本报告基于Backblaze云存储平台上用作存储服务器引导盘的固态硬盘（SSD）的数据。在此环境中，这些SSD既用于启动存储服务器，又用于存储存储服务器生成的日志文件和临时文件。
针对本次报告，将分析这些盘的季度和终身故障率，并在此过程中提供对数据的观察和分析。此外，还将首次研究SSD盘失效的平均寿命，以及SSD盘的故障率与普遍存在的浴盆曲线的拟合情况。
2023年年中SSD季度数据回顾
截至2023年6月30日，存储服务器中共有3144个SSD。与2022年SSD年度报告中报告的2558个SSD相比，这个数字有所增加。首先呈现并探讨过去两个季度（2023年第一季度和第二季度）的季度数据。
观察与解读
季度数据：每个表格的数据都对应于特定的季度。也就是说，硬盘故障和硬盘工作日的数量包括所指定的季度，即2023年第一季度或第二季度。硬盘计数截止到每个季度的最后一天。
新增硬盘：自上一份SSD报告，即截止到2022年第四季度的报告之后，统计数据新增了238个SSD。其中，Crucial（型号：CT250MX500SSD1）以110个新增硬盘的数量领先，其次是62个新的WDC硬盘（型号：WD Blue SA510 2.5）和44个Seagate硬盘（型号：ZA250NM1000）。
年化故障率（AFR，Annualized Failure Rates）异常高：部分硬盘的AFR故障率看似异常高。Seagate型号SSDSCKKB240GZR的AFR怎么可能超过800%？在这个案例中，第一季度开始时有两个硬盘，其中一个不久后安装失败，因此导致了高AFR。而在第二季度，剩下的一个硬盘未出现故障，AFR为0%。哪个AFR是有用的呢？在这种情况下，都不适用，因为没有足够的数据来得出可靠的结果。对于任何给定的硬盘型号，在开始考虑计算出的AFR是否“合理”之前，至少有100个硬盘和10000个硬盘工作日在一个季度内。为了完整性，报告包括了所有的硬盘型号，因此在对AFR进行严格评估之前，请在关注AFR时留意硬盘数量和硬盘工作日。
季度内年化故障率的变化
在任何给定季度，数据可能会因硬盘的老化和故障的随机性等因素而波动，从而导致年化故障率（AFR）升高或降低。第一季度，AFR为0.96%，而第二季度，AFR为1.05%。下图展示了过去三年内这些季度故障率与之前季度的关系。
AFR在0.36%和1.72%之间波动，那么季度故障率有何意义呢？它们就像煤矿里的警示鸟一样重要。例如，2021年第一季度的AFR（0.58%）在2021年第二季度上升了1.51%，然后在2021年第三季度上升到1.72%。随后的调查显示，其中一个硬盘型号是上升的主要原因，而该型号已被停止使用。
有时会发生特定硬盘型号与环境不兼容，因此会调整甚至移除该型号硬盘，尽管它不如数据硬盘对于系统耐用性来说那么关键，但仍需确保引导硬盘正常运行，以便收集每天捕获的硬盘/服务器/库数据。
Backblaze内部数据应用策略
根据收集到的数据制作了季度、年度和终身统计图和表格。另外，每天都会为内部使用制作类似的图和表格。通常情况下，会为每个硬盘型号制作一个图，但在下面的示例中，将几个SSD型号合并成一个图。
在内部使用的“最近”时间段为60天。这与公开的季度性报告不同。无论哪种情况，像上面的图一样，都可以快速发现需要进一步调查的趋势。例如，在图中，Micron SSD的最近结果表明可能需要深入分析图背后的数据。
通过收集、存储和持续分析硬盘统计数据，能够主动维护系统的耐用性和可用性目标。如果没有硬盘统计数据，将倾向于过度配置系统，因为将无法看到硬盘故障的随机性，这将直接影响到这些目标。
深入了解更多SSD统计数据
多年来，在季度硬盘统计报告中，已经研究了除季度和终身故障率之外的其它指标。许多这些指标也适用于SSD。下面，将首次查看其中两个：SSD故障的平均寿命以及SSD故障与浴盆曲线的相关性。在这两种情况下，数据集都很小，但随着监控的SSD数量继续增加，这些数据集是一个很好的起步。
SSD的平均故障寿命
之前，曾计算过系统中硬盘故障的平均寿命。在初步的计算中，这个寿命约为两年零七个月。这是一个很好的基准，但需要进一步分析，因为计算中使用的许多硬盘型号仍在使用中，因此其中一些可能会失败，潜在地影响平均值。
将同样的计算应用于已经发生故障的SSD集合，并建立一个可以继续工作的基线。第一步是确定到目前为止有的63个失败的SSD的SMART_9_RAW值（开机时间或POH）。虽然这不是一个很大的数据集，但它可以作为起点。一旦收集到这些信息，计算出已经发生故障的SSD集合的平均故障寿命为14个月。考虑到整个SSD群体的平均寿命仅为25个月，那么随着仍在运行的SSD平均寿命的增加，应该预期会发生什么呢？下表查看了三个具有合理数量数据的硬盘型号。
正如在表中所看到的，随着正在运行的硬盘（正常工作的硬盘）的平均寿命增加，失败硬盘的平均寿命也在增加。换句话说，可以合理地预期，随着整个SSD群体的老化，SSD故障的平均寿命也会增加。
SSD故障是否符合浴盆曲线
此前，曾绘制硬盘故障随时间的图表，以确定它们是否符合可靠性工程中使用的经典浴盆曲线。下面，使用SSD数据来评估SSD故障是否与浴盆曲线相符。
尽管每个季度实际SSD故障曲线（蓝线）略显波动，但趋势线（二次多项式）确实呈现出明显的浴盆曲线形状。趋势线与数据的拟合度约为70%，因此对曲线的可靠性不能过分自信。然而，考虑到有限数据量，看到SSD故障逐渐与已验证的浴盆曲线相符令人感到惊讶。
SSD终身年化故障率
截至2023年6月30日，存储服务器中共有3144个SSD。以下表格基于截至2023年第二季度结束时仍在使用的驱动器型号的终身数据。
观察与解读
终身年化故障率（AFR）：终身数据累积从2018年第四季度到2023年第二季度。在这个时期，所有SSD的终身AFR为0.90%。这与2022年第四季度末的0.89%相比略有上升，但较一年前的2022年第二季度的1.08%有所下降。
高故障率？：正如在季度统计中所指出的，至少有100个硬盘和超过10000个硬盘工作日，以便让对AFR数字有一定的信心。如果将这一标准应用到终身数据中，可以得到以下表格。
将简单标准应用到列表中，剔除了那些具有非常高故障率的硬盘型号。这并不是一种统计技巧；只是删除了那些没有足够数据使计算得出的AFR可靠的型号。这些被剔除的硬盘型号可能会继续具有高故障率，也同样可能它们的故障率会落入更正常的范围。如果这种技巧对您来说有点粗糙，那么置信区间可能是您要寻找的内容。
置信区间：一般来说，拥有的数据越多，而且这些数据越一致，对基于这些数据的预测就越有信心。以95%的确信度计算置信区间。
对于SSD，在计算AFR时，低值和高值之间的置信区间在1.0%或更低才能让人满意。如果将这一标准应用到终身SSD数据中，可以得到以下表格。
这并不意味着具有置信区间大于1.0%的硬盘型号的故障率是错误的；只是意味着获得更多的数据以确保准确性。
无论使用哪种技巧，都旨在帮助澄清本报告中表格中呈现的数据。
