本文为 “SSD 固态硬盘寿命” 相关合辑。
图片清晰度受引文原图所限。
略作重排,如有内容异常,请看原文。
1. 闪存颗粒与 P/E Cycle
SSD 采用闪存(Flash)颗粒存储数据。闪存单元基于浮栅晶体管(Floating-Gate Transistor),通过控制浮栅中捕获电子的数量来区分不同的阈值电压 V t h V_\mathrm{th} Vth 区间。每个区间对应一个离散的数字状态,状态总数 N = 2 n N = 2^n N=2n,其中 n n n 为单单元存储位数。
由于闪存单元的物理特性,其可擦写次数存在上限,读取次数则不受此限制。每次对闪存块执行一次完整的编程(写入)与擦除操作,即计为 1 次 P/E Cycle(Program/Erase Cycle,编程/擦除循环)。
电压窗口划分的区间数越多,相邻状态的电压裕量(voltage margin)越窄,对电荷泄漏、噪声及读干扰的容忍度越低,因此擦写耐久性随单单元位数增加而下降。
现代 SSD 采用磨损均衡(Wear Leveling)算法,将写入操作均匀分布至所有闪存块。因此,即使硬盘从未一次性写满,其总写入量仍会计入 P/E 次数。
不同闪存架构的标称 P/E 循环次数存在显著差异:
| 颗粒类型 | 英文全称 | 单单元存储位数 | 可区分状态数 | 标称 P/E 循环次数 | 市场定位 |
|---|---|---|---|---|---|
| SLC | Single-Level Cell | 1 b i t 1\ \mathrm{bit} 1 bit | 2 1 = 2 2^1 = 2 21=2 | 约 100 000 100\,000 100000 次 | 企业级、高可靠性场景 |
| MLC | Multi-Level Cell | 2 b i t 2\ \mathrm{bit} 2 bit | 2 2 = 4 2^2 = 4 22=4 | 3 000 3\,000 3000 – 5 000 5\,000 5000 次 | 高端消费级(已较少见) |
| TLC | Triple-Level Cell | 3 b i t 3\ \mathrm{bit} 3 bit | 2 3 = 8 2^3 = 8 23=8 | 600 600 600 – 3 000 3\,000 3000 次 | 主流消费级 |
| QLC | Quad-Level Cell | 4 b i t 4\ \mathrm{bit} 4 bit | 2 4 = 16 2^4 = 16 24=16 | 500 500 500 – 1 000 1\,000 1000 次 | 入门级、大容量存储 |

各类型特性说明:
-
SLC:电压窗口仅划分为两个区间,状态间隔最大,阈值电压判别裕量最宽,误码率最低,擦写耐久性最高,读写延迟最小。单位容量成本最高,存储密度最低,主要应用于对可靠性要求极高的企业级存储及工业控制领域。
-
MLC:电压窗口划分为四个区间,状态密度为 SLC 的两倍。存储密度、成本、性能及耐久性均处于中间水平,曾在消费级 SSD 中广泛应用,随着 TLC 工艺成熟,市场份额逐步下降。
-
TLC:电压窗口划分为八个区间,对电荷保持特性及读干扰的敏感度高于 MLC。凭借 3D-NAND 堆叠技术的成熟,TLC 在存储密度与成本之间取得平衡,成为当前消费级 SSD 的主流方案。
-
QLC:电压窗口划分为十六个区间,相邻状态电压差最小,对噪声、电荷泄漏及读串扰的容忍度最低。单晶圆存储密度最高,单位容量成本最低,擦写耐久性相对有限,通常适用于以读取为主、写入频率较低的大容量数据存储场景。
补充:3D-NAND 并非颗粒类型,而是指存储单元在垂直方向上进行多层堆叠的制造工艺。TLC 与 QLC 均可采用 3D-NAND 技术制造,通过增加堆叠层数来提升单颗芯片的存储容量。
2. 寿命指标解析
2.1 TBW(Total Bytes Written)
TBW 表示厂商在保修期内承诺的最大总写入字节数。例如,某 500 G B 500\ \mathrm{GB} 500 GB SSD 标注 “5 年或 300 T B W 300\ \mathrm{TBW} 300 TBW”,表示在 5 年时间内或总写入量达到 300 T B 300\ \mathrm{TB} 300 TB(以先到达者为准)时,保修期终止。

2.2 DWPD(Drive Writes Per Day)
DWPD 为企业级 SSD 常用指标,表示保修期内每日可将全盘容量写满的次数。例如,Intel P4500 的 DWPD 为 4.62 4.62 4.62,表示在 5 年保修期内,用户每日可将硬盘写满 4.62 4.62 4.62 次。

2.3 指标换算关系
TBW、DWPD 与 P/E Cycle 可通过以下公式相互转换:
P/E 次数 = TBW 硬盘容量 DWPD = TBW 硬盘容量 × 保修天数 TBW = DWPD × 硬盘容量 × 保修天数 \begin{aligned} \text{P/E 次数} &= \frac{\text{TBW}}{\text{硬盘容量}} \\[6pt] \text{DWPD} &= \frac{\text{TBW}}{\text{硬盘容量} \times \text{保修天数}} \\[6pt] \text{TBW} &= \text{DWPD} \times \text{硬盘容量} \times \text{保修天数} \end{aligned} P/E 次数DWPDTBW=硬盘容量TBW=硬盘容量×保修天数TBW=DWPD×硬盘容量×保修天数
示例 1:三星 970 EVO Plus 500 G B 500\ \mathrm{GB} 500 GB,保修 5 年或 300 T B W 300\ \mathrm{TBW} 300 TBW:
P/E 次数 = 300 TB 500 GB = 300 × 1000 GB 500 GB = 600 \text{P/E 次数} = \frac{300\ \text{TB}}{500\ \text{GB}} = \frac{300 \times 1000\ \text{GB}}{500\ \text{GB}} = 600 P/E 次数=500 GB300 TB=500 GB300×1000 GB=600
该结果与消费级 TLC 颗粒的主流标称寿命一致。
示例 2:Intel P4500 2 T B 2\ \mathrm{TB} 2 TB,5 年保修, D W P D = 4.62 \mathrm{DWPD} = 4.62 DWPD=4.62:
总 P/E 次数 = 4.62 × 365 × 5 ≈ 8432 TBW = 8432 × 2 TB ≈ 16864 TB \begin{aligned} \text{总 P/E 次数} &= 4.62 \times 365 \times 5 \approx 8432 \\[6pt] \text{TBW} &= 8432 \times 2\ \text{TB} \approx 16864\ \text{TB} \end{aligned} 总 P/E 次数TBW=4.62×365×5≈8432=8432×2 TB≈16864 TB
2.4 保修条件与寿命终点的区别
TBW 与 DWPD 属于保修阈值,而非硬盘的物理寿命终点。厂商通常引入安全系数(通常为 2 2 2 – 10 10 10 倍)以覆盖极端使用场景并降低售后风险。闪存颗粒的实际可承受写入量往往高于标称 TBW。
下表为不同定位 SSD 的典型 TBW 承诺参考:
| SSD 容量 | 消费级入门(QLC/TLC) | 消费级主流/电竞(TLC) | 高端/创作者(TLC/MLC) | 企业级入门 |
|---|---|---|---|---|
| 500 G B 500\ \mathrm{GB} 500 GB | 200 200 200 – 300 T B W 300\ \mathrm{TBW} 300 TBW | 300 300 300 – 400 T B W 400\ \mathrm{TBW} 400 TBW | 400 400 400 – 600 T B W 600\ \mathrm{TBW} 600 TBW | 800 + T B W 800+\ \mathrm{TBW} 800+ TBW |
| 1 T B 1\ \mathrm{TB} 1 TB | 400 400 400 – 600 T B W 600\ \mathrm{TBW} 600 TBW | 600 600 600 – 800 T B W 800\ \mathrm{TBW} 800 TBW | 800 800 800 – 1200 T B W 1200\ \mathrm{TBW} 1200 TBW | 1600 + T B W 1600+\ \mathrm{TBW} 1600+ TBW |
| 2 T B 2\ \mathrm{TB} 2 TB | 800 800 800 – 1200 T B W 1200\ \mathrm{TBW} 1200 TBW | 1200 1200 1200 – 1600 T B W 1600\ \mathrm{TBW} 1600 TBW | 1600 1600 1600 – 2400 T B W 2400\ \mathrm{TBW} 2400 TBW | 3200 + T B W 3200+\ \mathrm{TBW} 3200+ TBW |
3. 实际写入量分析
3.1 普通用户场景估算
对于以网页浏览、文档办公、在线视频为主的使用场景,日均写入量通常低于 20 GB。以 1 TB 主流 SSD(600 TBW,5 年保修)为例:
保修临界日均写入 = 600 TB 365 × 5 ≈ 328 GB/天 \text{保修临界日均写入} = \frac{600\ \text{TB}}{365 \times 5} \approx 328\ \text{GB/天} 保修临界日均写入=365×5600 TB≈328 GB/天
普通用户的日均写入量(约 11 GB)与此阈值相差约 30 倍。
周写入量参考(典型家用环境):
| 日期 | 当日写入量(GB) | 主要写入活动 |
|---|---|---|
| 周一 | 8.2 | 系统更新、工作文件下载 |
| 周二 | 5.1 | 日常使用、浏览器缓存 |
| 周三 | 25.7 | 4K 电影下载、游戏更新 |
| 周四 | 4.8 | 常规使用 |
| 周五 | 12.3 | 软件安装包下载、文档备份 |
| 周六 | 15.6 | 游戏更新、音乐专辑下载 |
| 周日 | 7.5 | 常规使用 |
| 周总计 | 79.2 GB | — |
| 日均写入 | 约 11.3 GB | — |
3.2 高负载用户场景估算
视频剪辑用户每日处理 50 GB 原始素材并输出 10 GB 成片时,日均写入量约为 60 - 80 GB,仍低于 328 GB 的保修临界值。
3.3 极端测试数据参考
德国 Heise 网站曾进行 SSD 寿命极限测试:
| 型号 | 颗粒类型 | 写入总量至故障 |
|---|---|---|
| 三星 750 EVO | TLC | 1.2 PB(1200 TB) |
| 三星 850 PRO | MLC | 9.1 PB(9100 TB) |
按每日 100 GB 写入计算,三星 750 EVO 的理论使用年限为:
1200 TB 100 GB/天 ÷ 365 ≈ 32 年 \frac{1200\ \text{TB}}{100\ \text{GB/天}} \div 365 \approx 32\ \text{年} 100 GB/天1200 TB÷365≈32 年
4. 非磨损类故障模式
SSD 的实际故障案例中,因闪存磨损而失效的比例较低。更为常见的故障原因包括:
- 主控芯片故障:约占返修案例的 90%,突然断电是主要诱因之一;
- 供电元件损坏:电压不稳或潮湿环境导致;
- 固件缺陷:可通过厂商发布的固件更新修复。
5. 健康状态监控方法
现代 SSD 均支持 S.M.A.R.T.(Self-Monitoring, Analysis and Reporting Technology)标准。与寿命直接相关的关键属性包括:
- 媒体磨损指示器(Percentage Used):以百分比形式表示闪存磨损程度,100% 为全新状态,数值递增表示磨损加剧;
- 总计主机写入量(Data Units Written):记录主机系统向 SSD 写入的累计数据量;
- 可用备用块计数(Available Spare):SSD 预留的冗余闪存块数量,该值下降表明坏块替换机制正在消耗备用资源。
5.1 CrystalDiskInfo(Windows)
运行后查看 “健康状态” 百分比及 “总写入量” 数据。重点关注 “媒体与数据完整性错误计数” 与 “可用备用空间” 等条目。

5.2 厂商专用工具
三星 Magician、Intel SSD Toolbox 等工具可提供更为精确的寿命与健康度数据。
5.3 命令行工具
Linux / macOS:
使用 smartctl 查看 NVMe 固态硬盘的完整 SMART 信息,包括磨损计数器:
sudo smartctl -a /dev/nvme0n1
说明:
/dev/nvme0n1为系统第一块 NVMe 硬盘设备节点。若系统存在多块 NVMe 硬盘,设备节点依次为/dev/nvme1n1、/dev/nvme2n1等。对于 SATA 接口的固态硬盘,设备节点通常为/dev/sda、/dev/sdb等。
执行后关注以下关键字段:
| 字段 | 含义 |
|---|---|
Percentage Used | 已用寿命百分比,与 Windows 的 Wear 含义类似 |
Data Units Written | 已写入数据量(以 1000 个 512 B 块为单位) |
Media and Data Integrity Errors | 介质与数据完整性错误计数 |
将磨损值与具体硬盘型号对应(Linux):
若需将磨损值与硬盘型号、序列号一一对应,可分别查询设备信息与磨损计数:
# 查询设备型号与序列号
sudo smartctl -i /dev/nvme0n1 | grep -E "Model Number|Serial Number"
# 查询磨损百分比
sudo smartctl -a /dev/nvme0n1 | grep "Percentage Used"
若系统中存在多块硬盘,可通过以下脚本批量输出每块 NVMe 硬盘的型号与磨损值:
for dev in /dev/nvme*n1; do
echo "Device: $dev"
sudo smartctl -i "$dev" | grep "Model Number"
sudo smartctl -a "$dev" | grep "Percentage Used"
echo "---"
done
注意:对于 SATA 接口的固态硬盘,磨损指标通常位于 SMART 属性表中,字段名因厂商而异(如
Wear_Leveling_Count、Media_Wearout_Indicator等),需结合smartctl -a /dev/sdX的输出具体判断。
Windows(PowerShell,管理员权限):
使用存储子系统命令读取硬盘固件内部的磨损计数器:
Get-PhysicalDisk | Get-StorageReliabilityCounter | Select-Object Wear
说明:该命令需以管理员身份运行 PowerShell。
Wear字段表示闪存介质磨损百分比,仅对 SSD 有效;机械硬盘 (HDD) 恒返回0。
若需将磨损值与具体硬盘型号对应,执行:
Get-PhysicalDisk | ForEach-Object {
$disk = $_
$wear = $_ | Get-StorageReliabilityCounter | Select-Object -ExpandProperty Wear
[PSCustomObject]@{
DeviceId = $disk.DeviceId
FriendlyName = $disk.FriendlyName
Wear = $wear
}
} | Format-Table -AutoSize
5.4 操作系统内置功能
- Windows:设置 -> 系统 -> 存储 -> 磁盘和卷 -> 选择 SSD -> 属性,可查看简要的驱动器健康信息;
- macOS:关于本机 -> 系统报告 -> 存储,可查看 S.M.A.R.T. 状态。
建议每季度或每半年检查一次。若健康度在一个月内下降超过 5% - 10%,或 “重新分配扇区计数” 出现增长,需及时进行数据备份。
6. 使用优化与常见误区澄清
6.1 开启 AHCI 模式与 TRIM 指令
AHCI 模式
AHCI(Advanced Host Controller Interface)是 SATA 控制器的一种工作模式,可充分发挥 SATA SSD 的性能并支持 NCQ(Native Command Queuing)队列。若安装系统前未开启 AHCI,后续切换可能导致系统无法启动。
开启方法:
-
开机时按对应按键(常见为 Del、F2、F10、F12,因主板型号而异)进入 BIOS/UEFI 设置界面;
-
定位至 “Advanced” -> “SATA Configuration” 或 “Storage Configuration” 等类似菜单;
-
将 “SATA Mode” 或 “SATA Controller Mode” 由 IDE / RAID / Compatibility 改为 AHCI;
-
保存设置并退出(通常为 F10)。
若操作系统已在 IDE 模式下安装完成,直接切换至 AHCI 可能导致 Windows 启动蓝屏。此时需先在注册表中启用 AHCI 驱动:以管理员身份运行
regedit,定位至HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Services\storahci,将Start键值由3改为0,重启后进入 BIOS 修改模式。
验证方法:
-
Windows:打开"设备管理器" -> “IDE ATA/ATAPI 控制器”,若列表中出现 “Standard SATA AHCI Controller” 或包含 “AHCI” 字样的条目,即表示已启用。
-
命令行:以管理员身份运行 PowerShell,执行:
Get-PnpDevice -Class "SCSIAdapter" | Where-Object { $_.FriendlyName -match "AHCI" }若返回包含 AHCI 的设备信息,则模式已开启。
TRIM 指令
TRIM 指令允许操作系统通知 SSD 哪些数据块已被逻辑删除,SSD 主控可在后台提前擦除这些块,避免后续写入时执行"读取-修改-写入"的额外操作,从而降低写入放大(Write Amplification)并维持长期性能。
开启与验证方法:
-
Windows:Windows 7 及以后版本默认对 SSD 启用 TRIM。以管理员身份运行命令提示符,执行:
fsutil behavior query DisableDeleteNotify若返回
DisableDeleteNotify = 0,表示 TRIM 已启用;若返回1,则未启用,可执行fsutil behavior set DisableDeleteNotify 0开启。 -
macOS:macOS 10.10.4 及以后版本默认对 Apple 认证的 SSD 启用 TRIM;第三方 SSD 需手动开启(通过
trimforce命令)。验证方法为终端执行:system_profiler SPSerialATADataType | grep "TRIM Support"或:
diskutil info disk0 | grep "TRIM Support"若显示
Yes或Supported,则已启用。 -
Linux:TRIM 支持取决于文件系统与挂载选项。对于 ext4 文件系统,可在
/etc/fstab的挂载选项中添加discard:UUID=xxxx / ext4 defaults,discard 0 1或使用
fstrim命令进行手动或定时 TRIM:sudo fstrim -v /验证当前挂载选项可执行:
mount | grep "discard"
若输出中包含 discard,则该分区已启用持续 TRIM。
6.2 预留充足空闲空间
SSD 需空闲空间执行磨损均衡与垃圾回收。长期保持 90% 以上占用率会加剧写入放大并影响性能。建议至少保留 10% - 20% 的总容量作为空闲空间。
6.3 虚拟内存与临时文件配置
频繁的页面文件(Page File)读写会产生大量小文件写入。若系统内存充足(16 GB 及以上),可适当减小虚拟内存容量,或将其迁移至独立的机械硬盘(HDD)。将浏览器缓存、下载目录、视频剪辑临时文件等指向 HDD,亦可降低系统盘 SSD 的写入压力。
6.4 散热管理
持续高温工作会加速电子迁移,影响主控与闪存的稳定性。应确保机箱风道通畅;高性能 NVMe SSD 建议加装散热片或使用主板自带的 M.2 散热装甲。
6.5 常见误区澄清
误区一:SSD 不可进行碎片整理。
Windows 10/11 的 “优化驱动器” 工具可自动识别 SSD 与 HDD。对 SSD 执行的是 TRIM 操作而非传统碎片整理,该操作对 SSD 有益,可保持系统自动优化计划开启。
误区二:需频繁更新固件以延长寿命。
固件更新主要用于修复缺陷、提升兼容性与性能,偶尔优化磨损均衡算法。除非官方明确说明修复了耐久性相关严重问题,否则无需仅为延长寿命而频繁更新。固件更新前务必备份数据,更新失败是导致 SSD 无法识别的常见原因之一。
误区三:QLC SSD 寿命过短,无法使用。
QLC 闪存的 P/E 循环次数确实低于 TLC,但现代 QLC SSD 通过增大 OP(Over-Provisioning)空间、改进主控算法与纠错技术,其保修 TBW 对于以读取为主的普通用户(如游戏存储、媒体库)仍属充足。QLC 的主要限制在于缓外(SLC Cache 外)顺序写入速度,而非寿命。
7. 选购参考
| 用户类型 | 推荐闪存类型 | TBW 建议 | 性价比参考型号 |
|---|---|---|---|
| 普通办公 | QLC / TLC | 150 TBW 以上 | 致钛 SC001、金士顿 A400 |
| 游戏玩家 | TLC | 300 TBW 以上 | 西数 SN570、三星 980 |
| 内容创作 | 3D TLC / MLC | 600 TBW 以上 | 三星 970 EVO Plus、致钛 TiPro7000 |
| 企业用户 | 企业级 TLC / MLC | 1 PBW 以上 | Intel DC 系列、三星 PM 系列 |
选购时应综合考量保修年限(5 年优于 3 年)、TBW 承诺、主控方案及数据备份策略。对于绝大多数消费级用户,在正常的硬件更换周期(5 - 8 年)内,闪存磨损导致失效的概率极低,数据的多重备份比单纯追求高 TBW 更具实际意义。
Reference
- SSD 固态硬盘选购指标-寿命:P/E、TBW 、DWPD - 简书
https://www.jianshu.com/p/ce9edc670de7 - 固态硬盘寿命焦虑?教你看懂 TBW 和 DWPD 参数,别再被商家忽悠了! - 今日头条
https://www.toutiao.com/article/7522308247391371803/ - 别被商家忽悠了!SSD 寿命实测:每天读写多少 G 才会报废?-CSDN 博客
https://blog.csdn.net/weixin_29235923/article/details/158305213
484

被折叠的 条评论
为什么被折叠?



