Pool de SSD SATA frente a matriz de HDD para millones de archivos pequeños: ¿cuál responde más rápido?

Eva Wong es la redactora técnica y manitas residente en ZimaSpace. Es una geek de toda la vida apasionada por los laboratorios domésticos y el software de código abierto, y se especializa en traducir conceptos técnicos complejos en guías prácticas y fáciles de seguir. Eva cree que alojar servicios propios debería ser divertido, no intimidante. A través de sus tutoriales, ayuda a la comunidad a desmitificar la configuración del hardware, desde montar su primer NAS hasta dominar los contenedores Docker.

Un conjunto de SSD SATA suele ser la mejor opción cuando un NAS debe abrir directorios repetidamente, actualizar metadatos, indexar bibliotecas, sincronizar árboles de proyectos o dar servicio a muchos usuarios que trabajan con archivos pequeños. Un conjunto de discos duros suele ofrecer una mejor relación calidad-precio cuando esos archivos se almacenan principalmente, en lugar de modificarse constantemente, el conjunto de datos es muy grande y el coste de la capacidad importa más que la respuesta inmediata.

La distinción importante no es simplemente «los SSD son más rápidos que los discos duros». El almacenamiento de archivos pequeños exige mucho de la latencia, los metadatos, la profundidad de la cola, la navegación por directorios y el comportamiento del sistema de archivos. Un archivo secuencial grande puede transmitirse bien desde discos duros, mientras que una carpeta con cientos de miles de archivos diminutos puede parecer lenta incluso en una red rápida. El conjunto adecuado depende de la frecuencia con que el NAS tenga que localizar y modificar esos archivos, no solo de cuántos terabytes almacene.

La disyuntiva clave: ¿baja latencia o capacidad asequible?

Tanto un conjunto de SSD SATA como uno de discos duros pueden ofrecer redundancia, instantáneas, carpetas compartidas y acceso multiusuario. La diferencia está en lo que debe hacer cada unidad antes de que empiecen a transferirse los datos.

Un disco duro tiene que hacer girar un plato y colocar un cabezal mecánico sobre la ubicación solicitada. En una carga de trabajo con archivos grandes, esa demora se produce con relativa poca frecuencia, porque la unidad puede seguir leyendo bloques adyacentes. En una carga de trabajo con archivos pequeños, el sistema puede saltar repetidamente entre los datos de los archivos, las entradas de directorio, los permisos, las marcas de tiempo, las sumas de comprobación, los índices y otros metadatos. El número de operaciones cobra más importancia que el tamaño de cada transferencia.

Un SSD SATA no tiene movimiento mecánico de búsqueda. Aunque SATA limita el rendimiento secuencial máximo en comparación con NVMe, un SSD SATA puede procesar muchas más operaciones aleatorias pequeñas que un disco duro. Samsung indica decenas de miles de IOPS aleatorias de 4K para su familia 870 EVO, lo que ilustra por qué la interfaz puede ser «solo SATA» y aun así ofrecer una respuesta mucho más ágil que los discos giratorios en tareas con uso intensivo de metadatos. Consulta las especificaciones oficiales de rendimiento de E/S aleatoria y resistencia de los SSD SATA para ver la diferencia entre velocidad secuencial, IOPS aleatorias, consumo y TBW.

Un conjunto de discos duros responde con paralelismo. Los espejos, los vdev RAIDZ o varios espejos en bandas pueden atender más operaciones que un solo disco duro. La caché de RAM también puede acelerar mucho las lecturas repetidas. Sin embargo, añadir discos no elimina la latencia mecánica, y los diseños con paridad pueden añadir trabajo durante las escrituras aleatorias pequeñas.

Factor de decisión Grupo de SSD SATA Matriz HDD
Lecturas aleatorias pequeñas Alto rendimiento, con baja latencia de acceso Mejora con más discos y caché, pero sigue limitado por las búsquedas
Escrituras aleatorias pequeñas Ágil, sujeto a la resistencia del SSD y al comportamiento de la controladora Puede ralentizarse mucho con paridad, fragmentación o tareas simultáneas
Coste por TB utilizable Mayor Menor
Ruido y vibración Sin ruido de búsqueda ni de platos giratorios Es posible que se oigan zumbidos y búsquedas, y que el chasis vibre
Archivo grande de acceso poco frecuente Rápido, pero a menudo caro Suele ser la opción más económica
Aplicaciones, bases de datos, índices Suele ser la mejor opción predeterminada Es posible, pero el tiempo de respuesta puede empeorar con E/S simultáneas

Cuándo conviene más un grupo de SSD SATA para archivos pequeños

Un grupo de SSD SATA es la mejor opción cuando se trabaja activamente con archivos pequeños. Algunos ejemplos son los repositorios de código fuente, las carpetas de oficina sincronizadas, los archivos de correo, las miniaturas de fotos, los recursos de aplicaciones, las raíces web, los sistemas de gestión documental, los volúmenes de contenedores, los repositorios de paquetes y los conjuntos de datos con muchos archivos auxiliares.

La ventaja se nota primero en operaciones que no parecen copias de archivos convencionales. Abrir un directorio, calcular el tamaño de una carpeta, buscar nombres de archivo, comprobar permisos, detectar cambios, generar miniaturas, eliminar duplicados y ejecutar copias de seguridad incrementales pueden implicar el acceso a metadatos o bloques dispersos. Una menor latencia de almacenamiento reduce la pausa entre esas operaciones.

Un grupo de SSD SATA también puede hacer que el acceso de varios usuarios sea más constante. Copiar un archivo grande es una carga de trabajo secuencial sencilla. Diez usuarios que abren, renombran, guardan y sincronizan documentos pequeños al mismo tiempo generan una cola de operaciones distintas. Los SSD gestionan esa carga mixta con más fluidez porque no tienen que desplazar físicamente un cabezal para cada solicitud.

Los SSD SATA son especialmente sensatos cuando la red es de 1GbE o 2,5GbE. Su velocidad secuencial ya puede superar el rendimiento útil de esos enlaces, mientras que sus operaciones de E/S aleatorias siguen siendo valiosas para la navegación y las aplicaciones. Pagar por cifras de velocidad secuencial de nivel NVMe quizá no cambie la velocidad de copia de archivos remotos si el límite es la red.

La limitación es el coste de la capacidad. Un grupo redundante de SSD que almacene decenas de terabytes puede costar mucho más que un conjunto de HDD. Los SSD también tienen una resistencia de escritura limitada. Un conjunto de datos con muchos archivos pequeños que reescribe constantemente bases de datos, registros, archivos temporales e instantáneas debe dimensionarse según los valores de TBW o DWPD, en lugar de suponer que cualquier SSD de consumo es adecuado para escrituras intensivas indefinidas.

Elige el modelo de SSD y el nivel de redundancia como parte del diseño del pool, no como unidades aisladas. Igualar la capacidad y el rendimiento simplifica las sustituciones. Deja espacio libre, supervisa los indicadores SMART y de desgaste, y mantén una copia de seguridad independiente. La memoria flash elimina la latencia mecánica, pero no los riesgos relacionados con el controlador, el firmware, la NAND, los cortes de energía o los errores del usuario.

Cuándo sigue siendo mejor elegir un array de HDD

Un array de HDD sigue siendo atractivo cuando hay muchos archivos pequeños, pero casi nunca se accede a ellos. Un archivo legal, una colección de investigación histórica, un árbol de proyectos antiguos, una exportación fotográfica terminada, un repositorio de software o una copia de seguridad a largo plazo pueden contener millones de archivos sin requerir acceso interactivo constante.

Para estas cargas de trabajo, la pregunta clave es con qué frecuencia los usuarios deben enumerar o actualizar el conjunto de datos. Si el NAS escribe los archivos una vez, los verifica y rara vez vuelve a abrirlos, pagar precios de SSD por toda la capacidad puede aportar poco valor diario. Los discos duros permiten almacenar muchos más datos con el mismo presupuesto, dejando más dinero para la redundancia y las copias de seguridad.

Un array de HDD también se beneficia de la memoria. Los metadatos y los archivos pequeños de uso frecuente pueden servirse desde la RAM después del primer acceso. Por eso, un sistema con memoria suficiente puede parecer mucho más rápido al explorar los datos repetidamente de lo que sugiere una prueba en frío. Este beneficio desaparece cuando el conjunto de trabajo supera el tamaño de la caché o cuando una reconstrucción, una copia de seguridad, un indexador y la carga de los usuarios compiten por los mismos discos.

La disposición del array importa. Varios vdev en espejo suelen ofrecer más rutas de E/S independientes que un único vdev de paridad amplio, aunque sacrifican capacidad utilizable. La paridad puede ser una opción excelente para un almacenamiento que prioriza la capacidad, pero las escrituras síncronas pequeñas y la actividad intensa en metadatos pueden poner de manifiesto sus limitaciones. No existe un «mejor RAID» universal sin conocer el número de archivos, la combinación de lecturas y escrituras, la profundidad de cola y el nivel de tolerancia a fallos deseado.

Un diseño híbrido con ZFS puede reducir la diferencia sin convertir todo el pool a flash. OpenZFS documenta que un vdev especial redundante puede contener metadatos y, de forma opcional, bloques de archivos pequeños. Así, el recorrido de directorios y algunos bloques pequeños pueden trasladarse a SSD, mientras que los datos en bloque permanecen en HDD. El vdev especial no es una caché prescindible: si se pierde, puede perderse el pool, por lo que debe protegerse al menos tan bien como los vdev normales.

Para quienes aún deciden qué guardar en almacenamiento flash y qué guardar en discos, la guía de ZimaSpace sobre HDD frente a SSD para planificar el almacenamiento NAS ofrece un marco más amplio para valorar la capacidad frente a la latencia.

¿Cómo se comparan en cargas de trabajo reales con archivos pequeños?

La prueba más útil no es un único benchmark secuencial. Prueba las acciones que realizan realmente tus usuarios. Crea un árbol de carpetas representativo y mide el listado de directorios en frío y en caliente, la creación de archivos, los cambios de nombre, la búsqueda de metadatos, la generación de miniaturas, las copias de seguridad incrementales, la restauración, el análisis antivirus y el inicio de aplicaciones.

Haz también pruebas desde el lado del cliente. Un grupo de discos rápido no puede eliminar todos los viajes de ida y vuelta por archivo que generan SMB, NFS, los permisos, el cifrado y el antivirus del cliente. La guía de ZimaSpace sobre transferencias directas al NAS y cuellos de botella con archivos pequeños explica por qué una carpeta con archivos pequeños puede transferirse mucho más despacio que un único archivo de prueba grande, incluso cuando la conexión de red funciona bien.

Compara con los mismos niveles de protección. No se debe comparar un único SSD SATA con una matriz redundante de cuatro unidades HDD como si el precio y el riesgo de fallo fueran iguales. Una comparación justa usa la misma capacidad útil, el mismo nivel de redundancia, la misma cobertura de copias de seguridad y la misma ruta de red.

Carga de trabajo Mejor opción predeterminada Por qué
Repositorio de código activo y caché de paquetes Grupo de SSD SATA Operaciones frecuentes con metadatos y aleatorias pequeñas
Base de datos y miniaturas de una aplicación de fotos Grupo de SSD SATA o híbrido La navegación interactiva depende de la latencia
Millones de documentos archivados Matriz HDD La capacidad predomina cuando el acceso es poco frecuente
Repositorio de copias de seguridad incrementales Depende El SSD ayuda con los metadatos; el HDD es mejor cuando la capacidad almacenada es muy grande
Archivo mixto más aplicaciones activas Híbrido Separa el plano de capacidad del plano de actividad

Una plataforma con bahías para unidades y expansión NVMe facilita esta separación. ZimaCube 2 puede combinar la capacidad de varias unidades HDD con almacenamiento flash más rápido para aplicaciones, metadatos, índices y conjuntos de datos activos. La distribución adecuada sigue dependiendo de la redundancia, las copias de seguridad, la velocidad de la red y el comportamiento medido de los archivos.

¿Qué distribución de almacenamiento deberías elegir?

Elige un grupo de SSD SATA cuando

  • Los usuarios interactúan con los archivos pequeños todos los días.
  • La principal queja es la latencia al explorar directorios, indexar, buscar, generar miniaturas o sincronizar.
  • La capacidad útil necesaria es lo bastante modesta como para protegerla con SSD redundantes y copias de seguridad.
  • El NAS ejecuta bases de datos, contenedores, máquinas virtuales u otros servicios con muchas operaciones aleatorias de E/S.
  • Es importante que el funcionamiento sea silencioso cerca de un escritorio o una zona de estar.

Elige un conjunto de HDD cuando

  • El conjunto de datos es grande y permanece mayormente inactivo.
  • La capacidad, la redundancia y las copias de seguridad consumen la mayor parte del presupuesto.
  • Los escaneos interactivos de directorios son ocasionales, no continuos.
  • Puedes proporcionar suficiente RAM y aceptar operaciones más lentas con la caché fría.
  • El NAS puede ubicarse en un lugar donde el ruido y la vibración de las unidades sean aceptables.

Elige una configuración híbrida cuando

  • El mismo sistema almacena un archivo extenso y ejecuta aplicaciones activas.
  • Puedes ubicar bases de datos, índices, miniaturas, metadatos y archivos de uso frecuente en memoria flash.
  • Entiendes que un vdev especial de ZFS debe ser redundante y contar con una copia de seguridad.
  • Quieres la economía de los HDD sin obligar a que cada operación con archivos pequeños dependa de discos giratorios.

Lista de verificación para la compra

  • Calcula la cantidad de archivos además de la capacidad total.
  • Mide el tamaño promedio de los archivos y las tasas diarias de creación, actualización y eliminación de archivos.
  • Separa la capacidad de archivo en frío del conjunto de trabajo activo.
  • Compara la capacidad utilizable después de la redundancia, no la capacidad bruta de las unidades.
  • Comprueba la resistencia de los SSD y las clasificaciones de carga de trabajo de los HDD.
  • Prueba el comportamiento con la caché fría y caliente.
  • Mantén una copia de seguridad independiente, sea cual sea el tipo de conjunto.

Preguntas frecuentes

¿NVMe siempre supera a un SSD SATA con archivos pequeños?

No. NVMe puede ofrecer más profundidad de cola, ancho de banda e IOPS, pero un SSD SATA quizá ya elimine la latencia mecánica que domina la carga de trabajo. Si el límite está en la red, la aplicación, la CPU o la profundidad de cola de un solo usuario, la diferencia entre un SSD SATA y NVMe puede ser mucho menor que la diferencia entre cualquiera de los dos SSD y un HDD.

¿Pueden más HDD igualar el rendimiento de un conjunto de SSD?

Más HDD mejoran el rendimiento agregado y ofrecen más rutas de E/S independientes, especialmente con vdevs en espejo. No eliminan la latencia de búsqueda. Un conjunto de discos suficientemente grande puede gestionar cargas de trabajo intensas, pero normalmente requiere más unidades, energía, refrigeración, espacio y ajustes que un conjunto de SSD de capacidad moderada.

 ¿Es suficiente la caché SSD?

A veces, pero la caché solo ayuda con los datos a los que se accede repetidamente y que se conservan correctamente. Un conjunto de datos dedicado en SSD, un volumen de aplicaciones en SSD o un vdev especial diseñado correctamente ofrecen una ubicación más predecible. La caché no debe considerarse una solución universal para una carga de trabajo fundamentalmente intensiva en metadatos.

Conclusión

Elige un conjunto de SSD SATA cuando millones de archivos pequeños forman parte del conjunto de trabajo activo. Elige un conjunto de HDD cuando esos archivos son principalmente un problema de capacidad. Elige almacenamiento híbrido cuando necesitas la economía de los HDD para el archivo y la baja latencia de la memoria flash para las partes que los usuarios y las aplicaciones utilizan a diario.

Comparaciones de productos

Más para leer

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.