更低的限时定价，但有一个陷阱

的每gb闪存的原始价格由于每个闪光电池的产量和密度的增加，正在迅速下降。当flash第一次被交付给企业时，单层细胞闪光——每个单元能写一位数据——是标准。然后多层细胞闪光现在，几乎所有的闪存阵列都利用了MLC NAND。在过去的六个月里，我们看到了triple-level细胞——每个单元3位企业级的阿．随着密度的增加，全闪存阵列的价格越来越接近HDD的价格平价。

密度增加的负面影响是闪光耐久性降低．基本上，闪存模块磨损的速度越快，硬盘上的比特就越密集。然而，AFA在很大程度上减轻了更快磨损的影响。大多数AFAs都有冗余组件，所以如果a与非磨损时，有其他nand可用来代替它。大多数全闪存阵列供应商过度供应驱动器，因此它们可能只向存储系统提供驱动器容量的75%。获得允许更少的写跨更多的NAND单元。在牺牲一些容量的同时，它确实延长了驱动器的表面寿命。

在处理原始容量时，计算闪速定价相对容易。唯一的变量是用于冗余的闪存分配数量。问题是，至少在这一点上，AFAs无法达到与硬盘阵列的价格平价时，仅比较原始数据price-per-gigabyte计算．因此，几乎每个AFA供应商都利用数据效率技术来实现价格平价。

数据效率的模糊数学

像精简配置、数据压缩和重复数据删除这样的数据效率技术现在是大多数AFAs的标准技术。供应商认为它们对组织使用是安全的，在大多数情况下，全闪存阵列的额外性能可以交付数据效率对性能没有明显影响的好处。

问题是，至少在这一点上，AFAs无法达到与HDD阵列的价格平价，当单独比较每千兆字节的原始价格计算。因此，几乎每个AFA供应商都利用数据效率技术来实现价格平价。

精简配置不需要分配存储容量，直到实际需要。如果没有精简配置，组织将不得不根据应用程序的需求分配固定数量的容量，而且它实际上通过不将容量限制在特定的服务器或虚拟机中来节省容量。

压缩删除文件内的冗余数据，重复数据删除删除文件间的冗余数据。这些技术的有效性很大程度上取决于组织在其主要数据集中拥有的数据的相似性。

大多数供应商声称，当使用重复数据删除和压缩的组合时，数据效率为5:1。这意味着一个拥有50tb数据的组织可能只需要10tb的容量来存储该数据。同样，每个组织的数据集是不同的——有些组织看到的效率高得多，而有些组织看到的效率低得多。

一般来说，虚拟桌面和服务器环境将从重复数据删除中获得更多的好处，而数据库环境将从压缩中获得更大的好处。但是计算一个准确的数字是非常困难的，如果不是不可能的话。最后，一些供应商的重复数据删除算法的效率略高于其他供应商。

购买多少产能

基于数据效率的模糊数学进行AFA购买的问题在于flash定价的模糊性——没有办法知道每千兆字节的实际价格。关于如何购买，有三种观点。

• 采取一种非常保守的方法，假设数据效率不会增加容量。对于几乎所有的数据中心，这种方法将导致购买过多的容量。这在闪存领域尤其成问题，因为闪存的价格大幅下跌，技术不断进步。
• 假设数据效率提高了2.5倍。虽然这仍然可能给企业提供过剩的产能，但它不应该像上述方法那样严重。
• 相信卖主的话。这通常不是一个好主意，但在这种情况下，这可能是一个有价值的策略。一些供应商现在提供数据效率担保与他们的系统。如果由于某种原因，供应商没有达到商定的效率比，供应商将提供额外的产能。

如果供应商在其系统中利用了数据重复数据删除和压缩，那么几乎不可能预先确定全闪存阵列每千兆字节的实际价格。IT专业人员要么比较供应商之间的原始闪存价格，以获得一个苹果对苹果的价格比较，要么对这些系统应用一个全面的比率。他们还应该寻找那些为他们的系统提供数据效率保证的供应商，以消除获得完全正确的容量计算的压力。