六、AI模拟测试

我们通过调整FIO特定参数，还原3个AI存储使用场景，来测试PE511 12.8TB SSD的性能。

每次测试前，我们都进行2次全盘顺序写入，让SSD进入稳态。

1、模拟 AI 训练的“数据喂料”（Data Ingestion）

多路 GPU 异步从 SSD 读取训练集，属于高并发、高队列深度的纯随机读/混合读。

我们将FIO参数设置为64队列深度、8线程、128KiB 块大小，纯随机读，测试时长1小时，测前预热半小时。

实测在128KiB相对较大的块大小下，PE511 12.8TB跑出了11万的随机读IOPS。这意味着固态硬盘内部的闪存通道并发管理和主控性能极强，完全能够撑起多路GPU并行训练时的数据索取。

在平均读高达13814 MiB/s的情况下，标准差仅有47.29，波动率低到了惊人的0.34%。这意味着盘体在稳态下几乎没有任何衰减和抖动，能够为GPU训练集群提供极致平滑、永不卡顿的“流式数据喂料”。

至于延迟，从clat percentiles来看，99.00%的请求延迟都在4.82ms 以内，而代表最极端卡顿的99.99%的请求延迟也仅仅只有10.29ms，不会出现企业级测试中常见的“秒级”掉速或长尾延迟卡顿。

2、模拟大模型“断点续训”（LLM Checkpointing）

在 LLM 训练中，Checkpointing 表现为大块（Large Block Size）、高并发、纯顺序写入。当训练运行到特定Step时，系统需要将数百亿甚至数万亿参数的权重（Weights）和优化器状态（Optimizer States）以最快速度从 GPU 显存刷写到 SSD 中，以防由于节点故障导致训练中断。

测试前我们已经进行了2次全盘写入，并预热30分钟，确保SSD在进入稳态后才开始时长1小时的测试，仅仅后面1小时稳态测试就连续写入了20.5TB数据。

实测稳态下，平均写入速度5438MiB/s、标准差为109.94 MiB/s，波动率仅为 2.0%。

平均延迟低至 23.49 ms, 99.00% 的写入请求在 34.34 ms 内完成。

整体来说,PE511 12.8TB SSD在大模型“断点续训”测试中，展现了极高吞吐、低延迟、以及几乎零掉速的表现，非常适合用作AI算力节点本地的高性能热数据盘。

3、模拟大模型推理的KV Cache（键值缓存交换）

在LLM推理或训练中，GPU显存往往装不下所有历史对话的KV缓存。此时系统需要将暂时用不到的KV缓存交换（Swap）到SSD中，需要时再读回。这类场景的典型特点是：小数据块（通常为4KiB）、高并发、读写混合（以读为主）。

我们使用4KiB（4k）块大小、70%读/30%写，8线程、每线程128队列深度的极端高并发随机读写配置来模拟KV Cache。

测试前依旧全盘写入2次并预热30分钟，测试时长则是1小时。

实测读取带宽5073MB/s、IOPS=1299K，写入带宽5174MB/s、IOPS=557K，爆发出 185.6万IOPS的混合随机吞吐，这意味着它能够支撑每秒62万个KV缓存切片在SSD和主机之间高频交换，这个吞吐量可以同时支撑数以万计并发用户的Token生成，极大缓解了显存溢出（OOM）问题。

平均读写延迟分别为0.52ms 、 0.56ms，99.99% QoS 尾部延迟极低，控制在1.4ms，最大延迟不超过 4.5 ms，几乎不存在拖慢 Batch 步调的“尾部卡顿”。