存储 IO 性能优化策略、方案与瓶颈分析（15张图干货）

存储 IO 性能优化策略、方案与瓶颈分析（15张图干货）

存储IO性能优化是一个复杂而重要的技术问题，需要从应用、DB、主机、网络、存储设备等多个层面进行综合考虑。本文将通过15张图表，系统地介绍存储IO性能优化的相关策略、方案与瓶颈分析，帮助读者全面理解这一技术领域。

不同应用数据的IO模型特点

首先我们来了解一下不同的应用程序类型的典型IO模型特点，让大家有个大体印象以便于下文章节的展开。

下表总结描述了不同的应用程序对应的IO大小、读写比例、随机和顺序比例情况，表中的比例为一个通用参考值。不能包含全部的应用类型，同时根据不同生产环境数值也会有很大的差异。这里表1的数据仅提供一个通用的参考。

存储IO性能指标和计算公式

三大存储IO性能指标

三大性能指标分析中，对于大IO的应用使用吞吐量来评测性能更加科学；而小IO的应用，比如数据库，则需要通过IOPS和延时的指标来评测性能，高IOPS和低延时同时满足的情况下，才能应对高并发且快速的数据库访问，如表2。

其它重要的存储性能指标

表3 其它重要的存储性能指标

各IO性能指标的计算和相互转换公式

• IOPS、IO size、带宽、QueueDepth之间的计算转换公式（如图1）：

各性能指标在vdbench基准测试工具中的体现

图2 各性能指标在vdbench基准测试工具中的体现

存储IO性能优化

优化策略

存储IO性能优化工作需要一定的策略性（如表4）：

优化方案

• 存储设备层优化方案（如图3）：

• 网络层优化方案（图4）：

• 存储传输协议方案选择（如图5）：

• 主机层优化方案（如图6）：

• 应用层优化方案（如图7）：

传统关系型数据库的IO性能的瓶颈点分析

如表5所示，OLTP系统中，单进程的LGWR进程有可能成为一个大瓶颈，特别是在无法保证在线日志IO写性能的情况下，很容易出现排队等LGWR进程的情况。这其实也是很容易引发问题的一个点，是传统关系性数据库一个相对脆弱的地方。

OLTP数据库存储性能优化思路（如图9）：

IO并发队列的考虑

队列深度（Queue-Depths）是指主机端单个LUN可以一次被允许并行的处理的I/O数目(SCSI命令)。例如QD=32,代表可以在同一个时刻并行对该LUN做32个IO操作。

在SCSI命令层面，每个从发送端（initiator）主机HBA卡端口发送到接收端(target)存储HBA卡端口的IO request都会消耗一个Queue条目。

一般来说，更高的队列深度相当于更好的性能。如果存储控制器/节点到达最大队列深度并耗尽，存储控制器将拒绝新的传入命令并通过返回QFULL回应主机从而引起性能的降低。如果大量的主机访问存储控制器,应该仔细计划,以避免QFULL条件显著降低系统性能和在某些系统会导致错误。

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

队列深度（Queue-Depths）注意事项

队列深度的存在，在流水线上的每个不同环节设置缓冲空间(Buffer)，使正常流水线数据传送从紧耦合变成了松耦合。简单来讲从主机访问存储存在很多层的Queue（软硬件在传输过程中设计的Buffer大小，将串行流水线操作模拟成并行操作的一种并发交易模拟机制）。在IO处理没有卡顿时，有Queue 和没有Queue 的效果是一样的。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。