当前位置:网站首页>【CS创世】 SD NAND和Raw NAND优劣势对比分析
【CS创世】 SD NAND和Raw NAND优劣势对比分析
2022-07-17 05:11:00 【深圳市雷龙发展有限公司】
SD NAND和Raw NAND优劣势对比分析
关于什么是CS 创世 SD NAND(也称:迷你型eMMC,小尺寸/小容量eMMC,贴片式T卡,贴片式TF卡,贴片式SD卡等) 我们之前专门有一个详情介绍:http://www.longsto.com/product/31.html。
那CS创世 SD NAND与普通NAND Flash(Raw NAND)又有什么区别呢?这里我们做了一个对比图:
从上可以看到CS创世 SD NAND跟Raw NAND主要区别在于:
1,免驱动使用。SD NAND内置了针对NAND Flash的坏块管理,平均读写,动态和静态的EDC/ECC等算法。带来的好处有:
a) 让产品的质量更稳定,更好的延长寿命。
b) 减少CPU的负荷。让后续针对NAND Flash的操作,都可以交给SD NAND,CPU可以不用再管了。
c) 节省程序员时间和公司成本。我们有碰到客户花了3个月时间自己写NAND Flash驱动,最终还是放弃了。3个月程序员工时成本是多少,大家可以算一下。
d) 加快产品的研发进度。使用SD NAND,研发人员可以专注于产品功能的实现,而不是耗在NAND Flash的底层驱动上面。
2,性能更稳定。由于NAND Flash内部是先擦后写机制,如果软件处理不当,在突然掉电的时候就会导致数据丢失。而SD NAND内部自带的垃圾回收等机制可以很好的规避这个问题。因此CS创世的二代产品才会通过10K次的随机掉电测试。
3,尺寸更小。目前SD NAND 是6*8mm 大小,8个pin脚,相比Raw NAND的12*20mm大小,48个pin脚,采用SD NAND可以做出更小巧的产品,而且也能节省CPU宝贵的GPIO口(这点对于MCU单片机来说更是重要)
4,SD NAND可选容量更多。目前有128MB/512MB/4GB容量。而SLC 的Raw NAND 主流容量128MB,512MB已经少见,供货周期也很长;单颗4GB的Raw NAND基本都是MLC或者TLC NAND的晶圆,管理起来更复杂。
5,SD NAND的读写速度更快。这点欢迎大家申请样品测试。
想了解CS创世 SD NAND更多信息,请点击链接:SD NAND-雷龙发展有限公司。
亲爱的卡友们,如果看完文章之后还是有疑惑或不懂的地方,请联系我们,自己去理解或猜答案是件很累的事,请把最麻烦的事情交给我们来处理,术业有专攻,闻道有先后,雷龙发展专注存储行业13年,专业提供小容量闪存解决方案。
边栏推荐
- 汉诺塔问题-->递归实现
- Some problems in face recognition testing with facenet source code
- PCM silent detection
- CUDA编程-03:线程层级
- Pointnet++ code explanation (III): query_ ball_ Point function
- Gradle custom plug-in
- USB to TTL ch340 module installation (win10)
- 如何优化深度学习模型以提升推理速度
- Hanoi Tower problem -- > recursive implementation
- Write a timed self-test
猜你喜欢
基于 Kintex UltraScale 系列 FPGA 的高性能 PXIE 数据预处理载板(KU060 +FMC子卡接口)
深度学习中常用的激活函数
Selective Kernel Networks方法简单整理
[introduction to speech recognition] basic concepts and framework
8种视觉Transformer整理(下)
简单Web服务器程序设计与实现
基于 UltraScale FPGA+华为海思 ARM 的高性能综合视频图像处理板 / FPGA+ARM
Pytorch learning notes [3]: fitting data using neural networks
运行基于MindSpore的yolov5流程记录
C语言实现迭代实现二分查找
随机推荐
DEEP JOINT TRANSMISSION-RECOGNITION FOR POWER-CONSTRAINED IOT DEVICES
widerperson数据集转化为YOLOv5训练格式,并加入到crowdhuman中
CV学习笔记【2】:卷积与Conv2d
Seq2seq (Chinese English translation) attention
Pytorch learning notes [1]: use tensors to represent real data
Xinlinx zynq7010国产替代 FMQL10S400 全国产化 ARM 核心板+扩展板
INRIAPerson数据集转化为yolo训练格式并可视化
PCM silent detection
Kotlin scope function
7 kinds of visual MLP finishing (Part 2)
Pointnet++ code explanation (VI): pointnetsetabstraction layer
多模态融合方法总结
Pointnet++ code details (II): Square_ Distance function
PyTorch学习笔记【5】:使用卷积进行泛化
3U VPX导冷高性能SRIO/以太网数据交换板
[speech recognition] MFCC feature extraction
Contrastive learning for image semantic segmentation (two articles)
QuizCardGame
A Survey of Robust LiDAR-based 3D Object Detection Methods for Autonomous Driving(激光雷达3D目标检测方法)论文笔记
Time complexity and space complexity of the model