集群瓶颈：磁盘IO必读

首先需要知道
什么是IO： IO是输入输出接口
阅读本文章可以带着下面问题
1.集群的瓶颈为什么IO？
2.你对IO了解多少？

这里面只说个人观点：
当我们面临集群作战的时候，我们所希望的是即读即得。可是面对大数据，读取数据需要经过IO，这里可以把IO理解为水的管道。管道越大越强，我们对于T级的数据读取就越快。所以IO的好坏，直接影响了集群对于数据的处理。

下面详细介绍IO

• 读/写IO
  磁盘控制器向磁盘发出一次读/写指令，给出开始扇区的地址和向后连续读/写的扇区的个数。读/写IO是一次IO，操作的扇区编号必须是连续的，如过上层文件系统的IO请求是多个不连续的扇区，将会被磁盘控制器拆分成多个读/写IO来执行。（层次模型是理解一个系统最重要的思想，层次模型从底层到高层是一个化繁为简的过程，低层模块把复杂封装，向上层提供简易的使用接口；从高层到底层是一个逐层细分，逐层细化的过程。各层之间逻辑内聚，通过协议通讯降低耦合。文件系统层的一次IO会被磁盘存储层拆分成多次IO执行，不同层次之间的一次IO概念是不同的。）
• 大/小块IO
  小块IO：指一次读/写IO操作的连续扇区数目较小；
  大块IO： 指一次读/写IO操作的连续扇区数目较大；
  大块和小块并没有明确区分。
• 连续随机IO
  连续IO：指两次不同的读/写IO，前一次的结束地址与后一次的起始地址相差不大；
  随机IO： 指两次不同的读/写IO，前一次的结束地址与后一次的起始地址相差很大；
• 顺序/并发IO
  顺序IO：指磁盘控制器必须在一次IO指令完成后才能进行下一个IO指令，指令的执行是顺序的，同步的。对于单磁盘的存储系统，所用的IO都是顺序IO；
  并发IO：并发IO是针对多磁盘的存储系统而言的， 指磁盘控制器在发出一次IO指令后，检查下一个IO指令，如果不是操作的磁盘不是正在进行的磁盘，就可以进行下一个IO指令，指令的执行是顺序的，异步的。
• 持续/间断IO
• 稳定/突发IO
• 实/虚IO
  实IO：IO请求中包含对应实际数据的地址，读/写了扇区的数据；
  虚IO：非实体数据的IO请求，只是请求一些状态信息，元数据等；
• IO并发几率
  书上的描述：单盘，IO并发几率为0，因为一块磁盘同时只可以进行一次IO。对于raid0，2块盘情况下，条带深度比较大的时候（条带太小不能并发IO，下面会讲到），并发2个IO的几率为1/2。其他情况请自行运算。
  个人理解：磁盘的IO并发是指磁盘控制器处理IO请求时是否能并发的执行，而不需要等待上一个IO请求执行结束再执行下一个IO请求。单盘的存储系统肯定是不能并发处理IO的，多盘存储系统在IO请求只占用了部分磁盘的时候能并发的处理IO请求。至于并发几率是怎么算的还没搞明白。
• IOPS
  设t=磁盘控制器完成一次IO所需要的时间。则t=寻道时间+旋转延迟+数据传输时间；IOPS=IO并发系数/t. (IO并发系数暂时还没有找到解释，用the concurrent coefficient of IO去google也没找到…）
• 每秒IO吞吐量
  每秒处理IO的大小，等于IOPS*平均IOSIZE。而IOSIZE的大小与磁头的读写速度有关。