《IO性能最重要的三个指标》由会员分享，可在线阅读，更多相关《IO性能最重要的三个指标（4页珍藏版）》请在金锄头文库上搜索。
1、最重要的三个指标IOPSIOPS，即每秒钟处理的IO请求数量。IOPS是随机访问类型业务（OLTP类）很重 要的一个参考指标。 一块物理硬盘能提供多少IOPS？从磁盘上进行数据读取时，比较重要的几个时间是：寻址时间（找到数据块的起 始位置），旋转时间（等待磁盘旋转到数据块的起始位置），传输时间（读取数 据的时间和返回的时间）。其中寻址时间是固定的（磁头定位到数据的存储的扇 区即可），旋转时间受磁盘转速的影响，传输时间受数据量大小的影响和接口类 型的影响（不用硬盘接口速度不同），但是在随机访问类业务中，他的时间也很 少。因此，在硬盘接口相同的情况下，IOPS主要受限于寻址时间和传输时间。以一个1
2、5K的硬盘为例，寻址时间固定为4ms,传输时间为60s/15000*l/2=2ms, 忽略传输时间。1000ms/6ms=167个IOPS。 OS 的一次 IO 请求对应物理硬盘一个 IO 吗？在没有文件系统、没有VM （卷管理）、没有RAID、没有存储设备的情况下，这 个答案还是成立的。但是当这么多中间层加进去以后，这个答案就不是这样了。 物理硬盘提供的IO是有限的，也是整个IO系统存在瓶颈的最大根源。所以，如 果一块硬盘不能提供，那么多块在一起并行处理，这不就行了吗？确实是这样的。 可以看到，越是高端的存储设备的 cache 越大，硬盘越多，一方面通过 cache 异步处理IO,另一方面通
3、过盘数增加，尽可能把一个OS的IO分布到不同硬盘 上，从而提高性能。文件系统则是在cache上会影响，而VM则可能是一个IO 分布到多个不同设备上（ Striping）。所以，一个OS的IO在经过多个中间层以后，发生在物理磁盘上的IO是不确定 的。可能是一对一个，也可能一个对应多个。 IOPS 能算出来吗？ 对单块磁盘的IOPS的计算没有没问题，但是当系统后面接的是一个存储系统时、 考虑不同读写比例，IOPS则很难计算，而需要根据实际情况进行测试。主要的 因素有：o存储系统本身有自己的缓存。缓存大小直接影响IOPS，理论上说, 缓存越大能cache的东西越多，在cache命中率保持的情况下，
4、IOPS会越高。o RAID级别。不同的RAID级别影响了物理IO的效率。o 读写混合比例。对读操作，一般只要 cache 能足够大，可以大大减 少物理IO，而都在cache中进行；对写操作，不论cache有多大, 最终的写还是会落到磁盘上。因此，100%写的IOPS要越狱小于 100%的读的IOPS。同时，100%写的IOPS大致等同于存储设备能 提供的物理的 IOPS。o 一次IO请求数据量的多少。一次读写1KB和一次读写1MB,显而 易见，结果是完全不同的。当时上面N多因素混合在一起以后，IOPS的值就变得扑朔迷离了。所以，一般 需要通过实际应用的测试才能获得。IO Response T
5、ime即IO的响应时间。IO响应时间是从操作系统内核发出一个IO请求到接收到IO 响应的时间。因此， IO Response time 除了包括磁盘获取数据的时间，还包括 了操作系统以及在存储系统内部IO等待的时间。一般看，随IOPS增加，因为 IO出现等待，IO响应时间也会随之增加。对一个OLTP系统，10ms以内的响应 时间，是比较合理的。下面是一些IO性能示例： 一个 8K 的 IO 会比一个 64K 的 IO 速度快，因为数据读取的少些。 一个64K的IO会比8个8K的IO速度快，因为前者只请求了一个IO而后者是 8 个 IO。串行IO会比随机IO快，因为串行IO相对随机IO说，即便没
6、有Cache， 串行 IO 在磁盘处理上也会少些操作。需要注意，IOPS与IO Response Time有着密切的联系。一般情况下，IOPS增加, 说明IO请求多了，IO Response Time会相应增加。但是会出现IOPS 一直增加, 但是IO Response Time变得非常慢，超过20ms甚至几十ms，这时候的IOPS虽 然还在提高，但是意义已经不大，因为整个IO系统的服务时间已经不可取。Throughput 为吞吐量。这个指标衡量标识了最大的数据传输量。如上说明，这个值在顺序访 问或者大数据量访问的情况下会比较重要。尤其在大数据量写的时候。吞吐量不像IOPS影响因素很多，吞吐量
7、一般受限于一些比较固定的因素，如： 网络带宽、10传输接口的带宽、硬盘接口带宽等。一般他的值就等于上面几个 地方中某一个的瓶颈。一些概念I0 Chunk Size即单个I0操作请求数据的大小。一次I0操作是指从发出I0请求到返回数据的 过程。 I0 Chunk Size 与应用或业务逻辑有着很密切的关系。比如像 0racle 一 类数据库，由于其block size 一般为8K,读取、写入时都此为单位，因此，8K 为这个系统主要的 I0 Chunk Size。 I0 Chunk Size小，考验的是I0系统的I0PS能力；10 Chunk Size大，考验的时候I0系统的 I0吞吐量。Queu
8、e Deep熟悉数据库的人都知道， SQL 是可以批量提交的，这样可以大大提高操作效率。I0 请求也是一样， I0 请求可以积累一定数据，然后一次提交到存储系统，这样 一些相邻的数据块操作可以进行合并，减少物理I0数。而且Queue Deep如其名, 就是设置一起提交的I0请求数量的。一般Queue Deep在I0驱动层面上进行配 置。Queue Deep与IOPS有着密切关系。Queue Deep主要考虑批量提交I0请求，自 然只有IOPS是瓶颈的时候才会有意义，如果IO都是大IO,磁盘已经成瓶颈， QueueDeep 意义也就不大了。一般来说， IOPS 的峰值会随着 QueueDeep
9、的增加 而增加（不会非常显著）， Queue Deep 一般小于 256。随机访问（随机IO）、顺序访问（顺序10）随机访问的特点是每次 IO 请求的数据在磁盘上的位置跨度很大（如：分布在不 同的扇区），因此N个非常小的IO请求（如：1K），必须以N次IO请求才能获 取到相应的数据。顺序访问的特点跟随机访问相反，它请求的数据在磁盘的位置是连续的。当系统 发起N个非常小的IO请求（如：1K）时，因为一次10是有代价的，系统会取完 整的一块数据（如4K、8K），所以当第一次I0完成时，后续I0请求的数据可 能已经有了。这样可以减少I0请求的次数。这也就是所谓的预取。随机访问和顺序访问同样是有应用决定的。如数据库、小文件的存储的业务，大 多是随机10。而视频类业务、大文件存取，则大多为顺序10。选取合理的观察指标：以上各指标中，不用的应用场景需要观察不同的指标，因为应用场景不同，有些 指标甚至是没有意义的。随机访问和IOPS:在随机访问场景下，IOPS往往会到达瓶颈，而这个时候去观 察 Throughput ，则往往远低于理论值。顺序访问和 Throughput ：在顺序访问的场景下， Throughput 往往会达到瓶颈（磁 盘限制或者带宽），而这时候去观察IOPS，往往很小。
