我相信隨著科技的急速發展，IT也一樣。所以說存儲更是這樣，從技術到用戶，再到應用，都在飛一般地變化著。

 

　　當幾位存儲專業人士聚到一起的時候，他們的話題總會轉到存儲的未來上。比如說我和Henry Newman 在一起錄制關于Linux文件系統這一系列的節目時，我們就會被問到，當我們領導著這一領域時，將會發展什么類型的文件系統或存儲技術。

 

　　我決定寫一些關于存儲未來發展的趨勢，尤其是存儲設備和分層軟件，因為我覺得這兩個主題需要放在一起來說。

 

 

　　我們發現，越來越多的應用的性能是由IOPS性能控制的。在高性能計算(HPC)中，檢查應用I/O模式顯示小的讀寫函數調用比之前預估的更為普遍。從典型的程序中可看出，讀取GB級數據甚至TB級數據有大量的1k和4k的讀寫函數調用。所以，通過這些工作負載不難看出，占主導地位的IPOS I/O 模式已深入到操作系統和文件系統中。

 

　　有些任務是去幫助操作系統處理以IOPS為主導的工作負載。其中一個方法是在存儲服務器中使用大量的緩沖區，允許系統將小的讀寫函數合并成為大的函數調用中去。因為這樣能夠減少IOPS的影響，可能會使得工作負載變得更有順序。然而，這樣有時會需要巨大的緩沖區來做這個事情。此外，這還會導致很大的延遲，因為每個被保留在緩沖區的具有I/O功能的數據試圖合并到一個單一的請求中。在試著轉換IOPS工作負載到連續的工作負載之間有一個分界線，它并沒有升級到非常高的延遲。因此實際的結果很大一部分取決于那些特殊的應用以及工作負載。

 

　　我們還發現，有比我們預想更多的工作負載使用隨機IOPS而不是連續IOPS。連續的IOPS是合適的工作負載，因為許多系統能夠接受它們而且能將它們合并到單一的請求中，僅使用極小的緩沖區，因此只有很小的延遲。所以致使所需的IOPS比我們期待的要小。但是如果有足夠臨近的IOPS功能，你可以將請求轉換到單一的更大的I/O請求中。然而，對隨機的IOPS來說，沒有太多你能夠做的事情，除非在存儲服務器中做個特別大的緩沖區。

 

　　使用這些趨勢，應用到存儲設備中，能夠看出當應用正在運行中時，我們需要更大IOPS能力的設備。我以IOPS的能力來將存儲設備按如下歸類：

 

　　• 7200轉SATA/SAS驅動器：100-125 IOPS性能

 

　　• 15000轉SATA/SAS驅動器：200-300 IOPS性能

 

　　• SATA/SAS SSD: 10000-100000 IOPS性能

 

　　• PCIe SSD: 100000-1000000 IOPS性能

 

　　對第一項來說，這些數字是隨機或連續的IOPS，盡管一些設備有很低的隨機IOPS性能，你可以看出在旋轉磁盤驅動器和固態硬盤之間的IOPS性能有很大的差異。在7200轉的SATA硬盤和PCIe SSD的IOPS上有三到四個數量級的差異(從1000到10000)。

 

　　與此同時，每GB存儲的價格的也有數量級的差異，在7200轉的SATA硬盤和PCIe SSD之間大概差2-3個數量級。

 

　　最后，從7200轉硬盤到PCI SSD或SSD上具有2-20種不同容量的差別。我們知道目前已經有3TB容量的SATA/SAS硬盤了。雖然現在也有更大容量的SSD或PCIe SSD，但他們的價格都貴得出奇。因此，SSD或PCIe SSD的所謂“標準的”容量應該在200GB到1TB之間。

 

　　大容量的7200轉的硬盤具有非常高的性價比但IOPS性能非常的低。另外，雖然SSD的IOPS性能非常高，但性價比又非常低。

 

　　夾在中間進退兩難的就是1.5萬轉的驅動器了。性價比高于SSD，低于7200轉的驅動器。然而，當你把SSD也考慮進去做比較時，15000轉的驅動器的IOPS性能并沒比7200轉的好多少。

 

　　我認為，1.5萬轉的驅動器已陷入了一個窘境。我估計它將在幾年之內便會消失，只剩下7200轉的驅動器和SSD驅動器。畢竟15000轉的驅動器集成了旋轉驅動器的缺點(低IOPS)和SSD的缺點(低容量與低性價比)。按邏輯想一下就會得知，企業將會在基于SSD的存儲器上運行應用，然后將其儲存在7200轉的驅動器上(或存儲在磁帶機上)。

 

 

　　然而，未來根本不是有保證的。為了實現這一目標，我們必須找個好的方法有效地將數據從7200轉驅動器中遷移到SSD中。我不認為將固態存儲放入旋轉存儲中作為額外的緩存是一個正確的方法。然而，還是有一些相當有趣的存儲系統是使用SSD作為緩存的。

 

　　整合這兩種類型存儲(低成本，大容量的旋轉驅動器和SSD)最顯著的方法是使用分層技術。分層技術成功的關鍵就在于能夠在兩個存儲層中快速的遷移數據。比如，你可以從一個應用中攔截open()調用程序一直到開始遷移不同層中的數據。如果結合一系列應用，而且這些應用在運行中使用高速的存儲設備，你就可以得到全部效益卻不需花費全部費用。為此，存儲系統和分層必須識別當何時需要做數據遷移，然后快速地執行。

 

　　另外，在一個應用運行之前，數據或從低速存儲器中被遷移到高速存儲器中。這被稱作為“數據遷移升級”(Staging the data)。這種方法能用于HPC中并產生良好的影響，因為應用使用排程器(Job scheduler，也稱為資源管理器) 來運行程序,當用戶指定一個事件時，它是如何運行的，需要多少處理器來工作，需要多大的內存，哪個文件被用作輸入，哪個文件被用作輸出。以上這些，用戶都能夠提交自己的排程器中。排程器能夠決定用戶指定要求的任務在何時何運行。排程器還能從低速存儲器中復制輸入文件到高速存儲器中，以便為將要運行的應用做準備。當應用運行結束的時候，排程器可將文件從高速存儲器中再遷移回低速存儲器中來。

 

　　但是分層的方法比使用作業調度器更好，因為它們發生在用戶不知道的背后。然而，現有的分層軟件不見得有能力快速識別數據何時需要遷移到高速存儲器并快速實現這一行動，所以它有極限值。大多數的分層軟件需要存儲了解文件中數據塊的使用模式。過一段時間之后，可能會將它們遷移到基于測定的高速存儲器中(也可能是預計的)。因此，現在真正需要的是更出色的分層軟件，而不是目前這樣不給力的軟件。

 

 

　　這只是一個預言……我很容易錯誤的認為我是對的，但是我認為我們有必要思考未來存儲的發展方向。我們目前著眼于工作負載，更多的是基于IOPS。但與此同時我們還需要更大的容量。可關鍵在于，當運行應用的時候，我們真的僅需要高IOPS性能，因此我們可以把一部分存儲做成一個基于固態盤的小型系統，在合理價位上具有高IOPS性能，但同時只有較低的存儲容量。然后，我們再建一個容量很大但是性能很低的存儲池，使用大容量和低成本的7200轉驅動器。因此，我認為15000轉的驅動器將會于未來幾年在市場上消失。

 

　　另外，成功的關鍵還在于將兩個存儲池通過中間件結合在一起，確保數據能夠容易的在兩方之間遷移。使用分層軟件或許是最好的解決方案。但是現有的軟件實在很糟糕。因因此，需要做的就是快速地確定數據在何時必須從低速存儲器中遷移到高速存儲器然后再遷移回來。由于數據遷移的原因，這不會具有太高的應用性能。

 

　　當前的分層軟件還做不到這一點，但是我希望廠商能知道這些問題，以便改進它們。