Влияние типа RAID-массива на производительность
#BAUMSTORAGE #Документация #Программирование #СистемноеАдминистрирование #Технологии
2 минуты

Влияние типа RAID-массива на производительность

Для идеального случая запросы распределяются между дисками равномерно. Рассмотрим сначала операции случайного чтения.

В массиве RAID 0 чтение будет выполняться параллельно с каждого диска массива, поэтому производительность массива будет равна произведению производительности одного диска на число дисков в массиве.

Для RAID 5 и RAID 6 картина точно такая же. Поскольку данные четности распределены между всеми дисками равномерно, при чтении будут задействованы все диски.

А вот для RAID 10 с аппаратным контроллером производительность будет даже выше, чем у RAID 0, поскольку чтение будет выполняться с того диска зеркальной пары, головки которого ближе к нужному сектору.

Для операций записи ситуация другая, кроме RAID 0. Для RAID 0 производительность по мере увеличения количества дисков в массиве растет так же, как в случае с чтением. RAID 10 медленнее в два раза, поскольку должен записывать одни и те же данные на два диска.

Для массива RAID 5 каждый запрос на запись порождает 4 операции: чтение «старого» блока данных, чтение четности, запись «новых» данных и запись четности (RAID Penalty = 4). Поэтому теоретически RAID 5 при том же количестве дисков медленнее RAID 0 примерно в 4 раза. 

Все вышесказанное относится и к массивам RAID 6 с той разницей, что для выполнения одного запроса на запись требуется уже шесть операций: три чтения и три записи (RAID Penalty = 6).

Total Raw IOPS = Disk Speed IOPS×Number of disks

Functional IOPS = (((Total Raw IOPS×Write %))/(RAID Penalty))+(Total Raw IOPS×Read %)

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *
Author
Посетитель сайта

Добавить комментарий

Комментариев пока нет

Другие статьи, которые могут быть полезными

Архитектура и назначение платформы Context Memory Storage NVIDIA Inference Context Memory Storage Platform – это новая архитектура хранения данных, специально разработанная для ускорения инференса крупных моделей за счет эффективной работы...
239
35
Введение По мере того как AI/ML/DL-технологии проникают во все сферы деятельности человека, усиливается потребность интеграции поддерживающих аппаратных (GPU, нейропроцессоры, FPGA и др.) компонент AI/ML/DL в существующие ИТ-инфраструктуры, а также их...
2767
38
На первый взгляд ситуация с ценами на память в начале 2026 года выглядит странно. Продажи ноутбуков и смартфонов далеки от пиковых значений, обновления ПК откладываются, а цены на DRAM и...
430
9