本文主要是介绍存储 IO 性能优化策略、方案与瓶颈分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
存储 IO 性能优化策略、方案与瓶颈分析(15张图)
存储IO性能优化是难题,因为它通常涉及全局性问题,需要从应用、数据库、主机、网络和存储设备全IO链路栈各层考虑可能出现的性能问题或瓶颈。
一、不同应用数据的 IO 模型特点
下表概述了各种应用场景的IO大小、读写比例、随机和顺序比例,这些数据作为通用参考值。需要注意的是,该表并未涵盖所有应用类型,且在不同生产环境中,数值可能存在较大差异。因此,表1中的数据仅作为一个通用参考。
表1 应用数据的IO模型
二、存储 IO 性能指标和计算公式
1. 三大存储IO性能指标:
在三大性能指标中,针对大IO应用的吞吐量评估更科学;而对于小IO应用如数据库,需通过IOPS和延时指标评测性能。只有高IOPS与低延时兼得,才能应对高并发且快速的数据库访问需求,如表2所示。
表2 三大存储IO性能指标
2. 其它重要的存储性能指标(表3):
表3 其它重要的存储性能指标
3. 各IO性能指标的计算和相互转换公式
IOPS、IO size、带宽和QueueDepth之间的计算转换公式如图1所示。请参考该图以获取详细信息。
图1 IOPS、IO size、带宽、QueueDepth之间的计算转换公式
4. 各性能指标在vdbench基准测试工具中的体现(如图2)
图2 各性能指标在vdbench基准测试工具中的体现
三、存储 IO 性能优化
1. 优化策略
存储IO性能优化工作需要一定的策略性(如表4):
表4 存储IO性能优化策略
2. 优化方案
存储设备层优化方案(如图3):
图3 存储设备层优化方案
网络层优化方案(图4):
图4 网络层优化方案
存储传输协议方案选择(如图5):
图5 存储传输协议方案选择
主机层优化方案(如图6):
图6 主机层优化方案
应用层优化方案(如图7):
图7 应用层优化方案
3. 传统关系型数据库的IO性能的瓶颈点分析(如图8)
图8 Oracle 数据文件和日志文件读写过程
如表5所示,OLTP系统中单进程LGWR可能成为瓶颈,特别是在无法保证在线日志IO写性能时,容易出现排队等LGWR进程现象。这也是传统关系型数据库相对脆弱之处,容易引发问题。
表5 关系型数据库data和log数据IO读写模型
OLTP数据库存储性能优化思路(如图9):
图9 OLTP数据库存储性能优化思路
4. IO并发队列的考虑
队列深度(Queue-Depths)是衡量主机端单个LUN能同时处理的I/O操作数量的标准。以QD=32为例,这意味着在同一时刻,该LUN可以执行32个并行IO操作。
在SCSI命令层面,每个从发送端(initiator)主机HBA卡端口到接收端(target)存储HBA卡端口的IO请求都会占用一个队列条目。
通常来说,较高的队列深度意味着更好的性能。然而,当存储控制器/节点达到最大队列深度并耗尽资源时,它将拒绝新的传入命令,并通过返回QFULL回应主机,从而导致性能下降。因此,在大量主机访问存储控制器时,务必谨慎规划以避免QFULL条件导致系统性能显著降低甚至出现错误。
有关队列深度(Queue-Depths)计算的深入分析(表6):
表6 队列深度计算的深入分析
有关队列深度(Queue-Depths)注意事项:
队列深度是一种并发交易模拟机制,它在流水线上的每个不同环节设置缓冲空间,使正常流水线数据传送从紧耦合变成了松耦合。简单来讲,Queue-Depths 传送机制的系统中,整个系统的吞吐量和延迟由性能最差的那个部位决定。
队列深度是一种并发交易模拟机制,它通过在流水线上的每个不同环节设置缓冲空间,使得正常流水线数据传送从紧耦合变成了松耦合。使用Queue-Depths 传送机制的系统中,整个系统的吞吐量和延迟由性能最差的那个部位决定。
-对此,您有什么看法见解?-
-欢迎在评论区留言探讨和分享。-
这篇关于存储 IO 性能优化策略、方案与瓶颈分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!