`
冰糖葫芦
  • 浏览: 297590 次
社区版块
存档分类
最新评论

影响IO密集型应用性能的因素

阅读更多

如果我们曾经在IO密集型应用中碰到过性能问题,那么我们可能都知道系统的性能会随磁盘压力增加而降低。这个因素是众所周知的,但是其背后的原因可能就不那么清晰了。本文将尝试解释这个过程背后所发生的事情。

一 个典型的场景是当数据被写入一个文件时,它首先会被写入内存区域保留页面缓存;该缓存页保存还没有被写入的数据,这些数据被称为脏数据;经过一段事件后, 根据IO策略,系统内核将这些脏数据刷新到持久化到硬盘的设备队列中。一旦数据到达队列,剩下的就是机器操作:设备驱动读取IO请求、接着是旋转,寻找和 写入到文件所在的物理磁盘块位置。其中首先是写日志文件,然后才将数据写入实际文件中。

在最近和一些其他工程师的讨论中,提出了一个想法, 通过禁用日志记录文件系统来减少磁盘写入延迟。虽然这种想法是正确的,因为这种做法使得每次磁盘写入过程中减少了一次磁盘操作,但是写日志所花费的时间可 以忽略不计,原因是日志未年检和被写入的文件在同一个块中。而使用日志文件从磁盘崩溃中恢复的好处也远大于只是稍微减少的延迟的写操作。

更 重要的是,IO密集型应用的瓶颈是在系统将脏数据页刷新到磁盘时而不是在写日志这一步。而刷新的吞吐量受限于设备的带宽。一个典型的转速为15K的硬盘在 最好的情况下顺序存取速度可以达到120MB/秒,而在随机IO时实际带宽甚至更小。为了更好说明该问题,假设系统使用Redhat Linux系统默认的30秒刷新策略,并且应用以每秒20M的速度写入。那么30秒以后系统就会累计600M的咱数据需要刷新至磁盘(假设在此之前没有跨 越脏数据页)。在Linux中,刷新操作时通过pdflush守护进程来完成的。在最优的顺序写的情况下,那么它将使用所有的pdflush线程(默认为 8个线程)并且需要整整5秒将脏数据从缓存页刷新到设备队列中。这5秒的副作用是双重的:缓存页区域一直处于繁忙状态,磁盘带宽被耗尽。一种监控该情况的 方式是检查磁盘队列的长度。在Linux中,主要是/proc/meminfo中的“Writeback”值或者是sar(System Activity Reporter系统活动情况报告)“avgqu-sz”值。

当 JVM的垃圾回收器正在清理堆内存而且陷入内核忙于刷新(kernel-busily-flushing)时刻时,该场景就变得更加复杂。而一些GC事件 是stop-the-world(STW)的事件,这要求应用中所有线程都暂停来达到安全状态,这样堆内存中的对象就可以被移出。如果某个应用的线程在内 核忙于刷新时试图写入数据,那么该线程将会阻塞在刷新人物之后,而且不能响应请求去暂停。这将导致连锁反应:繁忙的磁盘阻塞了写线程,该写线程延长了垃圾 回收(GC)的暂停时间,而暂停又使应用不响应。该问题可以通过垃圾回收(GC)日志看出,其中有长时间的STW暂停,并伴随有小段CPU时间花费在于磁 盘活动有关的“usr”和“sys”上。

而当系统内存使用达到上限时情况会变得更糟。默认情况下,在Linux中,通过设置 “swappiness”为60可以打开内存交换功能。通过该设置,当系统内存压力大以及IO繁忙时,系统会从运行中的进程中积极的将“idle”内存页 置换到磁盘(是的,更多磁盘IO)来为缓存页腾出更多空间。被置换出的进程还需要再次交换,因为当进程再次活跃时,它需要首先被交换回内存页。相反的,如 果swappiness被禁用(将/proc/sys/vm/swappiness设置为0)来进程的内存页尽可能多的存放在内存中,接着没有选择,内核 将更频繁的刷新脏数据到磁盘中来释放内存页。过早的和频繁的刷新增加了每秒IO的压力、降低了磁盘读写性能,这使得原有问题更加糟糕。

所以有什么缓解策略?

在系统层面,针对我们特定的IO负载通常是检查内核的刷新策略,通常要调整至最优性能需要好几轮的测试。Linux下推荐的调整开关为:

  • /proc/sys/vm/dirty_expire_centiseconds

  • /proc/sys/vm/dirty_background_ratio

在设备配置层面,通过将频繁访问的文件存放在不同的设备中也有助于避免单一设备队列阻塞问题。或者,如果使用的话使用多套RAID1将产生更多的设备队列,这也比使用只有一个设备队列的单磁盘要好。

例如,下图展示了有4块硬盘,2 x RAID1设置(左侧)提供了两个设备队列访问系统。相反,另外的4个设备RAID10设置(右侧)则只提供一个设备队列。

如 果成本允许,可以考虑升级为SSD,它的带宽是旋转型磁盘带宽的6到7倍。对于SSD的建议是,SSD偶尔需要做数据压缩。而数据压缩对性能的影响很不 好,关于这方面的讨论最好新开一篇文章讨论。同时还需要注意的是逻辑卷管理(LVM)。相对于SAS磁盘访问速度来说,使用LVM会引入额外的小延迟,但 可以忽略不计;但是在使用SSD硬盘时该延迟就会变得非常值得注意,因为SSD速度本身就比比SAS快很多。

在应用层面,检查任何配置以避免双重缓冲脏数据页。例如,在Mysql中我们可以开启DIRECT_IO功能来使脏数据只是缓存在Mysql的内存中,而不是在系统缓存页。

最后但很重要,尽量避免不必要的磁盘访问。

 

  1. 本文由程序员学架构翻译

  2. 本文译自 http://architects.dzone.com/articles/performance-impact-io?mz=110215-high-perf

  3. 转载请务必注明本文出自:程序员学架构(微信号:archleaner )

  4. 更多文章请扫码:

0
0
分享到:
评论

相关推荐

    线程池线程数设置.doc

    ### 线程池线程数设置:CPU 密集型与 IO 密集型的区别及确定方法 #### 一、CPU 密集型与 IO 密集型的区别 1. **CPU 密集型**: - **定义**:CPU 密集型任务是指那些对 CPU 计算能力要求较高的任务,这类任务的...

    Oracle-IO问题及性能调优.pdf

    - 减少I/O等待时间的其他策略还包括优化表空间的存储参数、使用更快的存储设备、调整数据库缓存大小、合理安排高I/O密集型操作的时间等。 - 有时候,I/O性能问题可能不是由单个因素引起,而是多种因素共同作用的...

    MySQL硬件瓶颈分析

    在网络密集型应用中,网络带宽和延迟同样会影响MySQL的性能。 - **网卡配置**:使用千兆以太网卡(Gigabit Ethernet),并通过绑定多个网卡实现链路聚合,可以显著提升网络吞吐量。 - **冗余链接**:为了保证高可用...

    MySQL和IO 下1

    在存储设备方面,固态硬盘(SSD)和PCIe Flash卡已经成为高性能存储的首选,尤其是针对读密集型应用。SSD的并发IO能力较强,支持NCQ(Native Command Queuing),能有效解决IOPS(每秒输入/输出操作次数)瓶颈。同时...

    数据库性能模型与容量规划.ppt

    CPU密集型数据库主要依赖CPU处理,而混合型数据库则需要平衡CPU、IO和内存的使用。根据业务需求和工作负载类型,选择合适的数据库类型同样重要。 总的来说,数据库性能模型与容量规划是一个综合性的过程,需要结合...

    vmware 性能调优视频

    本主题聚焦于“VMware性能调优视频”,特别是针对IOPS(Input/Output Operations Per Second,每秒输入/输出操作)的优化,这对于运行高性能、IO密集型应用的用户至关重要。下面将详细介绍如何通过ESXi HostCache、...

    34 生产经验:Linux操作系统的存储系统软件层原理剖析以及IO调度优化原理.pdf

    然而,在数据库等IO密集型应用中,CFQ算法可能会造成性能瓶颈。因此,推荐使用Deadline IO调度算法,这种算法强调了IO请求的截止时间,能够减少某些IO请求的等待时间,从而提高数据库操作的性能。 6. Block设备驱动...

    VMware Storage IO control

    SIOC的主要目的是隔离和管理存储I/O资源,确保所有虚拟机免受行为不端的I/O密集型虚拟机(通常被称为“噪声邻居”问题)的负面性能影响。通过在存储I/O资源分配中引入类似于CPU和内存管理中使用的shares(份额)和...

    理解及快速测定Azure虚拟机的磁盘性能1

    在Azure平台上,虚拟机的性能至关重要,特别是对于IO密集型工作负载,如SQL服务,存储系统的性能成为系统瓶颈的关键因素。Azure提供了两种存储服务:标准存储和高级存储。高级存储专为高性能、低延迟的应用设计,...

    基于IOzone的性能测试方案.docx

    - **处理器的Turbo Boost和Hyper Threading:**对于计算密集型应用,这两个特性可以提升IO性能。 - **内存在UV2000上的配置:**关闭memory_spread_page和memory_spread_slab选项,设置为buffer local,可以优化在...

    Linux服务器性能评估与优化

    - **磁盘I/O带宽**:高I/O带宽意味着更快的数据读写速度,这对于数据密集型的应用尤为重要。 - **网络I/O带宽**:随着越来越多的服务依赖于网络通信,网络带宽也成为了影响性能的关键因素之一。 2. **程序应用...

    总结课丨在实际开发中,如何权衡选择使用哪种数据结构和算法?1

    - 对于 IO 密集型任务(如读取数据库),优化应集中在减少磁盘操作次数,如批量读取、缓存策略等。数据结构的选择应考虑到减少 IO 操作,如 B+树可以减少磁盘搜索次数。 - 内存密集型任务则需关注内存使用,选择...

    spark性能调优参数总结

    Shuffle操作涉及到排序、磁盘IO、网络IO等多种CPU或IO密集型操作。为了更好地管理和优化Shuffle操作,Spark设计了一个可插拔的Shuffle管理器(ShuffleManager),允许开发者通过配置不同的参数来选择不同的...

    python几种并发实现方案的性能比较.docx

    - 在选择合适的并发方案时,需要综合考虑应用程序的特点(如CPU密集型或I/O密集型)、性能需求、开发效率等因素。 - 对于I/O密集型任务,`greenlet`和`eventlet`等轻量级并发方案表现出色,能够在单个线程内实现高效...

    控制cpu的占用率

    2. **IO密集型操作**:磁盘读写、网络通信等IO操作在等待数据时,会释放CPU,但频繁的IO请求会导致CPU在等待中消耗时间。 3. **算法效率**:低效的算法可能导致CPU长时间运算,提高CPU占用率。 4. **内存管理**:...

    论文研究-DMFSsim: a distributed metadata file system simulator.pdf

    7. 性能展示:DMFSsim模拟器能够在模拟环境下展示不同优化方法对元数据密集型操作性能的影响,这有助于研究者评估和优化文件系统设计。 在实现这些功能的同时,DMFSsim模拟器还应具备用户友好的界面和灵活的配置...

    内存IO磁盘网络问题分析

    磁盘IO问题通常出现在高负载或者数据密集型应用中,表现为磁盘访问速度变慢或系统响应延迟。这类问题往往会影响到整体系统的性能和稳定性。 #### 二、磁盘IO问题分析方法 1. **磁盘空间不足** - **解决策略**:...

Global site tag (gtag.js) - Google Analytics