1.2.1 高性能

数据存储的性能指标主要包括吞吐率与延迟，其中吞吐率指单位时间内数据存储系统能完成的操作数目，而延迟是指完成单个操作所需要的时间。高性能数据存储追求更高的吞吐率与更低的延迟，这是由持续增长的上层应用需求所驱动的。例如，“双十一”购物节的成交额逐年提升，这就要求存储系统的吞吐率匹配其上升的趋势；在延迟方面，用户越来越关注服务质量，因此存储系统要尽快地完成每一个数据访问操作，最小化用户所能感知的延迟。

为了达到高性能指标，需要对存储硬件和存储软件共同进行设计。如图1.1所示，现有的存储硬件种类多样，在性能、容量和价格方面各有优劣，例如 HDD （Hard Disk Drive，硬盘驱动器）的延迟为10 ms左右，而 SSD的延迟仅有10～100 μs。因此，提升存储系统性能最自然的方法就是采用更快速的存储硬件。但这面临着两个关键问题：首先，存储硬件的性能越好，通常它的成本会越高，导致整体系统价格昂贵，难以普及使用；其次，存储硬件的吞吐率越大，一般其容量会越小，这将限制整体系统能容纳的数据量，难以满足持续增长的海量数据的需求。因此，高性能目标的达成还需要存储软件的设计。

图1.1 存储金字塔

由于单个存储硬件的性能有限，存储软件经常将大量存储硬件组合起来，以提供更高的吞吐率。最早的技术包括美国加利福尼亚大学伯克利分校提出的RAID（Redundant Array of Independent Disks，独立磁盘冗余阵列）技术[1]。其中RAID 0将数据分散至多块磁盘，同时发挥多块磁盘的性能。除此之外，分布式存储系统也被普遍使用，该存储系统通过网络将多台存储服务器互连，向外部提供极高的聚合吞吐率，例如图1.2展示了我国超级计算机“神威·太湖之光”的分布式文件系统架构，它由80个 I/O 转发节点、144个存储节点，以及72个磁盘阵列构成，每个磁盘阵列包含60块磁盘。

提升性能还可以通过充分利用数据局部性原理设计缓存、预取等机制。数据局部性包括时间局部性和空间局部性：时间局部性是指当某份数据被访问后，在不久后将被再次访问，例如在线购物平台上某些热门商品对应的数据会被频繁地读写；空间局部性是指当某份数据被访问后，其相邻的数据也将在不久后被访问，例如当某个文件被访问后，和它处于同一个文件夹中的其余文件也很有可能被访问。利用时间局部性，存储软件在各个层级设计高效的缓存机制，将经常被访问的数据放置在更快速的系统组件中，由此能同时提升吞吐率和降低延迟。例如，在单个存储服务器中，Linux文件系统将文件数据以页缓存（Page Cache）的形式缓存在内存中，并通过 LRU（Least Recently Used，最近最少使用）算法等替换算法提高缓存的命中率；在数据中心中，经常存在由 Memcached等软件构建的分布式缓存集群，用于作为后端基于磁盘的存储系统的读缓存。利用空间局部性，存储软件也在各个层级设计了预取机制，即将未来可能要访问的数据提前从低速组件调换至高速组件。例如 Linux文件系统采用了 readahead预取算法，当文件被顺序访问时，会将后面的内容提前调至页缓存中。

图1.2 “神威·太湖之光”的分布式文件系统架构[2]