三十、如何迅速分析出系统I/O的瓶颈在哪里?

简介: 最容易想到的是存储空间的使用情况,包括容量、使用量以及剩余空间等。我们通常也称这些为磁盘空间的使用量,因为文件系统的数据最终还是存储在磁盘上。

性能指标

文件系统I/O性能指标

最容易想到的是存储空间的使用情况,包括容量、使用量以及剩余空间等。我们通常也称这些为磁盘空间的使用量,因为文件系统的数据最终还是存储在磁盘上。

元数据

这些只是文件系统向外展示的空间使用,而非在磁盘空间的真实用量,因为文件系统的元数据也会占用磁盘空间。

RAID

如果你配置了 RAID,从文件系统看到的使用量跟实际磁盘的占用空间,也会因为RAID 级别的不同而不一样。比方说,配置 RAID10 后,你从文件系统最多也只能看到所有磁盘容量的一半。

索引节点

如果文件系统中存储过多的小文件,就可能碰到索引节点容量已满的问题

缓存

页缓存、目录项缓存、索引节点缓存以及各个具体文件系统(如 ext4、XFS 等)的缓存。这些缓存会使用速度更快的内存,用来临时存储文件数据或者文件系统的元数据,从而可以减少访问慢速磁盘的次数。

文件 I/O

  • IOPS(包括 r/s 和 w/s)
  • 响应时间(延迟)
  • 吞吐量(B/s)

在考察这类指标时,通常还要考虑实际文件的读写情况。比如,结合文件大小、文件数量、I/O 类型等,综合分析文件 I/O 的性能

通过系统调用动态跟踪或者基准测试等方法,间接进行观察、评估得到这些KPI。

磁盘I/O性能指标

四个核心的磁盘 I/O 指标

  • 使用率,是指磁盘忙处理 I/O 请求的百分比。过高的使用率(比如超过 60 - 80%,要结合实际硬件水平)通常意味着磁盘 I/O 存在性能瓶颈。
  • IOPS(Input/Output Per Second),是指每秒的 I/O 请求数。
  • 吞吐量,是指每秒的 I/O 请求大小。
  • 响应时间,是指从发出 I/O 请求到收到响应的间隔时间。

分析场景

如读写类型(顺序还是随机)、读写比例、读写大小、存储类型(有无 RAID 以及 RAID 级别、本地存储还是网络存储)等

缓冲区(Buffer)对I/O分析的影响

buffer的使用经常出现在内存和磁盘问题

性能指标找工具

从工具能知道哪些指标

如何迅速分析 I/O 的性能瓶颈

1. 先用 iostat 发现磁盘 I/O 性能瓶颈;

2. 再借助 pidstat ,定位出导致瓶颈的进程;

3. 随后分析进程的 I/O 行为;

4. 最后,结合应用程序的原理,分析这些 I/O 的来源。

ea202407370645a7ae4a64af5c38602f.png

目录
相关文章
|
1天前
|
机器学习/深度学习 人工智能 运维
运维自动化:提升效率与减少错误的必由之路
【8月更文挑战第19天】在信息技术快速发展的今天,企业对运维工作的要求越来越高。运维自动化作为一种先进的管理手段,不仅可以显著提高运维效率,还能有效降低人为错误,保障系统稳定运行。本文将深入探讨运维自动化的必要性、实施步骤及面临的挑战,旨在为读者提供一条清晰的运维自动化实施路径。
|
3月前
|
编解码 安全 定位技术
典型崩溃问题集锦
典型崩溃问题集锦
31 0
|
3月前
|
存储 缓存 监控
【分布式技术专题】「缓存解决方案」一文带领你好好认识一下企业级别的缓存技术解决方案的运作原理和开发实战(场景问题分析+性能影响因素)
【分布式技术专题】「缓存解决方案」一文带领你好好认识一下企业级别的缓存技术解决方案的运作原理和开发实战(场景问题分析+性能影响因素)
81 0
|
存储 网络性能优化 调度
开源代码分享(2)—综合能源系统零碳优化调度
在PDN的最优运行中需要制定电压、无功功率和相应的无功补偿器以维持无功功率平衡和电压质量。此外,大多数现有的联合供热和电力系统使用CHP作为PDN和DHN之间的接口,这无疑与零碳排放的要求背道而驰。因此,我们打算为提出的ZCE-MEI综合NSF-CAES开发一个短期日前调度模型来减少风能的削减和节约系统运行成本。
|
测试技术 应用服务中间件
软件测试面试题:在给定的测试环境下进行,考虑被测系统的业务压力量和典型场景?
软件测试面试题:在给定的测试环境下进行,考虑被测系统的业务压力量和典型场景?
158 0
|
算法 测试技术
优化婚恋app源码性能,首先要找到性能瓶颈
如果婚恋app源码它可以承受百万级别的并发量,但是系统延迟高达十几秒,那它的性能还需要进行优化,同样的,如果系统延迟很低但是不能承受高并发,这对系统来说也没有意义。
|
存储 数据采集 算法
|
存储 缓存 NoSQL
系统性能提升利刃 | 缓存技术使用的实践与思考
导读 按照现在流行的互联网分层架构模型,最简单的架构当属Web响应层+DB存储层的架构。从最开始的单机混合部署Web和DB,到后来将二者拆分到不同物理机以避免共享机器硬件带来的性能瓶颈,再随着流量的增长,Web应用变为集群部署模式,而DB则衍生出主从机来保证高可用,同时便于实现读写分离。