硬件选型：SSD vs HDD在时序场景下的成本与性能权衡
做时序索引存储，第一个要面对的问题就是：数据往哪放？
很多人觉得，现在SSD这么便宜了，无脑上SSD不就完了？嗯，我刚开始也是这么想的。直到我负责的那个物联网时序平台，每天写入量超过5TB，连续跑了三个月后，运维同学拿着账单来找我——光存储成本就占了整个集群预算的60%。
说白了，时序数据的特点是：写入量大、查询范围广、冷热分层明显。选错存储介质，要么性能崩，要么成本崩。今天我就把我在这个坑里爬出来的经验，一条条说清楚。
一、时序场景下，SSD和HDD的本质差异
先看一张对比表，把核心差异列清楚：
| 维度 | SSD (NVMe/SATA) | HDD (SATA/SAS) |
|---|---|---|
| 随机读延迟 | 0.1-0.3ms | 5-15ms |
| 顺序写吞吐 | 500-3500 MB/s | 150-250 MB/s |
| 随机写IOPS | 50k-1M | 100-200 |
| 每TB成本 | ￥800-2000 | ￥150-300 |
| 功耗/盘 | 3-8W | 6-12W |
| 寿命(写入量) | 有限(按DWPD计算) | 几乎无限(机械磨损) |
注意看随机写IOPS那一行。时序索引的写入模式，恰恰是典型的小批量随机写——每个时间点的数据要更新到对应的索引块里。HDD在这种场景下，IOPS直接被打到两位数，而SSD可以轻松扛住几十万。
核心结论：时序索引的写入路径，必须跑在SSD上。否则索引构建速度会成为整个系统的瓶颈。
二、我踩过的第一个坑：全盘SSD方案
2019年，我负责一个金融时序项目。当时拍脑袋决定：全部用NVMe SSD，省心。结果呢？
- 成本失控：单节点12块3.84TB NVMe，光硬盘成本就超过15万。集群30个节点，光存储硬件花了450万。
- 容量浪费：90%的数据是超过30天的冷数据，查询频率每周不到一次。这些数据躺在昂贵的NVMe上，纯属浪费。
- 寿命焦虑：时序写入量巨大，NVMe的DWPD（每天全盘写入次数）只有1-3。我们算了一下，3年后就得换盘。
后来我学乖了。时序存储，一定要做冷热分层。
三、正确的分层策略：热SSD + 冷HDD
这是我目前在多个生产环境中验证过的方案：
- 热数据层（0-7天）：NVMe SSD，承载写入和近期查询。容量占比10-15%。
- 温数据层（7-30天）：SATA SSD或大容量QLC SSD，承载常规查询。容量占比20-25%。
- 冷数据层（30天以上）：HDD（16TB+），只做归档和低频回溯查询。容量占比60-70%。
你想想看，这样一拆分，存储成本直接降了40%以上。而且热数据层的SSD寿命压力也小了很多——因为写入量大部分集中在热层，温冷层基本只读。
我的习惯：热层SSD选TLC颗粒，性价比最高。温层可以上QLC，虽然寿命短一点，但读取多写入少，完全够用。冷层HDD选CMR（传统磁记录），别碰SMR（叠瓦式），否则随机读性能会让你怀疑人生。
四、避坑指南：我曾经踩过的三个具体坑
坑1：HDD做索引写入
有一次，我把时序索引的WAL（预写日志）放在了HDD上。结果写入延迟从2ms飙升到200ms，整个写入管道直接堵死。后来排查才发现，WAL是典型的同步随机写，HDD根本扛不住。
教训：所有写路径（WAL、索引更新、元数据变更）必须用SSD。读路径可以视情况放在HDD上。
坑2：忽略SSD的写放大
时序索引经常做小数据块合并（compaction）。每次合并都会产生大量的写放大。我遇到过一块号称5PBW寿命的SSD，在时序场景下只用了2年就挂了。原因就是写放大系数达到了8-10倍。
教训：选SSD时，不要只看标称寿命，要按实际写放大系数折算。我一般按3倍写放大预留寿命余量。
坑3：HDD做跨盘查询
冷数据层用HDD没问题，但查询时如果跨多个HDD做随机读，性能会急剧下降。有一次用户查一个月的时序数据，结果查询跑了40分钟——因为数据分散在20块HDD上，每块盘都要做随机寻道。
教训：冷数据层要按时间范围做连续存储，尽量让一次查询落在尽量少的HDD上。我通常按天或按周做数据分片，保证单次查询最多跨2-3块盘。
特别注意：不要为了省钱把热数据也放HDD。时序索引的写入性能一旦掉下去，整个系统的数据新鲜度就没了。用户查不到最近几秒的数据，这个系统就废了。
五、成本与性能的量化权衡模型
我习惯用一个简单的公式来做选型决策：
总拥有成本(TCO) = 硬件成本 + 功耗成本 + 运维成本 + 性能损失成本
性能损失成本 = (查询延迟 - 目标延迟) × 查询次数 × 单次损失金额举个例子：
- 全SSD方案：硬件成本100万，功耗5万/年，运维2万/年，性能损失0。
- 分层方案：硬件成本60万，功耗8万/年（HDD多），运维3万/年，性能损失（冷查询慢）折算5万/年。
算下来，分层方案第一年省32万，之后每年省4万。而且随着数据量增长，分层方案的优势会越来越大。
六、一张图看懂选型逻辑
下面这张流程图，是我做选型时的决策框架：
七、总结一下我的选型原则
- 写入为王：所有写入路径（WAL、索引更新、compaction）必须用SSD，这是底线。
- 冷热分离：按时间窗口做分层，热数据用NVMe，温数据用SATA SSD，冷数据用HDD。
- 寿命预算：SSD按3倍写放大预留寿命，HDD选CMR不选SMR。
- 查询优化：冷数据层按时间连续存储，减少跨盘随机读。
嗯，硬件选型这块，说白了就是把钢用在刀刃上。时序场景下，写入性能是命门，必须用SSD保底。但冷数据没必要浪费钱，HDD完全够用。这个平衡做好了，成本能降一半，性能还不打折。
我记得有一次跟一个同行交流，他说他们全用HDD，结果写入延迟高到离谱，每天都要丢数据。我问他为什么不加SSD，他说怕成本太高。后来我帮他算了一笔账：加两块NVMe做写入缓存，成本只增加5%，但写入性能提升了50倍。他当场就改了方案。
所以，别怕花钱，但要花对地方。