[ICT] M.2 2280 Hanye ME70 / 2TB ベンチマーク

ORICO M.2 SSD 外付けケース (USB 3.2 gen.2 10Gbps) 経由です。

Hanye M.2 2280 ME70 / 2TB は Amazon で安かったので、つい。

ベンチマーク結果

Crystal Dew World: https://crystalmark.info/

MB/s = 1,000,000 bytes/s [SATA/600 = 600,000,000 bytes/s]
KB = 1000 bytes, KiB = 1024 bytes

[Read]
SEQ 1MiB (Q= 8, T= 1): 1014.252 MB/s [ 967.3 IOPS] < 8260.07 us>
SEQ 128KiB (Q= 32, T= 1): 928.196 MB/s [ 7081.6 IOPS] < 4514.80 us>
RND 4KiB (Q= 32, T=16): 244.996 MB/s [ 59813.5 IOPS] < 8538.07 us>
RND 4KiB (Q= 1, T= 1): 33.290 MB/s [ 8127.4 IOPS] < 122.80 us>

[Write]
SEQ 1MiB (Q= 8, T= 1): 998.890 MB/s [ 952.6 IOPS] < 8374.36 us>
SEQ 128KiB (Q= 32, T= 1): 952.310 MB/s [ 7265.5 IOPS] < 4398.10 us>
RND 4KiB (Q= 32, T=16): 262.193 MB/s [ 64012.0 IOPS] < 7974.05 us>
RND 4KiB (Q= 1, T= 1): 53.129 MB/s [ 12970.9 IOPS] < 76.89 us>

Profile: Default
Test: 1 GiB (x5) [Z: 0% (0/1908GiB)]
Mode: [Admin]
Time: Measure 5 sec / Interval 5 sec
Date: 2023/01/26 0:52:05
OS: Windows 11 10.0 Build 22621
Comment: Hanye NVMe 2TB (USB3.2gen.2 10Gbps経由）

どうして外付けにしたのか…

Lenovo Ideapad Gaming 370 マシンに搭載して利用していましたが、熱問題が出てしまったからです。
右上の NVMe が Hanye です。中央は 2230 to 2242 下駄越し NVMe WD SN530 （熱問題なし）。

Gaming 370 ラップトップは片面実装 NVMe 搭載を想定した作りになっており、両面基盤の場合はヒートシンクが必要。しかし、Hanye に見合いそうなヒートシンクを取り付けるとラップトップケースに収まらず。このままでは過剰パーツ化してしまうのは目に見えているので再利用しなくては。

外付けエンクロージャーの選定

安価な USB 3.2 Gen.2 / 10 Gbps エンクロージャーを購入しました。
ORICO 製はこれまでに MacBook Pro (intel) で酷使していますが安定動作を続けています。
Lenovo Ideapad Gaming 370 は USB 3.2 (3.1) Gen.2 ですので 10 Gbps エンクロージャーまで対応しています。USB 3.2 Gen.2 2×2 ではないので 20 Gbps エンクロージャーは宝の持ち腐れとなり注意が必要です。

Windows ディスクの管理からの見え方

何も難しい設定はありません。ベンチマーク計測対象 NVMe SSD (外付け分）は Z ドライブにしました。NTFS フォーマットによるオーバーヘッドを除くと 1907.73 GB free でした。

Windows デバイスマネージャーからの見え方

ORICO 製品に限らず搭載チップ依存ですね。

安定のカニ Realtek RTL9210B-CG SCSI Disk Device でした。
バンド幅 10 Gbps チップです。
詳細：RTL9210B-CG – REALTEK

今回のベンチマーク結果は概ね満足です。

今後の展望

Lenovo Ideapad Gaming 370 NVMe (Gen.4) slot に片面実装を探して使いたいのは山々ですが、このマシンでの使い方は Docker for Desktop がメイン。USB 3.2 Gen.2 インタフェイスを外付け Hub 拡張し使いたいような。最近、GeForce GPU を併用する Open GPU Data Science ”RAPIDS” の存在を知り、効果的な使い方を探索しているところです。

以上、ご覧いただき有難うございました。