[后续] 一篇文章详解性能评估难点

ICT架构师技术交流 2016-11-17 23:17

2016-11-17 hardy ICT架构师技术交流

在这个娱乐明星频频出轨、奇葩热文爆炸的时代，你却能抽空关注IT技术，请为你这份难能可贵和对技术的执着点个赞吧！请搜索“ICT_Architect”关注微信公众号，获取更多精彩内容。

在上篇文章[收藏] 深入浅出存储性能评估方法论中，我们介绍了性能评估相关概念和原理，但是在项目实战中，要根据业务真实诉求给出切合实际的性能配置，还需要针对业务模型进行最佳实践分析和洞察，从主机端口、存储系统、后端磁盘等端到端进行分析和评估，在本文中把常见的性能评估过程中的难点依次罗列，希望对大家有所帮助。

IO聚合成满分条写优化写惩罚

IO聚合成满分条大小的情况下，无需做预读操作，不会触发RAID写惩罚，RAID写惩罚在不是满分条写的时候，才会触发预读的流程。以RAID5-5小写为例，写一个数据位，需要预读两次，写校验位一次。可以认为是一个IO被放大成了四个IO。

而满分条写的时候，同时写四个数据位，不需要预读，只需要额外写一次校验位，可以认为是四个IO被放大成了五个IO 。对比非满分条写，效率大大提高。

存储的IO合并能力对于数据库业务是否各家都能做到IO合并呢？一般存储针对不同类型的IO有不同的合并能力；数据库业务主要是随机IO，各厂商都做不到完全满分条IO合并。存储收到的IO是否能够合并，主要取决于两个方面。

1、主机侧发下来的业务IO模型：IO是否顺序，是否连续，与主机业务软件本身、主机侧块设备、卷管理策略、HBA卡拆分策略等相关。主机下发的IO越顺序、越连续，到达阵列后的合并效果越好。

2、存储侧对IO的合并能力：IO路径上的Cache、存储块设备、硬盘等模块都会对IO进行排序与合并的操作，试图尽可能将小IO合成大IO下盘。

对于顺序小IO而言，基本上能够实现将IO都合并成满分条后下盘。而对于IO随机程度较高的数据库业务，各厂商都无法确保所有IO都能够合并，只能尽量通过排序和合并，将相邻地址的小IO合成大IO，但合并程度由于算法实现和内存大小等因素可能会有所差异。

OLTP、OLAP、VDI和SPC-1业务模型

OLTP、OLAP、VDI和SPC-1是当前性能评估中常见的三类业务场景。SPC-1是业界通用的随机IOPS型的IO模型，在不清楚实际业务类型的条件下，常用此模型来进行性能评估。四种模型的简单IO特征如下表所示。

下面将分别介绍四种模型的业务特性与IO特征：

一、OLTP业务模型和特征：

1、业务特征：每个事务的读，写，更改涉及的数据量非常小，同时有很多用户连接到数据库，使用数据库，要求数据库有很快的响应时间，通常一个事务在几秒内完成，时延要求一般在10-20ms。

2、IO特征：针对DATA LUN，随机小IO，IO大小主要为8KB（IO大小与数据库的Block块大小一致），读写比约为3:2，读全随机，写有一定合并。 针对LOG LUN，多路顺序小IO，大小不定，几乎都是写IO。

二、OLAP业务模型和特征：

1、业务特征：一般很少有数据修改，除非在批量加载数据时；系统调用非常复杂的查询语句，同时扫描非常多的行；一个查询将花费数小时，甚至数天；主要取决于查询语句的复杂程度；查询的输出通常是一个统计值，由group by与order by得出；当读取操作进行时，发生的写操作通常在临时表空间内；平常对在线日志写入很少，除非在批量加载数据时；分析型业务，一般对时延没有要求。

2、IO特征：针对DATA LUN，多路顺序大IO（可以近似认为是随机大IO），IO大小与主机侧设置的分条大小有关（如512KB），90%以上为读业务，混合间断读写。针对TMP LUN，随机IO，读写混合（先写后读，计算时写，读临时表时读，大部分是写，占整个业务中很少部分的IO），IO大小基本为200KB以上大IO。

三、VDI业务模型和特征

1、业务特性：可以分为启动风暴、登录风暴和平稳状态几个常见场景，在不同的状态下，业务压力相差很大。启动风暴，即大量虚拟机同时启动时的突发状态，是读密集型操作，可以通过VSA（View Storage Accelerator 可以降低70%的读负载）、分批错峰等操作规避。登录风暴，即大量用户同时登录到桌面，导致共享存储产生大量爆发性负载的情况，是写密集型的，很难通过技术方式避免。平稳状态，即所有用户在同时使用桌面时，产生负载波动较小的状态。不同的用户类型，平稳状态的负载有所不同。时延要求一般在10ms左右。

2、IO特征：平稳状态下，读写比例约为2:8，多路顺序小IO，主要是写，存在一定的合并，IO大小从512B到16KB都有；少量的读IO，基本都是16KB，在负载稳定之后，Cache命中率在80%以上（采用链接克隆技术的情况下，如果是完整克隆的情况，命中率有所下降）。

四、SPC-1业务模型和特征

1、业务特性：SPC-1设计一个专门为测试存储系统在典型业务应用场合下的负载模型，这个负载模型连续不断地对业务系统并发的做查询和更新的工作，因此其主要由随机I/O组成。这些随机I/O的操作主要涉及数据库型的OLTP应用以及E-mail系统应用，能够很好地衡量存储系统的IOPS指标。

2、IO特征：它抽象的测试区域称为ASU，包括ASU1临时数据区域，ASU2用户数据区域和ASU3日志区域。对整体而言，读写比约为4:6，顺序IO与随机IO的比例约为3:7，IO大小主要为4KB，有较明显的热点访问区域。

SSD、SAS、NL-SAS的性能特点、优势对比

你知道FC链路带宽是如何计算的呢？

今天就跟你一起详细解析一下。FC协议是主机服务器与存储系统连接传输的常用协议之一。在评估存储系统整体带宽时，FC链路的带宽是计算前端带宽的最重要的因素之一。8G FC链路的理论带宽计算方法如下：

8Gbps FC参考时钟：8.5G Hz

8Gbps FC协议编码：8b/10b编码

协议帧的传输如上图所示。8Gbps FC协议传输效率计算如下：

ACK在FC协议中是class 1和class 2服务（面向连接）使用的，class 3服务不使用ACK帧，因此可以获得更高的传输效率。通常使用的是class 3服务，按照class 3服务计算实际传输效率为97.15%。

单向理论数据传输带宽计算公式如下：

链路时钟*链路编码效率* FC协议层传输效率/8 /1024 /1024，即8Gbps FC单向理论数据传输带宽=(8.5*1000*1000*1000) * (8/10) * 97.15%/8 /1024 /1024 = 787.5MB/s

由于传输命令请求也要开销链路带宽，帧与帧之间的传输还需要协议的原语开销，故单向链路的数据带宽无法超越理论值787.5MB/s。双向带宽理论上为单向链路的两倍，但是由于光模块和上层模块的处理调度开销等因素，实际测试时达不到两倍的理论值。当前产品中常见的FC链路为8G FC和4G FC链路，它们的极限带宽如下表所示：

例如，某客户采购了一台阵列，此款产品能够提供的最大读带宽为3000MB，客户规划配置48块600GB 15k SAS盘（推荐单盘读带宽为40MB），前端双控各配置1张8G FC卡，分别连接了1根光纤到A、B控，估算当前场景下能够提供的最大读带宽。

硬盘提供的有效读带宽 = 单盘顺序读带宽 * 硬盘数量 = 40MB * 48 = 1920 MB。

前端链路提供的最大读带宽 = 780MB * 2 = 1560 MB。

该场景能提供的最大读带宽 = MIN（产品能提供的最大读带宽，硬盘提供的有效写带宽，前端链路提供的最大读带宽）= MIN（3000MB，1920MB , 1560MB）= 1560 MB。

带宽计算中如何考虑校验的影响

对于顺序写业务，IO经过cache的IO合并后下发到RAID层，基本能够确保都是满分条写。对于RAID5-5（4D+1P）这种配置来说，每4个数据IO（D）下盘同时会有一个校验IO（P）需要下盘。校验IO下盘所占的硬盘带宽用于保障数据的可靠性，而对于用户上层业务来说并没有提供可用带宽，因此需要扣除掉校验位下盘所占的带宽开销。

对于顺序读业务，在满分条的情况下，在每个分条内部只需要读数据位所在的磁盘，不需要读校验位所在的磁盘。

例如，某一款产品，能够提供的最大写带宽为3200MB，规划配置96块600GB 15k SAS盘（推荐单盘写带宽为30MB），部署RAID6-6（4D+2P），估算这款产品能够提供的有效写带宽。

硬盘提供的有效写带宽 = 单盘顺序写带宽 * 硬盘数量 * (RAID数据盘数量/RAID总盘数）= 30MB * 96 * （4/6）= 1920 MB

产品能提供的有效写带宽 = MIN（产品能提供的最大写带宽，硬盘提供的有效写带宽）= MIN（3200MB，1920MB）= 1920 MB

什么是读写比和对性能影响

读写比（Read/Write）：指的是上层应用下发的读IO和写IO的比例分布。此数据是存储规划的重要参考依据。读业务与写业务消耗的存储资源差异很大。下面是一些典型业务模型的常见读写比例

确切了解上层应用的读写比例直接影响到对cache策略、RAID级别和LUN配置的选择。写业务比读业务会消耗更多的存储系统资源：

1、在回写的场景下，写IO下发到cache之后需要通过交换通道“镜像”到对端控制器，IO路径更长，并需要占用交换通道的带宽；

2、为保证写数据的可靠性和一致性，智能存储通常会采用一些可靠性技术，例如writehole方案，需要将写数据额外保存一份在cache或磁盘上；

3、对于不同的RAID级别而言，写惩罚的存在会造成更大的时延和资源的开销；

4、此外，对于磁盘（包括SSD盘）而言，写速度低于读速度。

而对于读业务来说，通常消耗较少的系统资源。例如，读业务不需要生成额外的数据来保证数据一致。此外，绝大部分存储设备的读速度都比写速度要快。当读IO发现它所需读取的数据已经在Cache中（读命中）时，可以直接返回而不需要再下盘读取。在读命中的情况下，通常意味着最短的响应时延。

同样数量的主机IO，如果读写比例不同，最终需要下盘的IO数量不同，意味着需要提供的磁盘能力不同。

例如，RAID6单次写入需要分别对数据位和校验位进行3次读和3次写，即写惩罚是6。在RAID6的场景下，如果有1000个随机的主机IO，读写比为2:8，则需要下盘的IO数量为1000*0.2 + 1000*0.8*6 = 5000；而如果读写比例为8:2的话，则需要下盘的IO数量为1000*0.8 + 1000*0.2*6 = 2000。

不同RAID级别对性能和容量影响

由于各RAID级别的写惩罚不同，对于相同的业务类型、同样数量的硬盘而言，选择不同的RAID算法，能够提供给主机的性能是不相等的。

针对各种典型场景的RAID10、RAID5和RAID6的性能对比，其中假设某存储设备上所有硬盘能够提供的性能为100%，按照各个应用场景的读写比例，经过写惩罚系数的折算，得到配置成各个RAID级别后能提供给用户的实际性能。

从数据中也可以看出，对于不同的业务类型、同样数量的硬盘、相同的RAID算法，写比例越大，性能越差。以SPC-1场景配置RAID6为例，假设用户实际性能为x（0.4x + 0.6x * 6 = 100%），实际性能只是磁盘能提供的x = 25%。

由于RAID算法的实现原理不同（RAID10的镜像、RAID5/6的校验盘），对于同样大小的裸容量来说，选择不同的RAID算法，可提供给用户的可用容量是不同的（不考虑热备空间和系统预留的影响）。

从可靠性的层面来看，RAID6的可靠性最佳，RAID10次之，RAID5最差。RAID6和RAID10都支持同时坏2块盘不丢数据，但是RAID10对坏的2块盘是有条件要求的。

如何区分顺序IO和随机IO

IO的寻址方式是IO特性的一个重要方面，分为顺序、随机或混合，这取决于上层应用程序获取数据的方式。例如，数据库OLTP业务是典型的随机读写，视频监控业务是典型的顺序读，SPC-1模型是混合读写。

在通常情况下，如果数据的读写是在连续的磁盘空间上，可以认为是顺序IO；如果应用读取的数据分布在不连续的磁盘空间，且无固定的顺序，则视为随机IO；如果一部分数据是顺序读写，一部分数据是随机读写，则视为混合类型IO。

顺序/随机特性对性能的影响

在磁盘层面，顺序IO的性能优于随机IO。这是由于传统的机械磁盘读写数据需要盘片转动和磁头移动，使得随机读写的盘片旋转和磁头寻道时间要远大于顺序读写。

在智能存储系统层面，通常情况下，顺序IO的性能同样大大优于随机IO，特别是对于小IO的IOPS性能而言：

1、小IO读：通过顺序流识别和预取算法，系统提前在磁盘上读取大块的连续数据存放在cache中，后续的大量顺序小IO在cache中命中，无需下盘处理。而随机小IO在cache中命中率极低，只能逐个下盘读。

2、小IO写：通过IO合并，系统将多个顺序小IO合并成一个较大的IO下盘。如果在RAID5或RAID6场景，IO聚合成满分条大小的情况下，无需做预读操作，不会触发RAID写惩罚，效率很高。而随机小IO无法合并，只能逐个下盘写，且会触发写惩罚，导致性能更为低下。

典型业务场景的顺序/随机特性，以下是一些典型业务场景的顺序/随机特性。

如何区分大IO和小IO

在做性能评估和讨论IO模型时，经常会遇到是大IO还是小IO的问题。我们通常把<=16KB的IO认为是小IO（典型的如512bytes、4KB），而>=32KB的IO认为是大IO（典型的如256KB、1MB），处于16K和32K间的IO也认为是小IO。例如，典型的OLTP数据业务是小IO，而数据仓库业务是大IO。

典型业务场景的IO大小，以下是一些典型业务场景的IO大小。

IO大小对性能的影响

IO的大小取决于上层应用程序本身。对性能而言，小IO一般用IOPS来衡量，大IO一般用带宽来衡量。例如我们熟悉的SPC-1，主要衡量存储系统在随机小IO负荷下的IOPS，而SPC-2则主要衡量在各种高负荷连续读写应用场合下存储系统的带宽。

就单个IO而言，大IO从微观角度相比小IO会需要更多的处理资源。对于随机IO而言，随着随机IO块大小的增加，IOPS会随之降低。例如，当随机IO大小大于16KB时，机械硬盘的IOPS会呈线性下降。因此，我们通常SPC-1测试的IOPS值很高，但因为用户业务模型不同，IO大小不同，性能值也是变化的。

不过对于智能存储系统来说，会尽可能通过排序、合并、填充等方法对IO进行整合，将多个小IO组合成单个大IO。例如，典型的Web Server Log业务，一般是8KB大小的顺序小IO，在分条大小设置为128KB的存储设备上，最终会将16个8KB大小的小IO合并成一个128KB的大IO下发到硬盘上。在这种情况下，对比处理多个小IO，处理单个大IO的速度更快、开销更小。

IO的大小，影响到磁盘选型，缓存、RAID类型、LUN的一些属性和策略的调优。例如，随机小IO的场景，由于SSD盘具有快速随机读写的特性，选用SSD盘对比SAS盘能够大幅提升性能；但如果是随机大IO，选用带宽性能相当、价钱便宜的SAS盘更有优势。

Cache加速的原理

Cache是存储中最重要的模块之一，对于IOPS性能而言，CACHE的主要作用是加速。

对于写业务，CACHE加速体现在三个方面：

1、回写情况下，主机侧下到阵列侧的数据只需要下到CACHE处而不需要真正写到磁盘即可以返回通知主机写完成，当写CACHE的数据积累到一定程度（水位），阵列才把数据刷到磁盘。由此可以将速度较差的“同步单个写”转为“异步批量写”，在通常情况下，回写的性能约是透写性能的两倍以上。

2、写命中。回写条件下，新写到CACHE中的数据发现在CACHE中已经有准备写到相同地址但还没有刷盘的数据。在这种情况下，只需要将新写入的数据下盘即可。

3、写合并。例如小IO下到CACHE中，CACHE会尽可能对IO进行排序与合并，将多个小IO合成单个大IO再下盘。

对于读业务，CACHE加速主要体现在读命中。例如智能预取策略，CACHE会主动识别IO流的特征，如果发现是顺序IO流，CACHE会在下盘读IO的同时，主动读取相邻区域的大块数据放到CACHE中。当顺序IO下发到CACHE时，发现CACHE中已存放了需要的数据，则直接将此数据返回即可，不需要再下盘读。其中的一个特例是“全命中”。在全命中条件下，业务需要读取的数据已经全部保存到CACHE中，完全不需要再下盘处理，即所有IO到CACHE层就返回了，路径和时延最短。全命中读的IOPS值，往往是一款存储产品能够提供的最大IOPS值。请搜索“ICT_Architect”关注微信公众号，获取更多精彩内容。