Muestra las diferencias entre dos versiones de la página.
Ambos lados, revisión anterior Revisión previa Próxima revisión | Revisión previa | ||
clase:asir:fhw:2eval:tema06 [2021/09/24 19:53] admin [Discos duros] |
clase:asir:fhw:2eval:tema06 [2023/03/21 08:22] (actual) admin [Discos SSD] |
||
---|---|---|---|
Línea 59: | Línea 59: | ||
* CHS (Cylinder-Head-Sector): | * CHS (Cylinder-Head-Sector): | ||
* LBA (Logical block addressing): | * LBA (Logical block addressing): | ||
+ | |||
+ | {{: | ||
Línea 64: | Línea 66: | ||
* [[https:// | * [[https:// | ||
* [[https:// | * [[https:// | ||
+ | * [[https:// | ||
==== Métodos de grabación magnética ==== | ==== Métodos de grabación magnética ==== | ||
Línea 93: | Línea 96: | ||
{{: | {{: | ||
- | * MAMR (Microwave-Assisted Magnetic Recording): Es como PRM pero el disco se | + | * MAMR (Microwave-Assisted Magnetic Recording): Es como PRM pero el disco se bombardea con un campo de microondas, lo que hace que las densidades sean aun mayores. Esta tecnología es la que está consiguiendo que tengamos discos de decenas de TB actualmente. Su mayor impulsor es Western Digital. |
+ | |||
+ | * EAMR (energy assisted magnetic recording): Es como se llaman a las dos tecnologías de MARM y EARM. Ya que ambas han aparecido a la vez y tienen capacidades similares. | ||
Línea 101: | Línea 106: | ||
* MARM, HARM: | * MARM, HARM: | ||
* [[https:// | * [[https:// | ||
+ | * [[https:// | ||
+ | * [[https:// | ||
* El fraude de WD en sus discos duros: | * El fraude de WD en sus discos duros: | ||
* [[https:// | * [[https:// | ||
Línea 123: | Línea 130: | ||
* Muy rápidos | * Muy rápidos | ||
* Tienen un número limitado de escrituras. | * Tienen un número limitado de escrituras. | ||
+ | |||
+ | |||
+ | Vamos ahora una serie de gráficas para comprar la capacidad y el precio de los SSD vs los HDD en 2022 | ||
+ | |||
+ | * En la siguiente gráfica podemos ver las diferencias de capacidades y precios de distintos SSD y HDD. | ||
+ | |||
+ | {{ : | ||
+ | |||
+ | <sxh python> | ||
+ | import matplotlib.pyplot as plt | ||
+ | import numpy as np | ||
+ | from sklearn.linear_model import LinearRegression | ||
+ | from matplotlib.ticker import AutoMinorLocator | ||
+ | |||
+ | figure=plt.figure(figsize=(18, | ||
+ | axes = figure.add_subplot() | ||
+ | |||
+ | axes.xaxis.set_minor_locator(AutoMinorLocator(2)) | ||
+ | axes.yaxis.set_minor_locator(AutoMinorLocator(2)) | ||
+ | axes.set_facecolor("# | ||
+ | axes.grid(visible=True, | ||
+ | axes.grid(visible=True, | ||
+ | axes.tick_params(axis=' | ||
+ | axes.tick_params(axis=' | ||
+ | axes.tick_params(axis=' | ||
+ | axes.tick_params(axis=' | ||
+ | |||
+ | axes.set_xlabel(' | ||
+ | axes.set_ylabel(' | ||
+ | axes.set_title(" | ||
+ | |||
+ | |||
+ | axes.xaxis.set_ticks(np.arange(0.0, | ||
+ | axes.yaxis.set_ticks(np.arange(0, | ||
+ | |||
+ | |||
+ | x=[0.5, | ||
+ | y=[101, | ||
+ | axes.scatter(x, | ||
+ | |||
+ | |||
+ | x=[2, | ||
+ | y=[48, | ||
+ | axes.scatter(x, | ||
+ | |||
+ | axes.legend() | ||
+ | </ | ||
+ | |||
+ | * En la siguiente gráfica podemos ver una regresión lineal del precio de los discos HDD para poder saber cuales son mas caros o baratos. | ||
+ | |||
+ | {{ : | ||
+ | |||
+ | <sxh python> | ||
+ | import matplotlib.pyplot as plt | ||
+ | import numpy as np | ||
+ | from sklearn.linear_model import LinearRegression | ||
+ | from matplotlib.ticker import AutoMinorLocator | ||
+ | |||
+ | figure=plt.figure(figsize=(18, | ||
+ | axes = figure.add_subplot() | ||
+ | |||
+ | axes.xaxis.set_minor_locator(AutoMinorLocator(2)) | ||
+ | axes.yaxis.set_minor_locator(AutoMinorLocator(2)) | ||
+ | axes.set_facecolor("# | ||
+ | axes.grid(visible=True, | ||
+ | axes.grid(visible=True, | ||
+ | axes.tick_params(axis=' | ||
+ | axes.tick_params(axis=' | ||
+ | axes.tick_params(axis=' | ||
+ | axes.tick_params(axis=' | ||
+ | |||
+ | axes.set_xlabel(' | ||
+ | axes.set_ylabel(' | ||
+ | axes.set_title(" | ||
+ | |||
+ | axes.xaxis.set_ticks(np.arange(0.0, | ||
+ | axes.yaxis.set_ticks(np.arange(0, | ||
+ | |||
+ | |||
+ | x=[2, | ||
+ | y=[48, | ||
+ | axes.scatter(x, | ||
+ | |||
+ | model = LinearRegression().fit(list(zip(x)), | ||
+ | x_recta=[min(x), | ||
+ | y_recta = model.predict(list(zip(x_recta))) | ||
+ | axes.plot(x_recta, | ||
+ | </ | ||
+ | |||
+ | * En la siguiente gráfica podemos ver una regresión lineal del precio de los discos SSD para poder saber cuales son mas caros o baratos. | ||
+ | |||
+ | {{ : | ||
+ | |||
+ | <sxh python> | ||
+ | import matplotlib.pyplot as plt | ||
+ | import numpy as np | ||
+ | from sklearn.linear_model import LinearRegression | ||
+ | from matplotlib.ticker import AutoMinorLocator | ||
+ | |||
+ | figure=plt.figure(figsize=(18, | ||
+ | axes = figure.add_subplot() | ||
+ | |||
+ | axes.xaxis.set_minor_locator(AutoMinorLocator(2)) | ||
+ | axes.yaxis.set_minor_locator(AutoMinorLocator(2)) | ||
+ | axes.set_facecolor("# | ||
+ | axes.grid(visible=True, | ||
+ | axes.grid(visible=True, | ||
+ | axes.tick_params(axis=' | ||
+ | axes.tick_params(axis=' | ||
+ | axes.tick_params(axis=' | ||
+ | axes.tick_params(axis=' | ||
+ | |||
+ | axes.set_xlabel(' | ||
+ | axes.set_ylabel(' | ||
+ | axes.set_title(" | ||
+ | |||
+ | axes.xaxis.set_ticks(np.arange(0.0, | ||
+ | axes.yaxis.set_ticks(np.arange(0, | ||
+ | |||
+ | |||
+ | x=[0.5, | ||
+ | y=[101, | ||
+ | axes.scatter(x, | ||
+ | |||
+ | model = LinearRegression().fit(list(zip(x)), | ||
+ | x_recta=[min(x), | ||
+ | y_recta = model.predict(list(zip(x_recta))) | ||
+ | axes.plot(x_recta, | ||
+ | </ | ||
Mas información: | Mas información: | ||
Línea 140: | Línea 276: | ||
* Conexión PCIe (Realmente se llama Add-in Card " | * Conexión PCIe (Realmente se llama Add-in Card " | ||
{{: | {{: | ||
+ | |||
+ | Más información: | ||
+ | * [[https:// | ||
Línea 684: | Línea 823: | ||
Haz un esquema de una placa base y explica en que consiste el problema. | Haz un esquema de una placa base y explica en que consiste el problema. | ||
+ | |||
+ | ==== Ejercicio 15 ==== | ||
+ | En Amazon podemos encontrar los siguientes discos: | ||
+ | * {{ : | ||
+ | * {{ : | ||
+ | |||
+ | Indica | ||
+ | * Si en la descripción de alguno de ellos hay algo erroneo. | ||
+ | * ¿Cual te compraría? Razona la respuesta. | ||
+ | |||