说到磁盘，这是数据持久化保存的一种保存媒介，也是计算机必不可少的一种硬件设备，而想要用到磁盘就必须提到文件系统。

文件系统

文件系统是构建在磁盘上的，用来管理文件的。为了方便管理，Linux为每个文件都分配了两个数据结构，索引节点(index node)和目录项(directory entry)他们主要用来记录文件的元信息和目录结构。

索引节点：又称为inode。用来记录文件的元数据，他和文件内容一样是会被持久化存储的。(存储到磁盘)

目录项：又称为dentry。用来记录文件的名字、索引节点指针以及与其他目录项的关联关系，目录项是由内核维护的一种内存数据结构。(内存缓存)

文件系统.png

每块磁盘在使用前都需要格式化，而格式化后就会被分成三个存储区，超级块，索引节点和数据块区。

超级块：存储整个文件系统的状态

索引节点区：用来存储索引节点

数据块区：存储数据。

VFS

Linux在用户进程空间与文件系统中间由引入了一个抽象层。也就是虚拟文件系统VFS。VFS定义了一组所有文件系统都支持的数据结构的标准接口。这样用户进程空间和内核只需要和VFS交互，而不需要关系各种文件系统底层的实现关系了。

如下图：

文件系统.png

值得注意的是，文件系统不仅仅有基于磁盘的文件系统，还有基于内存的虚拟文件系统，如/proc文件系统，再比如/sys 文件系统。/sys 主要向用户空间导出层次化的内核对象。

在Linux中，磁盘是作为一个块设备来管理的，并且支持随机读写，每块设备会被赋予两个设备号，分别是主设备号和次设备号。主设备号用在驱动程序中，用来区分设备，而次设备号用来给多个同类设备编号。

通用块层

Linux通过一个通用块层来管理各种不同的设备。它会将文件系统和应用程序发来的I/O请求排队，并通过重新排序、请求合并等方式来提高磁盘的读写效率。

对于I/O请求排序的过程，也就是I/O调度算法，通常Linux支持4种调度算法，分别是NONE，NOOP，CFQ以及DeadLine。

这里不做详细的介绍。只是简单提一下。

NONE 不做任何I/O调度，通常在虚拟机中，此时的磁盘I/O交给宿主机负责。

NOOP 先入先出队列，只做一些简单的请求合并。

CFQ 完全公平调度器。为每一个进程都维护一个I/O调度队列。并按事件片来均匀分布每一个进程的I/O请求。(最适合运行大量进程的系统)

DeadLine 分别为读、写请求创建了不同的I/O队列。多用在I/O压力比较重的场景，如日志归集，数据库服务器。

Linux的I/O

Linux的I/O栈就是由 文件系统，通用块和设备层组成了。

小结一下。

文件系统层：包括虚拟文件系统和其他各种文件系统的实现。它为上层的应用程序提供标准的访问接口。对下层通过通用块层来存储和管理磁盘数据。

通用块层： 管理块设备I/O队列和I/O调度器。会对文件系统传过来的I/O 请求进行排队，再重新组合排序，发给下一层的设备层。

设备层：负责最终的物理设备的I/O操作。

磁盘的性能指标

最常见的指标有五种。分别是使用率，饱和度，IOPS，吞吐量以及响应时间。

使用率：是指磁盘处理I/O的时间百分比。一般超过80%就意味着磁盘性能瓶颈了。

饱和度：是指磁盘处理I/O的繁忙程度。当饱和度为100%时，磁盘无法再接受新的I/O请求。

IOPS ：每秒的I/O请求数。

吞吐量：每秒的I/O请求大小。

响应时间：是指I/O请求从发出到收到响应的间隔时间。

例如在数据库，大量小文件等这种随机读写比较多的场景，IOPS可以更好反映出系统的整体性能。而多媒体等顺序读写较多的场景中，吞吐量才是重点。

磁盘I/O状态查看工具

iostat

[root@vm1 ~] # iostat -d -x 1

Linux 3.10.0-957.el7.x86_64 (vm.oom-killer.org) 2019年04月07日 _x86_64_ (2 CPU)

Device: rrqm/s wrqm/s r/s w/s rkB/s wkB/s avgrq-sz avgqu-sz await r_await w_await svctm %util

sda 0.00 0.01 0.16 0.16 6.50 2.47 56.73 0.00 6.26 11.91 0.53 2.75 0.09

dm-0 0.00 0.00 0.13 0.17 5.29 2.39 51.92 0.00 6.50 14.24 0.55 2.91 0.09

dm-1 0.00 0.00 0.00 0.00 0.09 0.00 54.67 0.00 0.62 0.62 0.00 0.52 0.00

指标的含义：

r/s：每秒的读请求。

w/s：每秒的写请求。

rkB/s：每秒从磁盘读取的数据量。单位KB。

wkB/s：每秒往磁盘写入的数据量。单位KB。

rrqm?s：每秒合并的读请求数。

wrqm/s：每秒合并的写请求书。

r_await：读请求处理完成等待时间。

w_await：写请求处理完成等待时间。

avgqu-sz：平均请求队列长度。

rareq-sz：平均读请求大小。

wareq-sz：平均写请求大小。

svctm：处理I/O请求所需的平均时间。

%util：磁盘处理I/O的时间百分比。

上述指标中：

1 . %util 是磁盘I/O的使用率。

2 . r/s + w/s 是IOPS

3 . rkB/s + wkB/s 是吞吐量

4 . r_await + w_await 是响应时间

实际案例

-定位MySQL的慢查询原因

这里的模拟场景是mysql查询慢。相关的例子在 geektime 中有。

初始化完数据库后，并插入了10000条数据。在mysql中如何定位一个慢查询。

1.pidstat -d 1 来确认哪个进程在大量的磁盘操作

$ pidstat -d 1

平均时间: UID PID kB_rd/s kB_wr/s kB_ccwr/s Command

平均时间: 0 6821 1.00 1.00 0.00 rsyslogd

平均时间: 0 15143 1930.17 0.00 0.00 bash

平均时间: 0 16438 0.00 2.00 0.00 dockerd

平均时间: 999 16782 216598.50 0.00 0.00 mysqld

平均时间: 0 17100 2.00 1.00 0.00 python

平均时间: 0 17525 1922.19 0.00 0.00 curl

这里可以看到是mysqld 进程一直在读磁盘请求。

追踪mysql可以看到读的文件都为/var/lib/mysql/test/products.MYD 。这是MYD文件，是MyISAM引擎来储存表数据的文件，而文件名就是数据表的名字，文件是数据库的名字。(这里需要强调以下，当使用strace的时候，对应用程序的消耗很大，所以强烈推荐perf trace)

$ perf trace -p 16782

766.518 ( 0.038 ms): mysqld/17277 read(fd: 40, buf: 0x7f2180300ab0, count: 131072) = 131072

766.574 ( 0.012 ms): mysqld/17277 read(fd: 40, buf: 0x7f2184033178, count: 24576) = 24576

766.591 ( 0.037 ms): mysqld/17277 read(fd: 40, buf: 0x7f2180300ab0, count: 131072) = 131072

766.645 ( 0.013 ms): mysqld/17277 read(fd: 40, buf: 0x7f21840338f4, count: 20480) = 20480

766.664 ( 0.037 ms): mysqld/17277 read(fd: 40, buf: 0x7f2180300ab0, count: 131072) = 131072

766.719 ( 0.012 ms): mysqld/17277 read(fd: 40, buf: 0x7f2184033070, count: 24576) = 24576

看下mysql中正在执行的命令。

mysql> show full processlist;

+-----+------+-----------------+------+---------+------+--------------+-----------------------------------------------------+

| Id | User | Host | db | Command | Time | State | Info |

+-----+------+-----------------+------+---------+------+--------------+-----------------------------------------------------+

| 766 | root | localhost | NULL | Query | 0 | init | show full processlist |

| 792 | root | 127.0.0.1:43134 | test | Query | 0 | Sending data | select * from products where productName='geektime' |

+-----+------+-----------------+------+---------+------+--------------+-----------------------------------------------------+

这是一个十分简单的查询语句，慢查询的问题应该是没有利用好索引导致的。

mysql> explain select * from products where productName='geektime';

+----+-------------+----------+------+---------------+------+---------+------+-------+-------------+

| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |

+----+-------------+----------+------+---------------+------+---------+------+-------+-------------+

| 1 | SIMPLE | products | ALL | NULL | NULL | NULL | NULL | 10000 | Using where |

+----+-------------+----------+------+---------------+------+---------+------+-------+-------------+

1 row in set (0.01 sec)

可以看到，这里的select_type 是简单类型的不包括子查询和UNION，type是全表查询，而不是索引查询(index)。possible_keys 可能选用的索引也是空，key 确切使用的索引更是空了。

那就手动创建索引吧。

mysql> create index products_index on products (productName(64));

Query OK, 10000 rows affected (2.99 sec)

Records: 10000 Duplicates: 0 Warnings: 0

之后再观察下查询的速度，能快几个量级。从400ms缩短到4ms

Got data: () in 0.42174482345581055 sec

Got data: () in 0.03160667419433594 sec

Got data: () in 0.0020470619201660156 sec

Got data: () in 0.004390239715576172 sec

除了缓存外，需要知道MyISAM的引擎，是使用操作系统缓存的，所以 buffer/cache 也是十分重要的。

redis 的响应慢

redis 响应慢的案例同样来自geektime。首先搭建好环境，发起curl操作，然后发现响应比较慢。查看io发现有大量的读操作。

Device: rrqm/s wrqm/s r/s w/s rkB/s wkB/s avgrq-sz avgqu-sz await r_await w_await svctm %util

sda 0.00 0.00 0.00 1592.00 0.00 4032.00 5.07 0.22 0.14 0.00 0.14 0.14 22.00

dm-0 0.00 0.00 0.00 1592.00 0.00 4032.00 5.07 0.22 0.14 0.00 0.14 0.14 22.00

dm-1 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

通过perf trace发现。这里有很多的epoll_pwait read write fdatasync 的系统调用，上面观察到的写磁盘就是write或者fdatasync导致的了。

3406.417 ( 0.055 ms): redis-server/21462 write(fd: 8, buf: 0x7f146a5d8fd4, count: 10 ) = 10

3406.504 ( 0.200 ms): redis-server/21462 epoll_pwait(epfd: 5, events: 0x7f146a5ab000, maxevents: 10128, timeout: 12, sigsetsize: 8) = 1

3406.733 ( 0.011 ms): redis-server/21462 read(fd: 8, buf: 0x7f146a5de9c5, count: 16384 ) = 67

3406.771 ( 0.006 ms): redis-server/21462 read(fd: 3, buf: 0x7ffeb6f4ce97, count: 1 ) = -1 EAGAIN Resource temporarily unavailable

3406.783 ( 0.027 ms): redis-server/21462 write(fd: 7, buf: 0x7f146a498463, count: 67 ) = 67

3406.818 ( 0.446 ms): redis-server/21462 fdatasync(fd: 7

观察得知 写的文件为 /data/appendonly.aof ,相应的系统调用包括 write 和 fdatasync。

这里就要引出redis持久化配置中的 appendonly和appendfsync选项了

$ docker exec -it redis redis-cli config get 'append*'

1) "appendfsync"

2) "always"

3) "appendonly"

4) "yes"

redis 提供了两种数据持久化的方法，快照和追加文件。

快照方式：会按照指定的时间间隔，生成数据的快照，并且保存到磁盘文件中，为避免阻塞主进程，redis会fork出一个子进程，来负责快照的保存。

优点：性能好

缺点：数据量大的话，fork子进程需要比较大的内存，保存数据也很耗时。

追加文件：在文件末尾追加记录的方式，对redis写入数据，依次进行持久化。 但追加至磁盘中，具体方法有三种，1.always：每个操作都调用一次 fsync 。2.everysec：每秒钟调用一次fsync。3.no：交给操作系统来处理。

好了。现在就知道为什么有I/O的这么大量的写请求了。

$ perf trace -e fdatasync -p 21462 --tool_stats -T

? ( ? ): redis-server/21462 ... [continued]: fdatasync()) = 0

10202644.113 ( 0.455 ms): redis-server/21462 fdatasync(fd: 17 ) = 0

10202646.585 ( 0.448 ms): redis-server/21462 fdatasync(fd: 17 ) = 0

10202647.667 ( 0.535 ms): redis-server/21462 fdatasync(fd: 17 ) = 0

10202649.237 ( 0.425 ms): redis-server/21462 fdatasync(fd: 17 ) = 0