam für Jellyfin.

Die Grenze liegt in der gemeinsamen Warteschlange. Wenn das Verschieben der Datenbank auf eine SSD die Geräte-Warteschlange nicht verändert, weil Sicherungen weiterhin denselben Medienpool auslasten, kann die Verbesserung für den Benutzer begrenzt bleiben. Trenne den Workload, der die Warteschlange erzeugt, nicht nur den Datentyp, der sich am einfachsten verschieben lässt.

Verwende einen Test zur Speicherplatzierung statt einer pauschalen SSD-Regel

Führe mit demselben Client und denselben Medien vier Messungen durch: das kalte Öffnen einer Bibliothek, das wiederholte warme Öffnen einer Bibliothek, die Zeit bis zum ersten Bild bei Direct Play sowie die Wiedergabe während eines normalen Scans oder eines schreibintensiven parallelen Workloads. Erfasse die Latenz von Datenbank und Metadaten, den Mediendurchsatz, die Geräte-Warteschlange und den Cache-Zustand. Verschiebe anschließend nur den aktiven Jellyfin-Zustand auf eine SSD und wiederhole den Test, ohne Mediendateien oder Client zu verändern.

Das Framework zur Bewertung der Speicherauslastung hilft bei der Beurteilung, ob die geänderte Speicherebene die Wartezeiten tatsächlich reduziert hat. Behalte die HDD für Medien, wenn der Durchsatz komfortabel über der kumulierten Bitrate bleibt und die Warteschlangen begrenzt bleiben. Verwende eine SSD für den Anwendungszustand, wenn die niedrigere Latenz bei zufälligen Zugriffen die kalten oder gemischten Workloads, die Benutzer tatsächlich wahrnehmen, zuverlässig verbessert.

Verschiebe nicht sämtliche Medien auf eine SSD, nur weil das Dashboard nach dem Verschieben der App-Daten schneller wird. Wechsle die Medienstufe erst dann, wenn gemessene gleichzeitige Lesevorgänge, Suchvorgänge oder gemischte I/O-Vorgänge sie auslasten. Wenn die Speichermetriken unauffällig bleiben, die Wiedergabe jedoch fehlschlägt, richte deine Aufmerksamkeit auf Transcoding, Client-Kompatibilität, Arbeitsspeicher oder das Netzwerk, anstatt für den falschen Engpass schnellere Laufwerke zu kaufen.

Datenrolle Typisches Muster Bevorzugter Test
Datenbank / Metadaten Kleine zufällige Lese- und Schreibvorgänge Latenz beim kalten Browsen und Suchen
Mediendateien Große sequenzielle Lesevorgänge Kumulierter Stream-Durchsatz
Transcoding-Cache Temporäre Segment-Lese- und Schreibvorgänge Segment-Warteschlange während der Konvertierung
Gemischte Wartung Konkurrierende zufällige und sequenzielle I/O-Vorgänge Wiedergabe während Scan oder Sicherung

Tech- & KI-Zentrum

Mehr zum Lesen

Get More Builds Like This

Stay in the Loop

Get updates from Zima - new products, exclusive deals, and real builds from the community.

Stay in the Loop preferences

We respect your inbox. Unsubscribe anytime.