在虚拟时代,存储性能相当关键,而借助已有的一项技术可以让大型机得到新生。数据条带技术的使用打破了几个卷之间相邻模块的顺序,其目的是要降低设备对I/O的竞争,提高I/O并行性,使得更多的I/Os能够在多个设备上同时运行。本文将讨论IBM针对大型机启用的名为VSAM(虚拟存储访问方法)的条带技术软件。

  数据条带技术基本要素

  要弄明白数据条带的优点,就有必要了解一下这种技术的原理。参看图1,这里展示的是一个普通集群,VSAM在控制区(CA)里按顺序摆放了I/O基础单元--控制间隔(CIs)。在本例中,诸如CA1,CA2等等控制区,它们包含了15个磁道,这些磁道呈直线安放在直接存取存储器(DASD)圆柱体上。如果集群扩展到其它卷,VSAM仍遵循同一规则在控制区里有序安放控制间隔--例如C46,C47,C48等。

  图1 常见磁盘组织方式,把相邻模块放在同一个卷中

  这种结构本身就存在多种潜在瓶颈问题。例如,按顺序处理数据,系统就要让I/O每次与一台设备的一个磁道对应排序。即使直接存储可能也要排序,假如两个在线进程想要辨识位于相同磁道上的两个不同控制间隔。

  现在思考一下图2 ,该图显示了横跨四个卷提取到的一个数据组。

  图2 数据条带可识别控制间隔,允许磁盘I/O平行发生,提高了存储性能

  在上述数据条带例子中,VSAM从逻辑上把控制区延展到了四个卷而不仅局限在一个圆柱体或是单独一个卷。并且,VSAM在设备中采用了循环方式的控制间隔,例如C1在卷1上,C2在卷2上,等等。如果数据组扩展了,VSAM会给四个新扩展区分配出空间,同时能够保持四个卷原有的条带结构。

  条带式排列提高了按序处理效率,因为系统可以同时发起针对多卷的并行I/O访问动作。条带化帮助关键访问比如在线应用能够实现即时访问一个卷的数据,而无需等待I/O结束对另一个数据卷的访问。

  VSAM还支持“层级”理念。IBM把该理念定义为将会包含在“I/O包”中的数据卷。实际上,一层代表了一个数据组扩展区,它们共享相同的数据记录。当一个数据组扩展时,扩展区可能延伸到不同的数据卷上。VSAM可能会得到进一步优化,识别出每个层分别属于哪个数据卷。

  用户可以对除AIXs(辅助索引)之外几乎所有类型的VSAM集群进行条带化。IBM也可以把条带化限制在一个集群的数据组件上。

  IBM提醒VSAM要支持多达16条带。这意味着控制区可能伸展至16个磁道而非传统的15个磁道,并且包含更多的控制间隔。对于(KSDS)关键性排序数据组,这就意味着指向数据模块(索引序列组)的索引控制间隔可能没有足够空间引用控制区的控制间隔。这就表明其本身是控制区末端不使用的控制间隔,或者说是某种空间浪费。为了充分利用这部分空间,存储管理员一定要用较大的控制间隔来覆盖默认的索引控制间隔。

  定义条带集群

  条带集群必须是由系统管理存储器(SMS)来管理。数据以及存储类特性组合起来决定了一个集群是如何条带化的。概况如下表1。

  Table 1 一个集群是如何进行条带化的取决于数据和存储类特性

  首先,条带化集群要在数据类中用数据组名类型设定EXT。在数据类中设定了EXT属性标签后,存储类就掌控了有关条带化的细节内容。

  在存储类中,根据是否设定了“有保证的空间”这一特性,相应就有两种方法可以进行条带化。如果“有保证的空间”这一设定处于关闭状态,那么可以选择通过设置持续数据速率(SDR)值大于另一个。VSAM把SDR除以四就能得出条带数。因此,存储类SDR值是12时,三个条带就能生成集群。另外,VSAM在分配数据组时,会在所有数据卷范围内对主要分配内容进行均衡分配。

  如果启用了有保证空间设置,任何大于零的持续数据速率(SDR)都将导致VSAM分配一个新条带号,其中包含在数据存储类分配列表中卷数相同的数据卷,最多可分配到16个。相反,如果启用了无保证空间设置,VSAM将使用每个数据卷上全部主用空间生成一个集群。

  数据条带有用性

  今天,RAID技术通过广泛的与各类基于现代DASD技术框架的缓存技术结合解决了大部分存储问题,但还是没能消除过去一直困扰大型机性能的磁盘“热点”问题,当太多活动的数据类共存于同一设备时产生的“热点”会严重损耗大型机性能。IBM也引入了并行访问卷(PAVs)技术,基本上是克隆了设备控制块用以允许同步访问DASD单元。通过使用更小的数据类空间临界点,有人可能会想访问层级的条带是否仍然相关。

  我认为这是因为DASD框架内的瓶颈仍然存在。举个例子,DASD框架里的与I/O通道接口的处理器可能被迫忙于提供链接服务而无法迅速的响应。此外,在DASD框架微码中的优化算法相对于直接I/O和小数据块可能偏好在大的数据块和有序的处理,是典型的批处理,因此影响了在线性能。对于这两种情况,精心设置在卷上的条带化的数据类能够确保接口处理器不会太忙,并能够传输在线数据,从而花更少的时间去完成批处理任务。

  另外,I/O性能仍然与应用数据访问模型息息相关。例如,一个在线应用可能会在一秒钟内对一个相关的小集群更新几十次,这就会对DASD框架内外都产生了瓶颈。条带技术可以帮助解决这个瓶颈,通过使用交错的控制间隔把数据扩展到几个数据卷上,从而减轻任何一个I/O通道的负担。

  因此,在访问方法层面的条带化技术显然应该被看作管理大型机性能的另一个有效工具。

VSAM让大型机存储性能重获新生相关推荐

  1. 20天持续压测,告诉你云存储性能哪家更强?

    2019独角兽企业重金招聘Python工程师标准>>> 上个月,笔者对国内两大云厂商(阿里云和腾讯云)的云服务器.云数据库和云存储三种产品做了性能评测,算是对两家的部分计算和存储产品 ...

  2. SQL Server 2016 查询存储性能优化小结

    SQL Server 2016已经发布了有半年多,相信还有很多小伙伴还没有开始使用,今天我们来谈谈SQL Server 2016 查询存储性能优化,希望大家能够喜欢 作为一个DBA,排除SQL Ser ...

  3. 浅析I/O处理过程与存储性能的关系

    浅析I/O处理过程与存储性能的关系 https://community.emc.com/docs/DOC-28653 性能"这个词可以说伴随着整个IT行业的发展,每次新的技术出现,从硬件到软 ...

  4. 明明是全闪存阵列,为何存储性能仍然不够快

    [51CTO.com原创稿件]软件定义基础架构,软件定义存储,软件定义存储.目前,用软件定义超融合的方式替代专用服务器.专用网络.专用存储设备等传统基础架构的方法,已经成为了行业的热点.英特尔系统架构 ...

  5. java s3 与ceph的关系_Ceph存储与S3对象存储性能优化.pdf

    Ceph存储与S3对象存储性能优化.pdf Ceph on Storage appliance Case Study and Performance for AWS S3 based object s ...

  6. ArrayList,Vector, LinkedList的存储性能和特性?

    ArrayList,Vector, LinkedList的存储性能和特性? ArrayList 采用的是数组形式来保存对象的,这种方式将对象放在连续的位置中,所以最大的缺点就是插入或删除时非常麻烦. ...

  7. qemu运行linux内核很慢,linux – qcow2图像的qemu存储性能非常慢

    我正在一个小型Openstack集群上使用libvirt运行一些图像.这些机器上的存储性能非常差:我的监控工具显示100%的利用率(通常在写入时,但有时在读取时),吞吐量低至~50KB / s – 最 ...

  8. kylin如何支持flink_如何使用 JuiceFS 在云上优化 Kylin 4.0 的存储性能?

    Apache Kylin 4.0 采用 Spark 作为构建引擎以及 Parquet 作为存储,让云上部署和伸缩变得更容易,然而使用云上的对象存储相较于使用本地磁盘的 HDFS,可能存在部分兼容性和性 ...

  9. 爬取三千条数据需要多久_存储-性能,IOPS,带宽,吞吐量,1TB数据需要多久写完...

    让我们先看一下这三个概念: IOPS (Input/Output Per Second) 即每秒的输入输出量(或读写次数),是衡量存储介质性能的主要指标之一.IOPS是指每秒钟系统能处理的读写请求数量 ...

最新文章

  1. 使用yum时,保留下载包设置
  2. boost::fusion::traits::tag_of用法的测试程序
  3. yolov4Linux,基于Darknet的YOLOv4目标检测
  4. 人在斯坦福,刚上CS224n
  5. 乐高创意机器人moc_LEGO乐高MOC作品欣赏:超有爱机器人偶E-MOTE
  6. 使用Python+md5删除本地重复(同一张不重名)的照片
  7. 第2章[2.4] Ext JS的类与类体系
  8. 万智牌天使恩典oracle,#诡局#诡局机制
  9. LOJ6503. 「雅礼集训 2018 Day4」Magic(容斥原理+NTT)
  10. html里文字跳动,Web前端
  11. jsoneditor 超好用的json编辑器及图标问题解决
  12. QQ空间自动点赞评论助手 微博自动点赞自动转发神器带源码(超简单)
  13. 红米8.0系统手机(亲测有效)激活xposed框架的经验
  14. 查看Win7的真实版本号方法
  15. 香蕉派 BPI-M2 Zero 四核开源单板计算机 全志 H2+/H3 芯片 高端设计
  16. Linux修仙之路——RAID技术
  17. 阿里达摩院人工智能科学家杨红霞离职,AI商用是难题
  18. 绘画新手怎么画人物衣服褶皱
  19. 【300+精选大厂面试题持续分享】大数据运维尖刀面试题专栏(十)
  20. 网页从输入url到呈现页面流程

热门文章

  1. 【博学谷学习记录】超强总结,用心分享 | 产品经理还得懂点儿运营
  2. 一杯奶茶排队3万号,茶颜悦色到底有何魔力??
  3. 【分享】lucene原理与代码分析完整版PDF
  4. python的封装的含义是_Python——封装
  5. 炫酷HTML5网页背景动画
  6. 文件流导出excel表格
  7. 读书笔记9 《发现的乐趣》 理查德-费曼
  8. Python爬虫下手,就得从高清美图开始!
  9. 漏洞利用与提权(一):提权基础
  10. 使用 Vue.js 构建 VS Code 扩展