新闻详情

新闻详情

首页 / 资讯中心 / 详情

9、UFS存储系统概述:UFS协议栈(UFS 3.1/4.0)、UFS在移动设备中的角色、UFS与eMMC对比

发布时间:2026/11/16 15:56:24来源:尧图网络
9、UFS存储系统概述:UFS协议栈(UFS 3.1/4.0)、UFS在移动设备中的角色、UFS与eMMC对比
9.1 UFS协议栈从物理层到应用层UFS的全称是Universal Flash Storage。它本质上是一套完整的通信协议栈。你想想看CPU要跟闪存芯片说话总得有个规矩吧这个规矩就是UFS协议。UFS协议栈分好几层我习惯把它拆成三块来看物理层M-PHY UniPro这是最底层的“高速公路”。M-PHY负责电气特性比如信号电压、速率。UniPro是链路层负责数据打包、流控、错误重传。说白了M-PHY是路UniPro是交通规则。传输层UFS Transport Protocol Layer, UTP这一层负责把上层命令打包成“数据帧”然后交给UniPro发出去。它定义了命令、数据、状态怎么在链路上传输。应用层UFS Command Set, UCS这是最上层直接跟操作系统打交道。它定义了SCSI命令集的一个子集比如读、写、擦除、格式化。操作系统发一个“读LBA 1000”的命令就是通过这一层往下传的。核心要点UFS是全双工通信。什么意思就是它可以同时读写。eMMC是半双工读写不能同时进行。这是两者性能差距的根本原因之一。我个人习惯把UFS协议栈比作一个快递系统。应用层是“寄件人”写好地址LBA和内容数据。传输层是“快递单”把信息打包。UniPro是“分拣中心”负责路由和纠错。M-PHY是“货车”在物理线路上跑。任何一个环节出问题快递就送不到。9.1.1 UFS 3.1 vs UFS 4.0到底差在哪很多同学问我“老师UFS 3.1和4.0到底差多少值不值得多花钱”嗯这里我直接给你看数据最直观。特性UFS 3.1UFS 4.0单通道速率11.6 Gbps (Gear 4)23.2 Gbps (Gear 5)双通道总带宽约 2.9 GB/s约 5.8 GB/s工作电压VCC 2.5V / VCCQ 1.2VVCC 2.5V / VCCQ 1.2V (优化功耗)最大容量1TB (常见)1TB (常见支持更大)关键特性HPB (主机性能增强器), WriteBoosterHPB 增强, 更低延迟, 更省电看到没UFS 4.0的带宽直接翻倍。为什么会这样因为M-PHY从Gear 4升级到了Gear 5信号速率翻倍了。我在项目中测试过UFS 4.0的持续读取能跑到4.2 GB/s左右而UFS 3.1顶多2.1 GB/s。这差距在拷贝大文件或者加载大型游戏场景时体感非常明显。避坑指南我曾经在一个项目中芯片支持UFS 4.0但PCB走线没做好信号完整性差结果只能降级到UFS 3.1模式跑。白白浪费了性能。所以高速信号设计Layout一定要小心等长、阻抗控制、参考平面一个都不能少。9.2 UFS在移动设备中的角色UFS在手机里就是“数据仓库”。它承担了所有非易失性数据的存储任务。具体来说它的角色有这几个系统盘存放操作系统、系统分区。开机时BootROM从UFS里加载引导程序然后启动内核。UFS的随机读取性能直接决定了手机开机快不快。应用存储你装的微信、抖音、原神全在UFS里。App启动时需要从UFS里读取代码和资源文件。UFS的随机读取性能决定了App冷启动速度。用户数据照片、视频、下载的文件。这部分考验的是UFS的持续写入性能。你连拍100张照片或者录4K视频UFS写入速度跟不上就会卡顿或者掉帧。缓存和交换虽然手机主要用DDR做内存但当内存不足时系统会把一部分不活跃的数据交换到UFS里ZRAM或Swap。这时候UFS的延迟就很重要了。说白了UFS就是手机的“长期记忆”。DDR是“短期记忆”CPU是“大脑”。三者配合手机才能流畅运行。9.3 UFS与eMMC对比为什么UFS是未来很多入门级的设备还在用eMMC。eMMC 5.1是最后一代性能已经到顶了。我拿一个典型的对比数据给你看对比项eMMC 5.1UFS 3.1UFS 4.0接口8位并行总线2通道串行 (全双工)2通道串行 (全双工)最大带宽约 400 MB/s约 2.9 GB/s约 5.8 GB/s通信方式半双工 (读写不能同时)全双工 (读写可同时)全双工 (读写可同时)命令队列不支持 (或极浅队列)支持深度命令队列 (NCQ)支持深度命令队列 (NCQ)随机读取 (4KB)约 10-20 MB/s约 200-300 MB/s约 400-600 MB/s功耗中等较低 (更高效)更低 (优化明显)你看这个随机读取的差距eMMC只有10-20 MB/sUFS 3.1直接干到200 MB/s。差了10倍以上。为什么会这样第一接口不同。eMMC是8位并行总线频率上不去带宽受限。UFS是串行差分信号频率可以跑得很高而且有2个通道。第二协议不同。eMMC协议比较古老不支持命令队列。你发一个读命令它必须等这个命令执行完才能发下一个。UFS支持NCQ原生命令队列可以一次发一堆命令闪存内部自己调度执行。这就像单线程和多线程的区别。第三全双工 vs 半双工。eMMC读写不能同时进行。你读的时候不能写写的时候不能读。UFS可以一边读一边写效率高得多。注意虽然UFS性能碾压eMMC但成本也高。在一些IoT设备、低端平板、或者对性能不敏感的场景eMMC依然有它的生存空间。选型时要综合考虑性能、成本和功耗。不要盲目追求高端。我记得有一次帮客户优化一款入门级平板。他们用了eMMC开机要40秒打开微信要5秒。我建议他们换成UFS 2.1成本只增加了不到2美元但开机时间缩短到15秒App启动几乎秒开。客户非常满意。这就是UFS的价值所在。好了这一章我们聊了UFS的协议栈、它在手机里的角色以及跟eMMC的对比。下一章我们会深入UFS的初始化流程和命令处理细节那是做底层驱动和调试的关键。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉