现实中的IO和带宽

摘要: 现实中的IO和带宽

现实中的I/O情况
为了更好的理解存储系统中的I/O和其他相关概念，可以用现实中的春运时的火车站售票窗口的排队现象，来形象的对比存储系统中的I/O情况：



火车站售票大厅：存储系统
售票窗口：I/O通道。
每个乘客到售票窗口购票：相当于一次I/O。【乘客告诉售票员，去哪里，买几张票，售票员确认，出票，乘客拿到车票，就相当于完成了一次I/O。然后排在队伍中的下一位的乘客开始买票，重复这个过程】。
一段时间内，每位乘客购票的平均耗费时间：平均响应时间。比较普遍的情况是，每个乘客买票的数量多的情况下，是比买一张票所耗费的时间要多。如果乘客既要问询票价，还要买到不同目的地的车票，所花的时间也会比只买一个目的地车票所花的时间多(这里不考虑极端情况。例如，售票员手上刚好有以前打印好的车票，而且正好是乘客所要购买的，那么就会大大降低处理时间。这相当于存储系统中，读请求恰好命中了Cache中的数据，而不必再从磁盘读数据)。
每个乘客购票数量：每次IO所传送的数据量。
对于排队购票的乘客来说，他关心的是花多长时间才能尽快的排队买上票，这时候影响他排队时间的就是前面每个购票者购票所花费的时间，只有这个时间越短，他才能尽快的买上票。
在存储系统内就是，每个IO响应时间越短，单位时间内的IOPS就越高。
对于铁道部门来说，它根本不关心有多少人排队购票，每个购票者买票花费的时间。它只关心在一段时间内，例如整个春运时间段，它所售出的火车票的总数量。这个整体的数量，主要取决于每个购票者购买的票数，其次才取决于每个购票者平均买票花费的时间，另外还取决于同时有多少个窗口并行售票。
在存储系统内就是，每个IO的传送的数据量越大，并行读写的数量越多，单位时间内存储系统可以提供的带宽就越大。
在这个例子中，我们可以看到，乘客更关注于售票系统的平均响应时间，铁道部门更关注于最大售票量（一段时间内的带宽总和）。这就是从不同角度，来考量存储的性能参数。

批处理任务就是通过延时（响应时间）来提高整体吞吐量（单位时间内的任务处理量）

对于乘客来说，每个乘客购买的票数多了（每个IO传送的数据量增加），但是所花的时间也长了，单位时间内，能买上票的乘客的数量反而会减少（IOPS减少），但是铁道部门的售票总量还是会线性增加（带宽增加）。
这就类似于存储系统中， IOPS和带宽之间的关系：
写入10000个1KB文件，用时10秒 Throught(带宽)=1MB/s ，IOPS=1000
写入1个1MB文件，用时0.1秒 Throught(带宽)=10MB/s, IOPS=10
由此可见，
传输大容量连续数据，适合以带宽为标准，选择高带宽存储系统
传输小块、不连续数据，如OLTP、数据库应用、邮件服务器等，适合以IOPS为标准，选择高IOPS存储系统
以上所举的例子，只是类似于存储系统中顺序I/O的情况，实际存储中的情况还有随机读、随机写I/O等情况，远比这个例子复杂。这里不做讨论。但这个例子的一些结论，还是可以借鉴并有助于理解存储I/O和性能、带宽等之间的关系。