2018年，SSD固態硬盤的價格在Intel CPU大面積缺貨開始就一路下滑，SATA SSD已經跌破 1GB 1元，很多產品甚至只要五六毛錢。在容量基本滿足的前提下，將性能更好的NVMe SSD作為系統盤就成為了有合理性選項。

相比PCI-E x4 SSD相對比較貴的價格，PCI-E x2 NVMe SSD看起來在價格和性能上會有更好的平衡，所以今天就測試一下PCI-E x2的NVMe SSD是否有購買價值。

產品開箱圖賞：

這次測試的是金士頓的A1000 480G采用彩印紙盒包裝。

配件只有一張說明書，就不放了，SSD是標準的2280規格。

采用的是M.2的插槽，需要走PCI-E通道。

SSD的主控是群聯的PS5008-E8，是一款較為入門的四通道的主控，主要用于NVMe SSD上。

這顆SSD采用有緩存的設計，緩存是金士頓自封的512MB DDR3L。

顆粒同樣是金士頓自己封裝，但內部應為東芝的3D TLC顆粒。

產品測試平臺：

簡單介紹一下測試平臺。

用到的主板是技嘉的Z270-PHOENIX GAMING。

內存是金士頓的DDR4 8G*4。實際運行頻率是2666C15。

顯卡采用的是迪蘭恒進的VEGA 64水冷版。

SSD是三塊INTEL，系統盤用的是比較主流的535，會拿來作為SATA SSD的參考成績。

散熱器是酷冷至尊冰神G360RGB 。

電源是安鈦克的HCG-X1000。

測試平臺是Streacom的BC1。

產品性能測試：

這邊啟用了一套新的測試標準用于橫向對比。

測試環境為SSD經過全盤擦寫和重新分區，消除新盤的雞血狀態。

連續讀寫性能選取HD TUNE的大文件讀寫測試，文件大小為50GB。

4K隨機性能采用IOMETER混合讀寫，分別進行QD1的淺隊列和QD32的深隊列測試。因為日常使用中不會存在純粹的讀寫行為，會在讀寫測試中反向混入25%的負載（例如讀取測試中75%讀取，25%寫入）。

現在部分SSD會通過玩命調教固件來提升4K的隨機數值，所以這邊引入4K離散值統計來讓那些表面SSD露出原型。公式中會包含對不同SSD IOPS平均值的補償，不會出現性能低的SSD，離散會較低的BUG。

IO延遲的部分則會采用AS SSD 10G文件測試，連續三次讀寫延遲的數據取平均值。

以下為橫向統計的圖表，A1000會弱于PCI-E X4的SSD，但是明顯優于SATA SSD。

下圖是離散部分的測試，A1000在這個環節總體表現還算不錯，QD1的表現相對弱于QD32。不過QD32深隊列寫入有一定的不穩定現象，所以建議重負載使用應該加強散熱。

常規產品性能測試大致會分為三段。

開箱性能測試，這個環節可以測試出SSD在最好狀態下大致可以達到什么性能。

壓力測試，這個環節通過長時間滿載寫入，用于測試SSD在極端壓力下性能會到什么程度。

日常狀態測試，在壓力測試之后，會通過一小時待機和重新分區讓SSD重新恢復，來體現日常使用中的性能表現。

在文件基準中可以看到，M9PeY有一個大約25G大小的SLC緩存，緩存寫入速度在900MB左右，顆粒的寫入速度為500MB左右。

然后是最有看頭的SSD壓力測試。在新盤狀態下HD TUNE的讀寫曲線大致在426MB/500.7MB的程度。

SSD在70度的時候會遇到溫度墻，如果連續進行高負載的寫入，SSD會撞上溫度墻并出現降頻保護的現象。

對SSD的擦除采用HD TUNE對SSD進行持續擦寫，這個環節的負載是所有測試中最高的。可以看到寫入速度會在150MB~400MB之間循環。

在完成壓力測試后讀寫性能大致在426MB/246MB，讀取基本不變，寫入的衰減比較明顯。主要是因為SSD此時已經過熱。

在待機一小時之后，讀寫性能為408/198，并沒有太明顯的改善。

在重新分區刷新后，讀寫性能為450493。讀寫性能基本都恢復原樣。

常規跑分測試：

HD TUNE的測試在擦寫前后寫入性能大致持平，讀取性能略微高了一點。

然后看一下不同測試軟件的跑分情況，AS SSD是2400/2461，基本是一致的。由于AS SSD比較偏向于輕負載，對延遲的評分權重比較高。這項對SATA SSD的優勢是最明顯的。

CrystalDiskMark、TxBENCH、ATTO這三款軟件現在已經變成治愈系的測試軟件，所以大家參考一下即可。

簡單總結：

金士頓A1000 480G總體表現基本在意料之中，明顯介于PCI-E x4 SSD和SATA SSD之間。得益于NVMe規范的幫助，A1000可以擁有比較理想的低延遲特性，對于IO負載較大的系統盤來說，會有他自身的優勢。

不過A1000也有自己的問題。相比于SATA SSD，A1000的散熱需求會顯得更大，建議應保證其會有額外的散熱片覆蓋。

相比于PCI-E x4的NVMe產品，在一些數據流量特別大的場景下會有較明顯的劣勢。