当前位置:网站首页>关于存储IOPS你必须了解的概念
关于存储IOPS你必须了解的概念
2022-08-05 05:15:00 【技福小咖】
在存储领域,IOPS(Input/Output Per Second)也被称为Throughput(吞吐量),即每秒的输入输出量(或读写次数),是衡量磁盘性能的主要指标之一。IOPS是指单位时间内系统能处理的I/O请求数量,I/O请求通常为读或写数据操作请求。
在一秒内,磁盘进行多少次 I/O 读写的次数,由寻道时间、旋转延迟和数据传输时间三部分构成。
寻道时间 Tseek是指将读写磁头移动至正确的磁道上所需要的时间。寻道时间越短,I/O操作越快,目前磁盘的平均寻道时间一般在3-15ms。
旋转延迟 Trotation是指盘片旋转将请求数据所在扇区移至读写磁头下方所需要的时间。旋转延迟取决于磁盘转速,通常使用磁盘旋转一周所需时间的1/2表示。
比如,7200 rpm的磁盘平均旋转延迟大约为60*1000/7200/2 = 4.17ms,而转速为15000 rpm的磁盘其平均旋转延迟约为2ms。
数据传输时间 Ttransfer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。
IOPS计算公式
IOPS = 1/IO Time = 1/(Seek Time + 60 sec/Rotational Speed/2 + IO Chunk Size/Transfer Rate
7200 rpm的磁盘平均旋转延迟大约为60*1000/7200/2 = 4.17ms,而转速为15000 rpm的磁盘其平均旋转延迟为2ms。
通常磁盘IOPS计算
IOPS = 1000 ms/ (Tseek + Troatation),忽略数据传输时间。
假设磁盘平均物理寻道时间为3ms, 磁盘转速为7200,10K,15K rpm,则磁盘IOPS理论最大值分别为:
IOPS = 1000 / (3 + 60X1000/7200/2) = 140
IOPS = 1000 / (3 + 60000/10000/2) = 167
IOPS = 1000 / (3 + 60000/15000/2) = 200

寻道时间取值
考虑到被读写的数据可能在磁盘的任意一个磁道,既有可能在磁盘的最内圈(寻址时间最短),也可能在磁盘的最外圈(寻址时间最长),所以在计算中我们只考虑平均寻址时间,也就是磁盘参数中标明的那个平均寻址时间。
旋转延时取值
和寻址一样,当磁头定位到磁道之后有可能正好在要读写扇区之上,这时候是不需要额外延时就可以立刻读写到数据,最坏的情况确实要磁盘旋转整整一圈之后磁头才能读取到数据,所以这里我们也考虑的是平均旋转延时。
传输时间取值
磁盘参数提供我们的是最大的传输速度,当然要达到这种速度是很有难度的,但这个速度却是磁盘纯读写磁盘的速度,因此只要给定了单次 IO的大小,我们就知道磁盘需要花费多少时间在数据传送上,这个时间就是IO Chunk Size / Max Transfer Rate。(数据传输率,单位是Mb/s,兆每秒)
更多相关大咖视频课程请在苹果App Store 或各安卓市场下载“技福小咖App”学习。
边栏推荐
- [Go through 9] Convolution
- Tensorflow2 与 Pytorch 在张量Tensor基础操作方面的对比整理汇总
- [Go through 8] Fully Connected Neural Network Video Notes
- CVPR最佳论文得主清华黄高团队提出首篇动态网络综述
- el-table鼠标移入表格改变显示背景色
- Service
- [Database and SQL study notes] 10. (T-SQL language) functions, stored procedures, triggers
- Mysql-连接https域名的Mysql数据源踩的坑
- 《基于机器视觉测量系统的工业在线检测研究》论文笔记
- 【论文精读】ROC和PR曲线的关系(The relationship between Precision-Recall and ROC curves)
猜你喜欢

The University of Göttingen proposed CLIPSeg, a model that can perform three segmentation tasks at the same time
![[Practice 1] Diabetes Genetic Risk Detection Challenge [IFLYTEK Open Platform]](/img/10/7aa3153e861354178f048fb73076f7.png)
[Practice 1] Diabetes Genetic Risk Detection Challenge [IFLYTEK Open Platform]

flink项目开发-flink的scala shell命令行交互模式开发

面向小白的深度学习代码库,一行代码实现30+中attention机制。

解决:Unknown column ‘id‘ in ‘where clause‘ 问题
![[Go through 10] sklearn usage record](/img/70/60783c7d16000c6e9d753d8db9a330.png)
[Go through 10] sklearn usage record

flink中文文档-目录v1.4

【论文阅读-表情捕捉】ExpNet: Landmark-Free, Deep, 3D Facial Expressions

关于基于若依框架的路由跳转

读论文 - Unpaired Portrait Drawing Generation via Asymmetric Cycle Mapping
随机推荐
轻松接入Azure AD+Oauth2 实现 SSO
CVPR2021 - Inception Convolution with Efficient Dilation Search
【Kaggle项目实战记录】一个图片分类项目的步骤和思路分享——以树叶分类为例(用Pytorch)
Flink Oracle CDC写入到HDFS
flink部署操作-flink standalone集群安装部署
[Go through 10] sklearn usage record
如何跟踪网络路由链路&检测网络健康状况
2022年中总结关键词:裁员、年终奖、晋升、涨薪、疫情
CAP+BASE
怎么更改el-table-column的边框线
My 的第一篇博客!!!
Flink accumulator Counter 累加器 和 计数器
flink yarn-session的两种使用方式
spark-DataFrame数据插入mysql性能优化
MSRA proposes extreme masking model ExtreMA for learning instances and distributed visual representations
MySQL
WCH系列芯片CoreMark跑分
CVPR2020 - 自校准卷积
Map、WeakMap
The University of Göttingen proposed CLIPSeg, a model that can perform three segmentation tasks at the same time