我们大部分时间都是在开发应用系统，当我们的功能实现时和实现后，我们可能会经常的思考或者讨论关于性能方面的问题，性能优化也有很多个方面，那么我们今天主要来一起探讨一下IO性能。

谈到IO性能，我们就会联想到我们电脑的一个非常重要的组件 ---- 硬盘

我们现在常见的硬盘种类有两种机械硬盘和固态硬盘，也有人叫 HDD硬盘(全称HardDiskDrive)和SSD(全称SolidStateDrive)硬盘

我们在衡量web服务性能时应该都大概率的都听说过两个词，吞吐率和响应时间。

我们在看硬盘厂商的性能报告中，我们比较关注两个比较重要的指标数据传速率和响应时间。

我们先来直观的感受一下这两个参数

这是一个SATA3.0接口的SSD硬盘实测结果

这是一个PCI-E接口的SSD硬盘实测结果 2G/s

消费级市场中SATA 3.0是最为常见的固态硬盘接口

准确来说应该叫SATA Revision 3.0（简称SATA3.0或SATA 6Gbps）它代表所使用的是SATA Revision 3.0标准，速度更快，相对于SATA Revision 2.0。SATA是硬盘接口的标准规范，事实上，SATA 6Gbps接口是一个不太规范的说法，正确说法是SATA III（SATA3.0），接口速度是6Gbps。当然，大家都习惯这么说。这是市面上最常见的机械硬盘/固态硬盘接口，大多数人买的硬盘都是在用这种接口。

SATA3.0的理论传输速率应该是 6Gbps = 6 * 1024 / 8 = 768M/s，从图中可以看到实测会比理论低一些。

铺垫了这么多，让我们大家从感性上理解一下，我们接下来我们从理性上在理解一下，一起算个题

IO性能的核心指标

HDD硬盘的接口主要是SATA3.0，传输率大概是 200M/s，

以一个7200转的HDD硬盘为例,我们来简单的计算一下:

它的传输速率是 200M/s，响应时间按几毫秒来算。

我们平时往数据库里插入一条记录差不多1KB左右的大小，200M / 1KB = 200 * 1024 / 1 = 204800/s 大概 20万条，也就是说一秒钟可以插入 20w条数据，这性能看起来还是挺不错的。

但是这个结果似乎与我们平时经验并不符合？这又是为什么呢？

答案来自于硬盘的读写，在顺序读写和随机读写的情况下，硬盘的性能是完全不同的。

上面的两个图中有一个“4K”的指标，这个指标的意思就是程序随机读取磁盘上4K大小的数据，一秒能读取多少的数据。

这里我们引入一个概念 IOPS，我们一起看下维基百科的解释

这里自己简单的总结一下就是每秒输入输出操作次数.

和响应时间比起来，其实我们应该真正关心的是 IOPS和DTR(Data Transfer Rate 数据传输率)

这两个才是输入输出性能的核心指标。

上面的问题说到这里我们大概心中也有了答案，就是我们在实际的软件开发中，对于数据的读写更多的是随机读写，而不是顺序读写，我们平时讨论的“并发”，就是很多个不同的进程和请求来访问服务器，它们所访问的数据就很难是顺序读写，这种情况下，随机读写的IOPS就是性能的核心指标了。

那一块HDD硬盘IOPS大概是100左右，而不是20万次。

接下来我们就来讨论一下，一块HDD硬盘的IOPS是怎么来的。我们就需要先了解一下机械硬盘的构造。

https://www.youtube.com/watch?v=SkGc1RxMOI4

我们大概了解了机械硬盘的基本构造

平均延时

7200RPM(Rotations Per Minute)每分钟旋转圈数等价于一秒钟 120圈

盘面旋转，把几何扇区对准悬臂的时间，这个时间跟硬盘的转速相关，随机情况下，平均找到一个几何扇区，大概需要旋转半圈盘面，7200 / 60 * 2 = 240半圈，那么一秒内旋转240半圈，换算成ms 1000ms / 240 = 4.17ms

除了这个平均延时，还有一个延时

平均寻道时间(Average Seek Time)

我们的悬臂定位到扇区的的时间。我们现在用的 HDD 硬盘的平均寻道时间一般在 4-10ms

知道了这两个延时时间

那么在一个硬盘上随机找一个数据至少要花费大概 (4 + 4.17) 到 (10 + 4.17) 大概 8到14ms

因为机械硬盘没有办法并发的进行定位和读取数据，所以以一个7200转的硬盘一秒钟能够读写的次数就是

1s / 8ms = 1000ms/8ms = 125次 1s / 14ms = 1000ms/14ms = 71.4次

这样我们就计算出来了一块7200转的机械硬盘的IOPS，一块7200转的硬盘的IOPS大概是在 71 到 125 约等于 100左右

数据传输时间

数据传输时间是指完成传输所请求的数据所需要的时间，它取决于数据传输率，其值等于数据大小除以数据传输率。

SSD硬盘(固态硬盘)

SSD主要由主控制器，存储单元，缓存（可选），以及跟HOST接口（诸如SATA，SAS, PCIe等）组成

一个SATA3.0接口的SSD硬盘的传输率大概是 768M/s

这是一个SSD硬盘的实际测试结果，大概500M/s

可以把SSD硬盘的接口换成 PCI-Express,速度还能在进一步的提升, 大概到了 2G/s的传输速率

从测试结果来看，SATA3.0和PCI-Express接口的硬盘性能差异变的很小了，这是因为接口本身的速度已经不是硬盘访问速度的瓶颈了,并且更重要的是即使是PCI-Express接口硬盘，随机读取的性能也只有 40M/s。是顺序读取情况下的几十分之一。

我们来计算一下SSD硬盘的IOPS

40M/s 读取 4KB

40 * 1024 / 4 = 10240次

也就是说一秒之内，这块硬盘可以随机读取10000次4KB数据

写入就是 90 * 1024 / 4 = 23040次，写入的话会多一些

从上面我们简单的总结一下

SSD之所以比HDD快，就是因为SSD内部不存在任何可移动的机械结构，在工作时，数据通过接口进入主控器，经处理后再分配到闪存芯片中存储，不论是读取或者写入，都是以纯电子电路的方式实现，几乎没有任何延时。

固态硬盘看起来非常不错,但是固态硬盘本身也自己的一些特性,

擦写问题

固态硬盘的数据写入不像机械硬盘那样通过覆写来进行的，而是先进行擦除然后再写入。

SSD 的读取和写入的基本单位，不是一个比特（bit）或者一个字节（byte），而是一个页（Page）。SSD 的擦除单位就更夸张了，我们不仅不能按照比特或者字节来擦除，连按照页来擦除都不行，我们必须按照块来擦除。

SSD 的使用寿命，其实是每一个块（Block）的擦除的次数，

FTL和磨损均衡

如果总是频繁的进行擦写一个块，这个块很快就会成为坏块，那有没有什么办法能能够让各个块的擦写次数均匀一些呢？这个策略就是磨损均衡，类似与web应用到负载均衡， web可是使用Ngnix, 固态硬盘中也是增加来一个层叫 FTL(闪存转换层)

在 FTL 里面，存放了逻辑块地址（Logical Block Address，简称 LBA）到物理块地址（Physical Block Address，简称 PBA）的映射。

操作系统访问的硬盘地址，其实都是逻辑地址。只有通过 FTL 转换之后，才会变成实际的物理地址，找到对应的块进行访问。操作系统本身，不需要去考虑块的磨损程度，只要和操作机械硬盘一样来读写数据就好了。

TRIM

但是,操作系统不去关心实际底层的硬件是什么，在 SSD 硬盘的使用上，也会带来一个问题。这个问题就是，操作系统的逻辑层和 SSD 的逻辑层里的块状态，是不匹配的。我们在操作系统里面去删除一个文件，其实并没有真的在物理层面去删除这个文件，只是在文件系统里面，把对应的 inode 里面的元信息清理掉，这代表这个 inode 还可以继续使用，可以写入新的数据。这个时候，实际物理层面的对应的存储空间，在操作系统里面被标记成可以写入了。

这个删除的逻辑在机械硬盘层面没有问题，因为文件被标记成可以写入，后续的写入可以直接覆写这个位置。

操作系统只有在在刚刚的inode里面在写入新的数据的时候，SSD硬盘才能之前存储的文件是应该被删除的。才能去把之前的块标记称删除

在使用 SSD 的硬盘情况下，你会发现，操作系统对于文件的删除，SSD 硬盘其实并不知道。这就导致，我们为了磨损均衡，很多时候在都在搬运很多已经删除了的数据。这就会产生很多不必要的数据读写和擦除，既消耗了 SSD 的性能，也缩短了 SSD 的使用寿命。

为了解决这个问题，现在的操作系统和 SSD 的主控芯片，都支持 TRIM 命令。这个命令可以在文件被删除的时候，让操作系统去通知 SSD 硬盘，对应的逻辑块已经标记成已删除了。

写放大效应

随着HOST的持续写入，FLASH存储空间慢慢变小，直到耗尽。如果不及时清除这些垃圾数据，HOST就无法写入。SSD内部都有垃圾回收机制，它的基本原理是把几个Block中的有效数据（非垃圾数据，上图中的绿色小方块表示的）集中搬到一个新的Block上面去，然后再把这几个Block擦除掉，这样就产生新的可用Block了。这个时候，从应用层或者操作系统层面来看，我们可能只是写入了一个 4KB 或者 4MB 的数据。但是，实际通过 FTL 之后，我们可能要去搬运 8MB、16MB 甚至更多的数据。

这就导致了写入放大效应 16MB / 4MB = 4 这个数值越大意味着实际的 SSD 性能也就越差，会远远比不上实际 SSD 硬盘标称的指标。

而解决写入放大，需要我们在后台定时进行垃圾回收，在硬盘比较空闲的时候，就把搬运数据、擦除数据、留出空白的块的工作做完，而不是等实际数据写入的时候，再进行这样的操作。