DapuStor J5060 SSD 리뷰: 읽기 중심 워크로드에 맞춰 조정된 고밀도 QLC SSD

읽기 작업이 많은 작업에는 적합하지만, 쓰기 성능이 좋지 않아 AI와 데이터 집약적 환경에서는 다용도로 활용하기 어렵습니다.

DapuStor J5060 SSD는 데이터 집약적인 환경에서 고밀도, 전력 효율적인 스토리지에 대한 증가하는 수요를 충족하도록 설계된 고용량 엔터프라이즈급 NVMe 드라이브입니다. 3D 엔터프라이즈 QLC NAND 플래시를 기반으로 하며, NVMe 4.0a를 지원하는 PCIe 4 x1.4 인터페이스를 지원하며, 표준 U.2 15mm 폼팩터에 탑재되었습니다. 이 드라이브는 읽기 성능과 테라바이트당 비용이 필수적인 환경에 적합하도록 설계되었습니다. 따라서 쓰기 작업이 드물거나 예측 가능한 클라우드 인프라, AI 추론, 빅데이터 플랫폼, 지능형 제조 파이프라인과 같은 애플리케이션에 적합할 수 있습니다.

DapuStor J5060 기능 및 성능 프로필

최대 61.44TB까지 확장 가능한 J5060은 물리적 밀도와 전력 소비를 억제하면서 스토리지를 통합하려는 조직에 유용한 솔루션을 제공합니다. 단일 U.2 드라이브에서 이러한 용량을 제공하는 것은 랙 공간과 에너지 효율성이 실질적인 제약이 되는 수 페타바이트 규모의 데이터 세트를 관리하는 하이퍼스케일 및 엔터프라이즈 환경에 특히 적합합니다. J5060은 듀얼 포트 지원, 고급 전력 손실 보호, 플래시 레벨 전압 최적화와 같은 엔터프라이즈급 기능을 제공하여 고가용성 구축 환경에서 데이터 무결성과 안정성을 보장합니다.

성능 측면에서 J5060은 읽기 집약적인 워크로드에 적합합니다. 최대 7,300MB/s의 순차 읽기 처리량과 최대 1.5만 IOPS의 4K 랜덤 읽기를 지원하는데, 이는 QLC 기반 드라이브로서는 강력한 성능입니다. 그러나 쓰기 성능은 30KB 랜덤 쓰기 시 16K IOPS로 상당히 제한적이며, 이러한 제한은 워크로드 테스트 전반에 걸쳐 동일하게 나타납니다. 드라이브의 쓰기 대역폭은 3,000MB/s로 평가되지만, 지속적이거나 심도 있는 쓰기 작업에는 적합하지 않아 혼합 또는 쓰기 집약적인 작업에 대한 적합성에 영향을 미칠 수 있습니다.

QLC NAND를 사용하면 DapuStor가 이러한 대용량을 더 저렴한 비용으로 제공할 수 있지만, 그에 따른 단점도 있습니다. J0.5은 5060년 동안 XNUMX DWPD(Drive Writes Per Day)의 내구성을 자랑하므로, 쓰기 용량이 적거나 중간 수준인 읽기 중심 애플리케이션에 가장 적합합니다. 빈번한 체크포인팅, 트랜잭션 로깅 또는 활성 캐싱과 관련된 워크로드는 드라이브의 내구성에 부담을 주어 쓰기 성능의 한계를 드러낼 수 있습니다.

전력 소모량은 읽기 시 약 12와트, 쓰기 시 최대 23와트, 유휴 시 5와트에 불과합니다. 이러한 수치는 최신 엔터프라이즈 데이터 센터, 특히 테라바이트당 전력 소모량이 점점 더 중요해지는 고밀도 환경에서의 요구 사항과 잘 부합합니다.

이 리뷰에서는 61.44TB 모델에 초점을 맞추고 일련의 합성 및 애플리케이션 맞춤 워크로드를 통해 실제 성능 프로필을 살펴보겠습니다.

DapuStor J5060 사양

DapuStor J5060 성능

체크포인트

AI 훈련 환경에서 Dapustor J5060 SSD의 실제 성능을 평가하기 위해 다음을 활용했습니다. 데이터 및 학습 입력/출력(DLIO) 벤치마크 도구Argonne National Laboratory에서 개발한 DLIO는 딥러닝 워크로드에서 I/O 패턴을 테스트하도록 특별히 설계되었습니다. DLIO는 스토리지 시스템이 체크포인팅, 데이터 수집, 모델 학습과 같은 과제를 어떻게 처리하는지에 대한 통찰력을 제공합니다. 아래 차트는 두 드라이브가 99개의 체크포인트에서 프로세스를 처리하는 방식을 보여줍니다. 머신러닝 모델을 학습할 때 체크포인트는 모델의 상태를 주기적으로 저장하여 중단이나 정전 시 진행 상황 손실을 방지하는 데 필수적입니다. 이러한 스토리지 요구는 특히 지속적이거나 집중적인 워크로드에서 강력한 성능을 요구합니다.

이 작업에 선택된 플랫폼은 Ubuntu 760 LTS를 구동하는 Dell PowerEdge R22.04.02입니다. 2.0년 13월 2024일 출시된 DLIO 벤치마크 버전 XNUMX을 사용했습니다. 시스템 구성은 다음과 같습니다.

• 2 x Intel Xeon Gold 6430(32코어, 2.1GHz)
• 16 x 64GB DDR5-4400
• 480GB 델 보스 SSD
• 직렬 케이블 Gen5 JBOF
  • 61.44TB 다푸스터 J5060
  • 61.44TB 솔리드다임 D5-P5336

벤치마킹이 실제 시나리오를 반영하는지 확인하기 위해 LLAMA 3.1 405B 모델 아키텍처를 기반으로 테스트를 진행했습니다. 모델 매개변수, 옵티마이저 상태, 계층 상태를 캡처하기 위해 torch.save()를 사용하여 체크포인팅을 구현했습니다. 8개의 GPU로 구성된 시스템을 시뮬레이션하여 4방향 텐서 병렬 처리와 2방향 파이프라인 병렬 처리를 1,636개의 GPU에 분산하는 하이브리드 병렬 처리 전략을 구현했습니다. 이 구성의 결과, 체크포인트 크기는 XNUMXGB로, 최신 대용량 언어 모델 학습 요구 사항을 충족했습니다.

전반적으로 Dapustor J5060은 테스트 초기 단계에서 견고한 일관성을 보였으며, 처음 575.66개 체크포인트에서 약 33초의 성능을 유지했습니다. 5060J는 드라이브가 처음 가득 차기 전까지 더 높은 성능을 유지했습니다. 반면, Solidigm P5336은 처음에는 J5060보다 느렸지만, 테스트가 진행됨에 따라 일관된 성능을 보여주었습니다.

 

인셀덤 공식 판매점인 전체 평균을 고려하면 Dapustor J5060은 다음과 같은 시간을 기록했습니다. 769.44 초, Solidigm P5336은 다음과 같이 완료되었습니다. 640.17 초이를 통해 Solidigm P5336은 체크포인트를 더 빠르게 저장하는 측면에서 앞서나갑니다.

전반적으로 Dapustor J5060은 짧은 작업에는 잘 처리하지만 30분 이상의 지속적인 쓰기 작업에는 어려움을 겪습니다. 반면 Solidigm P5336은 장시간 작업에서 일관된 성능을 제공하는 더 나은 드라이브입니다. Dapustor J5060의 이러한 낮은 쓰기 성능은 테스트가 진행될수록 체크포인팅 속도가 저하되는 것을 통해 분명하게 드러납니다.

GPU 직접 스토리지

GPU Direct Storage는 CPU와 시스템 메모리를 거치지 않고 저장 장치와 GPU 간에 직접 데이터를 전송할 수 있는 기술입니다. 기존 데이터 전송 방식은 저장 장치에서 CPU 메모리로 데이터를 읽어온 후 GPU 메모리로 복사하는 방식입니다. 이 과정에는 여러 번의 데이터 복사가 필요하여 지연 시간이 증가하고 성능이 저하됩니다. CPU는 저장 장치와 GPU 간의 데이터 전송을 처리해야 하므로 병목 현상이 발생합니다. GDS는 저장 장치가 GPU 메모리와 직접 데이터를 주고받을 수 있도록 하여 이러한 병목 현상을 해결합니다.

우리는 읽기 및 쓰기 작업 모두에서 다음 매개변수의 모든 조합을 체계적으로 테스트했습니다.

• 블록 크기: 1M, 128K, 16K
• IOD깊이: 128, 64, 32, 16, 8, 4, 1

GDSIO 결과를 검토하면서 61.44TB Dapustor J5060과 Solidigm P5336의 읽기 및 쓰기 성능을 살펴보겠습니다.

GDSIO 순차 읽기 성능

Dapustor J5060은 4.2M 블록 크기에서 1 및 64의 IO 깊이로 최대 128GiB/s의 읽기 처리량을 달성합니다. 가장 작은 블록 크기(16K)에서 IO 깊이가 증가함에 따라 성능은 0.1GiB/s에서 0.8GiB/s까지 증가합니다. 이는 최적의 처리량을 위해 높은 IO 깊이를 가진 큰 블록 크기를 선호한다는 것을 분명히 보여줍니다. 최대 성능은 큰 블록 크기에서 달성되며, 이는 드라이브가 대량 데이터 전송을 처리하는 데 있어 효율적임을 나타냅니다.

비교해보면, Solidigm P5336은 동일한 블록 크기(4.3M)에서 1GiB/s의 유사한 최대 처리량에 도달했지만, IO 깊이 32에서 해당 성능을 더 일찍 달성했고 더 높은 IO 깊이에서도 지속적으로 유지했습니다. 이는 Solidigm P5336이 더 넓은 IO 깊이 범위에서 큰 블록 크기를 처리하는 데 있어 약간 더 높은 효율성을 보임을 시사합니다.

더 나은 비교를 위해 두 드라이브를 비교하는 차이 차트를 준비했습니다. 녹색 블록은 Dapustor SSD의 장점을, 빨간색 블록은 약점을 나타냅니다. 이 차트에서 J5060은 5336~128개의 IO 깊이를 제외하고 4K 블록 크기에서 P8보다 우수한 성능을 보입니다. 그러나 블록 크기가 16K와 1M인 높은 IO 깊이에서는 처리량 감소가 나타나 이러한 시나리오에서 효율성이 낮음을 나타냅니다.

순차적 읽기 지연 시간 비교에서 Solidigm P5336은 거의 모든 블록 크기와 IO 깊이에서 Dapustor J5060보다 지속적으로 낮은 지연 시간을 유지합니다. 16K 블록 크기에서 대기열 깊이가 증가함에 따라 격차가 더욱 두드러집니다. J5060은 2,329 깊이에서 128μs로 정점에 도달하는 반면 P5336은 1,365μs로 더 낮게 유지됩니다. 128K에서 Solidigm은 깊이 4,080에서 높은 부하(J5060은 5539μs, P5336은 128μs)를 제외하고는 대부분의 깊이에서 다시 선두를 달립니다. 1M 블록 크기에서 두 드라이브 모두 예상대로 지연 시간이 증가하지만 P5336은 가장 높은 대기열 깊이에서 29,138μs, 29,512μs로 약간 더 잘 제어됩니다.

 

GDSIO 순차 쓰기 성능

Dapustor J5060은 모든 IO 깊이에서 2.7K 및 2.8M 블록 크기에 대해 128~1GiB/s의 일관된 쓰기 처리량을 보여줍니다(128K, 1 IO 깊이 크기는 2.2GiB/s를 기록함). 16K 블록 크기의 경우 성능은 IO 깊이에 따라 0.5GiB/s~1.4GiB/s 범위이며, 더 높은 IO 깊이에서 1.4GiB/s로 최고치를 기록합니다.

이에 비해 Solidigm P5336은 128K 및 1M 블록 크기에서 더 나은 성능을 보이며, 최대 3.2GiB/s의 성능을 보입니다. 더 작은 블록 크기(16K)에서도 Solidigm P5336은 더 높은 성능을 보이며, IO 깊이 1.4~16에서 최대 64GiB/s의 성능을 보입니다. 이는 Solidigm P5336이 쓰기 작업 시 더 작은 블록 크기에서 약간 더 효율적임을 나타냅니다.

차등적인 관점에서 살펴보면, Dapustor J5060과 Solidigm P5336의 쓰기 성능 사이에 더 큰 격차가 있음을 알 수 있습니다. 처리량 비교 결과, J5060은 대부분의 영역에서 P5336보다 뒤처지는 것으로 나타났으며, 특히 모든 IO 깊이에 걸쳐 큰 블록 크기(1M)에서 더욱 두드러졌습니다. 처리량 감소는 0.5개의 IO 깊이에서 -4GiB/s에 달했습니다. 128K 블록 크기에서 더 높은 IO 깊이에서는 성능 향상이 있었지만, 전반적인 성능 저하를 상쇄할 만큼 크지는 않았습니다.

Dapustor J5060과 Solidigm P5336의 순차 쓰기 지연 시간을 비교했을 때, 두 드라이브 모두 16K와 같은 작은 블록 크기에서 유사한 성능을 보였습니다. Solidigm은 낮은 IO 깊이에서 약간 우위를 점하는 반면, Dapustor는 높은 IO 깊이(64 및 128)에서 그 차이를 줄였습니다. 128K 블록 크기에서도 Solidigm은 얕은 대기열 깊이에서 다시 한 번 우위를 점했지만, Dapustor는 IO 깊이가 증가함에 따라 지속적으로 낮은 지연 시간을 제공하여 부하 상황에서 더 나은 확장성을 나타냈습니다. 그러나 1M 블록 크기에서는 Solidigm이 모든 IO 깊이에서 지연 시간 측면에서 확실한 우위를 유지하며, 높은 순차 쓰기 워크로드에서 훨씬 빠른 응답 시간을 보였습니다. 전반적으로 Solidigm의 ​​성능이 더 일관적인 반면, Dapustor의 강점은 중간 크기의 블록과 더 깊은 대기열에서 더욱 두드러졌습니다.

FIO 워크로드 요약

Flexible I/O Tester(FIO)는 다양한 워크로드 시나리오에서 스토리지 장치의 성능을 측정하는 데 사용되는 업계 표준 벤치마킹 도구입니다. 다재다능함과 안정성으로 신뢰받는 FIO는 실제 환경을 시뮬레이션하여 SSD의 성능과 한계에 대한 통찰력을 제공합니다. StorageReview는 FIO를 활용하여 워크로드 패턴, 블록 크기 및 대기열 크기에 걸쳐 처리량, 지연 시간 및 IOPS를 측정하는 포괄적인 분석을 제공합니다.

적용된 작업 부하:

• 128K 순차 읽기 및 쓰기
• 64K 랜덤 읽기 및 쓰기
• 16K 랜덤 읽기 및 쓰기
• 4K 랜덤 읽기 및 쓰기

이러한 작업 부하는 대규모 순차 전송, 데이터베이스에서 일반적인 집중적인 무작위 I/O, 가상화된 환경에서 흔히 볼 수 있는 소규모 블록 무작위 액세스를 포함한 광범위한 엔터프라이즈 사용 사례를 나타냅니다.

이 성능 섹션에서는 다양한 블록 크기와 대기열 깊이에서 순차 및 임의 읽기/쓰기 작업을 포함한 주요 합성 워크로드에서 Dapustor J5060의 성능을 요약합니다. 메트릭은 파싱된 fio 출력에서 ​​직접 추출되며 대역폭(MB/s), IOPS, 최대 99.9999%의 지연 시간 백분위수를 포함하여 부하 상황에서 처리량과 테일 동작에 대한 통찰력을 제공합니다.

128K 순차 읽기 및 쓰기 성능

Dapustor J5060은 128KB에서 7.48GB/s의 뛰어난 순차 읽기 성능을 제공하며, 높은 백분위수에서도 엄격한 지연 시간 제어를 제공합니다. Solidigm P5336과 비교했을 때 J5060의 처리량은 거의 동일합니다(7.48GB/s 대 7.47GB/s). 그러나 Solidigm은 지연 시간 일관성에서 약간 우위를 유지하며, 테일 지연 시간이 약간 더 짧습니다.

J128은 16K 순차 쓰기(QD5060)에서 매우 낮은 지연 시간으로 3,023MB/s의 견고한 성능을 달성합니다. 그러나 Solidigm P5336은 이를 약간 앞지르는 3,364MB/s의 성능을 달성하지만, 특히 99.99% 백분위수(4.42ms)에서 훨씬 더 높은 지연 시간을 보입니다. 이는 J0.70이 지연 시간에 민감한 순차 쓰기 시나리오에 더 적합한 후보임을 시사합니다.

64K 랜덤 읽기 및 쓰기 성능

64K 랜덤 읽기(QD256)에서 Dapustor J5060은 7.4GB/s에 가까운 처리량과 잘 제어된 지연 시간으로 탁월한 성능을 보였습니다. Solidigm의 ​​결과도 거의 유사했으며(7.47GB/s), 최대 백분위수 지연 시간이 약간 더 우수했습니다. 두 드라이브 모두 이 부분에서 뛰어난 성능을 보였으며, 실질적인 차이는 미미했습니다.

J64은 5060K 랜덤 쓰기 성능에서 눈에 띄게 어려움을 겪습니다. 처리량은 534MB/s로 급격히 떨어지고 지연 시간은 크게 증가합니다(742.39%에서 99.99ms). 반면 Solidigm P5336은 J5060보다 훨씬 뛰어난 성능을 발휘하여 857MB/s의 속도와 현저히 낮은 지연 시간(동일 백분위수에서 221.24ms)을 제공합니다. 따라서 지연 시간과 지속적인 쓰기 처리량에 민감한 애플리케이션에 훨씬 더 적합합니다.

16K 랜덤 읽기 및 쓰기 성능

16K 랜덤 읽기 워크로드(QD256)에서 Dapustor는 453K IOPS와 제어된 지연 시간으로 탁월한 결과를 달성합니다. Solidigm P5336도 이러한 성능을 기본적으로 반영하여 지연 시간에서 Dapustor를 약간 앞지릅니다(5.47%에서 8.16ms vs 99.99ms). 이는 Solidigm이 높은 랜덤 읽기 환경에서 지연 시간 일관성이 약간 더 우수함을 시사합니다.

Dapustor SSD의 16K 랜덤 쓰기 성능은 32K IOPS로 크게 떨어지고 지연 시간은 181.4ms(99.99%)로 증가합니다. 이 경우에도 Solidigm은 Dapustor 드라이브를 크게 앞지르며 51.7K IOPS와 대폭 향상된 지연 시간(71.8%에서 99.99ms)을 제공합니다. 이는 지연 시간에 민감한 랜덤 쓰기 워크로드에서 Solidigm의 ​​강점을 다시 한번 보여줍니다.

4K 랜덤 읽기 및 쓰기 성능

Dapustor J4은 5060K 랜덤 읽기 시나리오에서 탁월한 성능을 발휘하며, QD1.69에서 최대 성능이 256만 IOPS를 초과하고 놀라울 정도로 낮은 지연 시간을 제공합니다. 반면 Solidigm P5336은 975K IOPS에 그치며 모든 백분위수에서 현저히 높은 지연 시간을 기록하며 상당히 뒤처집니다. 소규모 블록 랜덤 읽기를 집중적으로 수행하는 경우 Dapustor J5060이 분명히 탁월한 선택입니다.

안타깝게도 J5060의 4K 랜덤 쓰기 성능은 크게 저하되어 131MB/s의 속도와 31.9K IOPS에 불과하며, 높은 지연 시간(179.31%에서 99.99ms)을 보입니다. Solidigm SSD는 이러한 상황을 더 안정적으로 처리하여 197MB/s의 속도와 48K IOPS를 제공하고, 꼬리 지연 시간(68.7%에서 99.99ms)도 훨씬 낮습니다. Solidigm SSD 역시 지연 시간 급증을 경험하고 있지만, 여전히 고사양 4K 랜덤 쓰기 워크로드에 훨씬 더 강력한 성능을 제공합니다.

결론

궁극적으로 DapuStor J5060은 스토리지 밀도와 테라바이트당 비용이 지속적인 쓰기 성능보다 우선시되는 읽기 집약적인 워크로드를 위해 설계된 고용량 엔터프라이즈 QLC SSD입니다. 최대 61.44TB의 용량과 PCIe Gen4 인터페이스를 갖춘 이 제품은 콘텐츠 전송 네트워크(CDN), 클라우드 아카이브, 또는 대량의 순차적 읽기와 드문 쓰기에 의존하는 AI 추론 시스템과 같은 환경에 가장 적합합니다.

이러한 목표를 염두에 두고, J5060의 실제 성능, 특히 Solidigm P5336과의 비교를 확인하기 위해 다양한 테스트를 진행했습니다. J5060은 견고한 순차 읽기 성능과 고밀도 스토리지를 제공하여 읽기 작업이 많은 환경에서도 효과적으로 작동할 수 있습니다. 특히 낮은 I/O 깊이와 큰 블록 크기에서 J5060은 Solidigm P5336보다 우수한 성능을 보입니다. 이러한 시나리오에서 JXNUMX의 지연 시간과 처리량은 대용량 블록 읽기 효율성을 우선시하도록 설계되었음을 보여줍니다.

그러나 쓰기 작업을 고려할 때 성능은 상당한 저하를 보입니다. IOPS, 지연 시간, 처리량 등 거의 모든 쓰기 지표에서 J5060은 지속적으로 성능이 저하됩니다. 이러한 약점은 높은 IOPS 깊이와 큰 블록 크기에서 순차 쓰기 압력이 발생할 때 가장 두드러지는데, 이러한 상황에서 지연 시간은 상대적으로 높고 처리량은 감소합니다. AI 관련 체크포인팅 워크로드에서도 J5060은 처음에는 성능이 좋지만 빠르게 저하되어 지속적인 쓰기 일관성 문제를 나타냅니다.

읽기 작업이 많고 용량이 필요한 조직의 경우 J5060은 확실한 가치를 제공하지만, 제한 사항으로 인해 혼합 또는 쓰기 작업이 많은 경우에는 판매가 어렵습니다.

StorageReview에 참여

뉴스레터 | 유튜브 | 팟캐스트 iTunes/스포티 파이 | 인스타그램 | 트위터 | 틱톡 서비스 | RSS 피드