部件举例之磁头上岗记(硬盘构造再揭秘之二)

简介:
强求每家硬盘厂商都走垂直整合之路不现实,但尽可能地掌握一些关键部件的技术却很有必要。特别是在盘片存储密度越来越高、磁头尺寸越来越小,以至一度因遭遇技术瓶颈而被迫放缓单碟容量提升速度的今天,缺乏盘片和磁头技术储备的硬盘厂商将会在新产品的推出上处于不利地位。迈拓(Maxtor)在2001年9月将MMC Technology变成了自己的全资子公司,现在后者已经是它最大的盘片提供者;WD则在2003年7月收购了磁头供应商Read-Rite,现在其位于加州Fremont的晶圆制造厂即得自该交易。垂直整合不是万能的,但离核心技术太远是很容易无能的
笔者没有去过Fremont,但有幸参观过日立GST设在深圳的磁头生产工厂。与硬盘工厂一样,磁头厂也不允许随便拍照,好在WD在其为此次访问专门准备的会议室里摆放了磁头生产过程中各个阶段的产品,我们可以一一展示给大家。
从6英寸晶圆到最终成为硬盘驱动器的一分子——仅仅磁头一个部件的“芯路历程”就如此的复杂。从中我们也可以对Slider、HGA和HSA有个比较直观的认识
包含读写电路在内的磁头位于一个叫做Slider(滑橇)的小滑块上,后者具备空气动力学特性,能够在盘片转动带来的空气垫上滑行并稳定在一个高度范围内,保证数据读写的准确。有时人们会将Slider等同于磁头来表述,随着存储密度的不断提高,磁头的飞高越来越低,Slider的体积也越来越小,像什么皮米滑橇(pico slider)、飞米滑橇(femto slider)相信大家都有所了解。
晶圆和切割成的Slider Bar
Slider在晶圆上蚀刻出来,晶圆直径越大,Slider尺寸越小,单个晶圆上的Slider产量也就越高(当然良率要有保证)。目前WD采用的是6英寸晶圆,不过Slider好像还没到femto的级别。晶圆被切割加工成长条(Slider Bar),进而是单个的Slider。
单个的Slider
然后Slider便被固定在磁头臂前端的悬架上,后面引出相应的电路,即所谓的HGA(Head Gimbal Assembly,磁头悬架组件)。由于同一张盘片两面的HGA方向相对,所以便有A、B两种类型的HGA。
两种类型的HGA,可以看出它们是反向的
B型HGA的特写
接着,几个HGA(一张盘片需要1或2个)堆叠在一起,再加上前置放大器(preamplifier),就形成HSA(Head Stack Assembly,磁头臂组件)。
这就是HSA
最后,承载着一个或多个磁头的HSA作为一个部件加入到硬盘驱动器组装的工序中。
单个HSA的特写




本文转自 Gelada 51CTO博客,原文链接:http://blog.51cto.com/gelada/155973x,如需转载请自行联系原作者
目录
相关文章
|
存储 关系型数据库 MySQL
MySQL数据库碎片化:隐患与解决策略
UUID作为主键可能导致MySQL存储碎片,影响性能。频繁的DML操作、字段长度变化和非顺序插入(如UUID)都会造成碎片。碎片增加磁盘I/O,降低查询效率,浪费空间,影响备份速度。建议使用自增ID,固定长度字段,并适时运行OPTIMIZE TABLE来减少碎片。
|
监控 安全 网络协议
分享一下这几款超棒的上网行为管理软件
探索高效上网行为管理工具:WorkWin提供远程控制、权限管理及行为监控,助力企业提升效率与安全;Kaspersky Safe Kids保障孩子网络安全,设定屏幕时间;OpenDNS FamilyShield,免费DNS过滤不良网站,简易操作适合家庭使用。这些软件是网络管理的得力助手,确保工作与学习环境更健康、有序。[来源:B站文章]
457 2
|
存储 Linux API
深入探索Android系统架构:从内核到应用层的全面解析
本文旨在为读者提供一份详尽的Android系统架构分析,从底层的Linux内核到顶层的应用程序框架。我们将探讨Android系统的模块化设计、各层之间的交互机制以及它们如何共同协作以支持丰富多样的应用生态。通过本篇文章,开发者和爱好者可以更深入理解Android平台的工作原理,从而优化开发流程和提升应用性能。
|
Web App开发 前端开发 测试技术
构建响应式设计的七个最佳实践
本文介绍了构建响应式设计的七个最佳实践,包括使用流体布局、媒体查询、灵活的图片和媒体、响应式框架、可伸缩的字体、测试与优化及渐进增强和优雅降级,帮助开发者创建适应多设备的网站。
|
机器学习/深度学习 人工智能 自然语言处理
NeurIPS 2024:SparseLLM:突破性全局剪枝技术,大语言模型稀疏化革命
《SparseLLM: Towards Global Pruning for Pre-trained Language Models》提出了一种新型框架SparseLLM,通过模块化表示和辅助变量引入,将全局剪枝问题转化为多个可管理的子问题,实现资源高效的优化并保证全局最优性。实验表明,SparseLLM在高稀疏性条件下显著提高了模型的准确性和计算效率,适用于资源受限的环境。论文链接:https://arxiv.org/abs/2402.17946
409 3
|
机器学习/深度学习 安全 物联网
智能时代下的数据安全:挑战与对策
本文深入探讨了在快速发展的信息技术背景下,数据安全面临的新挑战及应对策略。文章首先分析了当前数据泄露和滥用的风险,随后提出了一系列针对性的技术和管理措施,旨在增强个人和企业的数据防护能力。通过案例分析,本文揭示了数据保护的最佳实践,并对未来数据安全技术的发展方向进行了展望。
|
数据采集 机器学习/深度学习 自然语言处理
一文讲懂大模型调优技术
随着AI技术的发展,大模型如GPT系列、BERT等成为推动自然语言处理和计算机视觉领域进步的重要驱动力。然而,大模型的调优过程复杂且资源消耗巨大,对开发者构成严峻挑战。本文旨在全面解析大模型调优的关键技术,涵盖数据预处理、模型架构调整、超参数优化、正则化与泛化能力提升,以及分布式训练与并行优化等内容,为开发者提供系统性的调优指南。
|
人机交互 分布式数据库 数据库
软考之决策支持系统的概念
软考之决策支持系统的概念
688 3
|
SQL Java 数据库连接
Mybatis拦截器实现带参数SQL语句打印
Mybatis拦截器实现带参数SQL语句打印
|
安全 网络协议 物联网
城域以太网:连接城市的高速网络
【4月更文挑战第22天】
517 0
下一篇
开通oss服务