Tech Talk:智能电视eMMC存储的五问五答

智能电视作为搭载操作系统的综合影音载体,以稳步扩大的市场规模走入越来越多的家庭,成为人们生活娱乐的重要组成部分。存储部件是智能电视不可或缺的组成部分,用于保存操作系统、应用程序、多媒体文件和用户数据等信息。智能电视使用eMMC作为存储介质。

eMMC全称Embedded Multi Media Card(嵌入式多媒体卡),是一种集成了闪存和控制器的存储芯片,面向手机、平板电脑、智能电视等需要长期运行且对存储性能有较高要求的消费电子产品,具有集成度高、性能优异、低功耗和高可靠性等优势。eMMC提供了高效、可靠的存储解决方案,支持丰富的功能和提供优质的用户体验。

对于智能电视用户而言,在使用eMMC存储过程中有五大最为关心的问题忆联作为高品质、高可靠的eMMC存储产品和解决方案提供商,如何化解这五大问题,并为用户带来怎样的使用体验?本文将逐一解答。

第一问:长时间观看智能电视,内置存储会不够用吗?

答:不用担心存储空间,但要选择有抗“读干扰”能力的eMMC。

 

与电脑使用习惯不同,用户在智能电视上观看节目时,只需要打开app应用,而不需要预先下载全部的视频文件。因此,作为存储单元的eMMC也并不像电脑硬盘一样需要接受大量数据的写入,而是以读数据为主。

下图为某智能电视的24小时使用模型分析,标注出来的区域表示CMD18读指令的密集读取位置,一般为操作系统和应用存储区域。

图1:读数据地址分布

在高频使用的情况下,eMMC存储可能出现“读干扰”错误。其原因是,系统每次读取NAND块(Block)上的其中一个页(Page)时,其他未被读取的页也会被施加电压。随着整个块读次数的增加,NAND存储单元(Cell)中吸入的电荷量也会慢慢增加,导致存储单元中数据状态发生变化,在读数据时更容易出现错误,表现为无法进入系统、蓝屏等问题。

忆联的eMMC产品具备抗“读干扰”能力,并采取一系列优化措施,包括:

1.Read refresh:系统设定在一个块数据的读次数达到阈值后,将数据更新到另一个块。

2.Read retry:系统通过多次重读数据,增强纠错能力。

3.Read reclaim:系统设定在read retry次数达到阈值后,将数据更新到另一个块。

对于这些优化措施,还可结合模拟测试验证功能实现的效果。可模拟用户行为,在相同位置地址位进行大量重复读行为,忆联eMMC可通过超10亿次的读干扰测试。

第二问、半年甚至一年不开机,存储的数据会丢吗?

答:不要小瞧eMMC的数据保持能力。

eMMC使用浮栅技术存储数据,其中每个存储单元包含一个浮栅,通过控制浮栅中的电荷量来表示数据的状态(0或1)。浮栅中的电荷会随着时间的推移发生自然逸散,导致电荷的准确性下降,称为电荷损失或漂移。因此,如果智能电视长时间不使用,极为考验eMMC的数据保持能力。

忆联eMMC有针对性地加强read retry并提供LDPC软解码,提升数据纠错能力,以延长数据的保持时间,确保长时间关机后再次开机也能准确读出数据。

忆联eMMC可以保障写入数据43℃环境下10年内的完整性,在产品寿命使用完后还可以保障1年的数据完整性。也就是说智能电视将近10年没开机甚至报废后的1年内,eMMC仍然正确无误地保存着数据。

第三问、突然停电,开机后会数据错乱吗?

答:如果eMMC具备SPOR能力,就不必担心。

eMMC在写入数据时,通常会先将数据缓存在内存中,然后再将数据写入闪存芯片中。由于智能电视不像手机、平板等移动设备那样配有电池,突然断电时可能会出现数据写入不完整、或是部分数据损坏和丢失。

忆联eMMC固件增加了掉电保护机制(Sudden Power off Recovery,简称SPOR),则可以更好地保护用户数据。SPOR的规则如下:

1.即使在写入过程中突然断电,写入闪存芯片的数据也必须保持有效;同时,系统不能损坏前一个写命令的数据,保证断电前数据完整写入。

2. 写入数据的同时,将数据块的映射关系一同写入。供电恢复时,系统重新读取并建立逻辑地址和物理地址的映射表,从而找到对应的数据。

SPOR采用如下处理机制:

为验证SPOR能力,忆联针对不同分区(Boot、User、RPMB、GPP1~GPP4)、不同行为(随机/顺序的写入/读取等)对eMMC进行超1万次的异常断电测试,确保此类异常掉电场景下存储数据的完整性。

第四问、超长待机的时候,费电吗?

答:eMMC本就极具功耗优势,而APS让待机更节能

eMMC的低功耗特性让智能电视在使用过程中更加节能,延长使用寿命。忆联eMMC固件在此基础上增加自动节能(Auto Power Saving,简称APS)功能,进一步实现省电优化。当智能电视待机时,eMMC可通过以下方式降低功耗:

1.关闭控制器中不必要的电源;

2.降低控制器CPU运行时钟;

3.降低NAND闪存操作时钟;

4.保留内存使用;

5.关闭后台操作。

下图为忆联eMMC在待机状态下测试中的功耗数据,ICC (RMS) 低至51uA,ICCQ (RMS) 低至81uA。

图2:ICC (RMS) = 51uA (Vcc=3.3V)

图3:ICCQ (RMS) = 81uA (Vccq=1.8V)

第五问、老款电视长期服役,存储是越来越慢吗?

答:老当益壮,优秀的设计不轻易掉队。

智能电视一般不会像智能手机那样频繁更换。根据Omdia的统计数据,电视显示面板的出货量每四到五年增长4000万平方米。因此,eMMC的使用寿命不但要足够长久,也要保证寿命周期内读写速度符合用户的体验预期。

经过性能优化设计,忆联eMMC顺序读写与随机读写性能在寿命周期内保持稳定,性能变化不超过10%。这意味着在eMMC寿命周期内,用户切换频道、浏览应用或观看媒体内容都具有长期稳定的体验,不会受到因存储性能降级而产生的卡顿和加载过慢的困扰。

下图为忆联eMMC寿命内的性能测试,对于测试周期内的各类写入/读取数据,对应的性能数据表现都趋于平稳,接近水平线。

图4:忆联eMMC寿命内性能测试

忆联eMMC在保证性能的同时,也保证寿命足够用户使用。基于用户智能电视使用一天的数据分析,写入数据量约5GB/天,正常使用智能电视的情况下,eMMC寿命长达56年,远超四至五年的更换周期。

表:忆联eMMC使用寿命换算

忆联新款eMMC产品,赋能智能消费应用

智能电视场景的五大突出问题,忆联的eMMC产品都能给出优秀的解决方案。忆联凭借丰富的闪存研发经验和完善的生产制造体系,为手机、平板电脑、智能电视、机顶盒、物联网家电等嵌入式应用提供理想的eMMC存储产品和解决方案。

为更好地服务于智能消费产品存储,忆联即将基于新一代主控和3D TLC介质推出新款eMMC产品RM561。这款新品将为复杂的嵌入式应用提供更优的高性能、低功耗、高可靠的存储解决方案,持续优化和提升智能消费应用的体验。敬请期待!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/37907.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

vue3中使用Antv G6渲染树形结构并支持节点增删改

写在前面 在一些管理系统中,会对组织架构、级联数据等做一些管理,你会怎么实现呢?在经过调研很多插件之后决定使用 Antv G6 实现,文档也比较清晰,看看怎么实现吧,先来看看效果图。点击在线体验 实现的功能…

受限玻尔兹曼机浅析

受限玻尔兹曼机(Restricted Boltzmann Machine,简称RBM)是一种特殊的随机生成神经网络,能够学习并发现数据的复杂规则分布。以下是关于受限玻尔兹曼机算法的详细介绍: ⭐️ 定义与起源 定义: 受限玻尔兹…

深入剖析Tomcat(十四) Server、Service 组件:如何启停Tomcat服务?

通过前面文章的学习,我们已经了解了连接器,四大容器是如何配合工作的,在源码中提供的示例也都是“一个连接器”“一个顶层容器”的结构。并且启动方式是分别启动连接器和容器,类似下面代码 connector.setContainer(engine); try …

小程序的运行机制、更新机制、生命周期介绍保姆级教程全解

一、小程序运行机制 1. 小程序冷启动 小程序启动可以分为两种情况,一种是冷启动,一种是热启动- 冷启动:如果用户首次打开,或小程序销毁后被用户再次打开,此时小程序需要重新加载启动- 热启动:如果用户已经打…

HSP_12章 Python面向对象编程oop_多态

文章目录 P128 多态问题的引出P129 多态细节和使用1. 多态介绍&特别说明2. 多态的好处3. 特别说明: Python多态的特点4. 使用多态的机制来解决主人喂食物的问题 P128 多态问题的引出 先看一个问题 # 说明: 先试用传统的方式完成 class Food:name Nonedef __init__(self,…

4.Android逆向协议-详解二次打包失败解决方案

免责声明:内容仅供学习参考,请合法利用知识,禁止进行违法犯罪活动! 内容参考于:微尘网校 上一个内容:3.Android逆向协议-APP反反编译及回编译 工具下载: 链接:https://pan.baidu.…

#笔记# 写给自己用的小爬虫

最近完成了一个文旅行业信息聚合的小应用,实现仅从一个入口了解全行业的信息动态,不用一个一个翻看各网站,节省了不少检索时间。 一、基本思路 明确数据来源。基于前述目标,确定数据源为文化和旅游部管理部门官网,比…

【办公类-21-18】20240701 养老护理员初级选择题488,制作PyQt5图形界面GUI

背景需求: 6月16日育婴师高级考完了。运气好,抽到的是”护理患腹泻的幼儿”,“晨检与家长沟通”,“4个月婴儿喂蛋黄”,“21个月食谱”,都是我背过的题目(没有抽到感统) 于是一放假&…

【C语言】解决C语言报错:Invalid Pointer

文章目录 简介什么是Invalid PointerInvalid Pointer的常见原因如何检测和调试Invalid Pointer解决Invalid Pointer的最佳实践详细实例解析示例1:未初始化的指针示例2:已释放的指针示例3:返回局部变量的指针示例4:野指针 进一步阅…

《化学工程与装备》是什么级别的期刊?是正规期刊吗?能评职称吗?

​问题解答 问:《化学工程与装备》是不是核心期刊? 答:不是,是知网收录的第一批认定学术期刊。 问:《化学工程与装备》级别? 答:省级。主管单位:福建石油化工集团有限责任公司 …

昇思25天学习打卡营第6天|网络构建

网络构建 概念模型模型参数 概念 神经网络模型是由神经网络层和Tensor操作构成的,mindspore.nn提供了常见神经网络层的实现,在MindSpore中,Cell类是构建所有网络的基类,也是网络的基本单元。一个神经网络模型表示为一个Cell&…

技术革新:如何用数据中台实现数字化转型

作为程序员,我们总是对技术如何改变企业运作充满好奇。今天,我们将深入探讨森马集团如何利用数据中台技术,实现从传统数据分析到数字化转型的华丽转身。 1. 技术背景:森马集团的数字化挑战 森马集团,一个在服饰行业占…

天津惠灵顿:从心,致逐梦康桥|在这所天津国际学校从容不迫中走近梦想

在刚刚落下帷幕的申请季中,来自惠灵顿天津校区的Herman,陆续收到了剑桥大学、帝国理工学院、纽约大学、瓦萨学院等10余封录取通知书。面对纷至沓来的名校肯定,经历了短暂的尘埃落定的喜悦,Herman很快恢复了往日里的泰然自若。在他…

chunkers/maxent_ne_chunker/english_ace_multiclass.pickle 找不到

首先在这个nltk_data : NLTK Data官方下的数据集,找不到english_ace_multiclass.pic 说明缺少这个文件 : 那么在 nlp/resources/chunkers/maxent_ne_chunker/english_ace_multiclass.pickle at master teropa/nlp (github.com) 下载那两个文件 : 然…

基于SpringBoot的CSGO赛事管理系统

您好!我是专注于计算机技术研究的码农小野。如果您对CSGO赛事管理系统感兴趣或有相关开发需求,欢迎随时联系我。 开发语言:Java 数据库:MySQL 技术:SpringBoot框架,Java技术 工具:Eclipse&a…

迈阿密色主题学科 HTML5静态导航源码

源码介绍 迈阿密色主题学科 HTML5静态导航源码,源码直接上传可用,有技术的可以拿去写个后端搜索调用百度接口,也可用于做引导页下面加你网址添加一个A标签就行了,很简单,需要的朋友就拿去吧 界面预览 源码下载 迈阿…

专题五:Spring源码之初始化容器上下文

上一篇我们通过如下一段基础代码作为切入点,最终找到核心的处理是refresh方法,从今天开始正式进入refresh方法的解读。 public class Main {public static void main(String[] args) {ApplicationContext context new ClassPathXmlApplicationContext(…

鸿蒙本地签名不匹配问题

连接鸿蒙手机运行项目报如下错误 这是由于本地签名和鸿蒙设备签名不匹配导致的,需要注释掉如下代码,选择file project 自动签名 勾选auto选项,会在build-profile.json5中生成一个签名,然后运行就ok了~

创建一个Django用户认证系统

目录 1、Django2、Django用户认证系统User 模型:Authentication 视图:认证后端 (Authentication Backends):Form 类:中间件 (Middleware):权限和组 (Permissions and Groups): 3、创建一个django用户认证系…

MNIST手写字体识别(算法基础)

快教程 10分钟入门神经网络 PyTorch 手写数字识别 慢教程 【深度学习Pytorch入门】 简单回归问题-1 梯度下降算法 梯度下降算法 l o s s x 2 ∗ s i n ( x ) loss x^2 * sin(x) lossx2∗sin(x) 求导得: f ‘ ( x ) 2 x s i n x x 2 c o s x f^(x)2xsinx x^…