提升数据存储性能，主要有哪几种方法？

有些方面不管做得有多好，还是永远嫌不够好，数据存储性能就是其中一个方面。一旦有了更多的带宽、更好的输入/输出或更快的处理器，应用程序立即想方设法使用所有资源，然后它们想要更多的资源。

话虽如此，还是有几种巧妙的方法可以从存储投入获得更高的回报。

StorageIO集团的分析师格雷格·舒尔茨(Greg Schulz)说：“有许多不同的方法可以提升存储性能，包括改用一种不同的存储平台(DataCore之类的硬件或软件定义平台)，或者充分利用Diskeeper之类的存储优化工具。”

并行化输入/输出

SQL之类的联机事务数据库无力提供足够快的响应速度，无法跟上查询或订单数量经常猛增，这种情况并非罕见。有时系统变得如此慢腾腾，以至于用户决定另找办法，以满足其业务要求。不过服务器似乎配备了足够的处理器和内存，另外还配备了足够的网络和存储资源来满足需求。

从种种症状来看，许多企业组织在考虑把数据库分成在不同机器上运行的多个实例，竭力缩短服务器里面的长队列。然而，这不仅难以执行，还是一种成本高昂的提升存储系统的方法。

DataCore公司的并行化输入/输出技术另辟蹊径，用不同的方法来解决数据库延迟问题。它不是像原生操作系统和虚拟机管理程序那样以串行方式处理输入/输出请求，而是使用多核服务器的几个逻辑处理器，在并行队列中处理多个输入/输出请求。那些并行请求被缓存在服务器内存中，并经过调度，以最佳的有效载荷大小来存储。

DataCore软件公司的产品营销主管奥吉·冈萨雷斯(Augie Gonzalez)说：“DataCore超融合虚拟SAN采用的技术实际上大幅缩短了响应时间，使用服务器所有速度最快的硬件资源，没必要殃及额外服务器。”

预防碎片

我们都见过Windows服务器的性能逐渐变慢这一幕。不管你做什么，由于Windows操作系统的架构，打开一些文件很费时间;而系统使用时间越久，操作系统的运行速度会变得越慢。你越是添加软件和大量存储资源，机器运行状况就越糟糕。

传统的解决办法就是对硬盘进行碎片整理。但是这在全天候不间断运行的环境下行不通，因为在关键任务型存储环境里面运行的许多生产服务器停不下来。

Condusiv推出的最新版Diskeeper可破解这种困局。可能让人吃惊的是，它不再进行碎片整理。相反，青睐的方法是碎片预防技术。新方法是在数据被写入到服务器之前，就预防碎片，而不是一旦某个卷因Windows写入数据的方式而被分成数千个片段，从而获得并合并这些片段。

Condusiv的产品营销经理布赖恩·莫林(Brian Morin)说：“IT管理员可以使用Diskeeper，立即提升在物理服务器上运行的关键应用程序(比如微软SQL)的性能。它通过碎片预防引擎，保持系统在最佳状态下运行。该引擎可以确保让Windows实现庞大、干净、连续的数据写入，因而消除了抬高IOPS、窃取吞吐量的微小数据写入。”

智能缓存

Diskeeper内置的另一项新功能采用了全然不同的方法来提升存储性能。在微软SQL基准测试中，其DRAM缓存功能据说将工作负载的性能最多提升到了6C，跨数百台服务器将延迟时间平均缩短了40%。这是通过使用闲置DRAM来动态缓存频繁读取的数据来做到的，也就是说把闲置DRAM充分利用起来，满足频繁请求的读取操作，又没有争夺内存或资源耗尽的情况。

莫林说：“Diskeeper的智能缓存不仅延长了固态硬盘的寿命，还大幅提升了固态硬盘的写入速度。它还解决了性能极糟糕的物理服务器的问题，给它们带来了全新的性能。”

性能故障排查

应用程序的性能突然急剧下降。于是紧急开会，以确定根源。软件专业人员怪罪存储团队，存储团队怪罪网络，而网络专家坚持认为，服务器瓶颈才是真正的根源。那么谁的说法才是对的呢?

TeamQuest公司的产品和战略高级主管迪诺·巴拉法斯(Dino Balafas)说：“当服务器团队和存储团队致力于解决输入/输出性能方面的问题时，往往会出现相互推诿。”

TeamQuest的Vityl Adviser应用软件用户使用多个手段来解决与存储有关的性能问题，这些问题常常出现在服务层面。它收集服务器和存储度量指标，并利用算法来确定系统和存储输入/输出的运行状况，另外可以针对未来问题自动建模。分析技术被用来确定系统磁盘输入/输出的运行状况，为此分析输入/输出利用率、磁盘速度、输入/输出密度和输入/输出速率，以检测存储性能低下的根源。

巴拉法斯说：“这让分析员得以深入了解共享式存储，从而确定问题是由服务器引起的，还是由存储引起的。”

并行NAS

传统的横向扩展NAS的性能在过去五年间已翻番，而在高性能工作流程下生成和处理的数据量可能增加了数万倍。比如在基因组领域，单单一个测序仪生成的数据其增长速度就比传统NAS性能快250倍。

你会想，添加大量的闪存也许可以解决问题。但是这其实行不通，因为核心架构无法灵活扩展，以便充分利用闪存;如果服务于添加上去的每个新节点、客户或每款软件提出的每个请求，系统会不堪重负。此外，传统的横向扩展NAS通常在固定硬件节点上回复，限制了扩展性能还是容量这一选择，它无法有效地利用存储空间，而且面临传统网络协议带来的瓶颈。

要解决这个问题，一个办法就是实施并行文件系统解决方案，比如DDN GRIDScaler。它可以从4U和几百TB开始，扩展到2个机架、超过17PB。

DDN公司的垂直市场高级主管劳拉·谢泼德(Laura Shepard)说：“DDN GRIDScaler建立在一种并行文件系统架构上，该架构通过高性能客户机，对海量数据提供了一致的低延迟访问。”

提升虚拟化存储性能

据IDC公司声称，到2020年，数字宇宙有可能迅速扩大到44泽字节(ZB)。这种数据大爆炸不仅需要新的服务，还进一步证实了公司需要优化存储基础设施和功能。为了最大限度地发掘虚拟化基础设施的性能，企业组织需要评估、了解和优化存储管理。

SVA软件公司的BVQ存储优化解决方案专注于通过可视化和热图分析，克服存储虚拟化方面的挑战。它不断收集数据，用于按需分析和计划分析、提醒注意潜在问题，并有助于满足服务级别协议(SLA)。尤其是，BVQ提供了深度可见性，以便用户深入了解IBM虚拟化基础设施的性能、利用率和运行状况。成本优化功能让用户得以以低成本提高存储性能。

SVA软件公司的营销副总裁唐·米德(Don Mead)：“BVQ是一款综合的性能、容量监控和分析软件，面向IBM的Spectrum Virtualize系列，包括IBM SVC、IBM FlashSystems、IBM Storwize和VersaStack，并支持所有现有和新的异构存储。”
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，有兴趣的朋友，可以查阅多智时代，在此为你推荐几篇优质好文：
大数据工程师培训，需要学习的有哪些课程?
http://www.duozhishidai.com/article-15081-1.html
大数据工程师就业培训哪个好?
http://www.duozhishidai.com/article-15082-1.html
java大数据与python大数据如何选择？
http://www.duozhishidai.com/article-12540-1.html

---

多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站