D.4 I/O 性能、可靠性度量与基准测试

I/O 性能有些指标，在其他设计中找不到对应物。一项是多样性：哪些 I/O 设备能接入计算机？另一项是容量：能连接多少个 I/O 设备？

除了这些独有指标，传统的响应时间、吞吐量同样适用于 I/O。I/O 吞吐量有时称为 I/O 带宽，响应时间也称延迟。下面两图说明二者如何权衡。图 D.8 是简单的生产者—服务者模型：生产者创建任务并放入缓冲区，服务者从先进先出缓冲区取出任务并执行。

响应时间从任务进入缓冲区开始，到服务者完成任务为止。吞吐量是在一段时间内平均完成的任务数。要尽可能提高吞吐量，服务者就不能空闲，缓冲区也不能空；但响应时间包括缓冲区中的等待，所以空缓冲区有利于缩短响应时间。

生产者、队列与服务者 — 图 D.8 描述响应时间与吞吐量的传统生产者—服务者模型。响应时间起于任务进入缓冲区，止于服务者完成任务；吞吐量是服务者单位时间完成的任务数。Producer、Queue、Server 分别为生产者、队列、服务者。

另一项 I/O 性能指标是它对处理器执行的干扰。数据传输可能妨碍另一进程运行，处理中断也有开销。这里关心的是：一个进程会因另一个进程的 I/O 而多花多少时间？

吞吐量与响应时间

图 D.9 描绘典型 I/O 系统的吞吐量和响应时间。曲线拐弯区域意味着：略增吞吐量，响应时间就显著变长；反之，略微缩短响应时间，就会使吞吐量大幅下降。

体系结构设计者怎样平衡冲突？如果计算机需要与人交互，图 D.10 提供了答案。人与计算机的一次交互，即事务，可分为三部分：

**输入时间：**用户输入命令的时间。
**系统响应时间：**从用户提交命令到完整响应显示出来的时间。
**思考时间：**从收到响应，到开始输入下一条命令的时间。

吞吐量和响应时间的权衡 — 图 D.9 吞吐量与响应时间。延迟通常报告为响应时间。最短响应时间只得到最大吞吐量的 11%；达到 100% 吞吐量时，响应时间则为最短值的七倍。曲线的自变量未显式画出：通常通过改变负载（并发度）来描出曲线。数据由 Chen 等［1990］在磁盘阵列上测得。横轴为最大吞吐量／带宽的百分比，纵轴为响应时间／延迟（ms）。

交互事务的时间构成 — 图 D.10 传统系统与图形系统中的一次用户事务，分为输入时间、系统响应时间和用户思考时间。输入时间不随系统响应时间改变：传统系统为 4 秒，图形系统为 0.25 秒。降低响应时间带来的事务时间缩减，超过响应时间本身的缩减［Brady 1986］。四行依次为传统交互负载（响应 1.0 秒、0.3 秒）和高功能图形负载（响应 1.0 秒、0.3 秒）。横轴为秒；三种填充依次为输入、系统响应、思考。传统负载总时间减少 34%、思考减少 70%；图形负载总时间减少 70%、思考减少 81%。

三者之和称为事务时间。多项研究报告，用户生产率与事务时间成反比。图 D.10 表明，系统响应缩短 0.7 秒，传统事务却节省 4.9 秒，即 34%；图形事务节省 2.0 秒，即 70%。看似不可思议，却符合人的特性：响应越快，思考所需时间越少。尽管该研究已有 20 年，处理器也快了 1000 倍，响应时间仍常远超一秒。例如，桌面 PC 启动应用时会有大量磁盘 I/O，点击网页链接时会有网络延迟。

为反映响应时间对生产率的重要性，I/O 基准也权衡吞吐量和响应时间。图 D.11 列出三种基准的响应时间边界：在 90% 响应时间低于限定值，或平均响应时间低于限定值的条件下，报告最大吞吐量。下面详述这些基准。

I/O 基准	响应时间限制	吞吐量指标
TPC-C：复杂查询 OLTP	至少 90% 的事务满足限制；多数事务类型为 5 秒	每分钟新订单事务数
TPC-W：事务型 Web 基准	至少 90% 的 Web 交互满足限制；多数交互类型为 3 秒	每秒 Web 交互数
SPECsfs97	平均响应时间 ≤40 ms	每秒 NFS 操作数

图 D.11 三种 I/O 基准的响应时间限制。

事务处理基准

事务处理（TP，在线事务处理则为 OLTP）主要关注 I/O 速率，即每秒磁盘访问次数，而非以每秒字节数衡量的数据速率。TP 通常涉及许多终端对大量共享信息的修改，并保证失效时行为仍正确。例如，顾客从 ATM 取款时银行计算机失效，事务系统必须保证：若钱已到手，账户就扣款；若钱没到手，账户保持不变。航空订票和银行都是传统用户。

如第 1 章所述，TP 社群的两打成员合力制定行业基准，为免触怒各自法律部门，匿名发表了报告［Anon. 等 1985］。这促成了 Transaction Processing Council（事务处理委员会，TPC），其成立后陆续制定了八项基准，概括于图 D.12。

以 TPC-C 为例。它用数据库模拟批发供应商的订单录入环境，包括订单录入与交付、付款记录、订单状态查询、仓库库存监控。它并发运行五种复杂度不同的事务，数据库有九张表，记录和客户规模可以扩展。指标为每分钟事务数 tpmC，以及包含硬件、软件、三年维护支持的系统价格。原书指向第 1 章第 42 页图 1.17，列举 TPC-C 性能及性价比最好的系统。

TPC 最先引入了以下不同寻常的特点，其中有些直到当时仍只有 TPC 采用：

**结果包括价格。**提交结果必须列出硬件、软件和维护合同成本，因此既能比较性能，也能比较性价比。
**数据集通常随吞吐量扩大。**基准力求模拟真实系统：需求增加时，存储数据量也一起增长。例如，让每分钟数千人只访问几百个银行账户，并不合理。
**结果要审计。**提交前须经认证 TPC 审计员批准，以规则保证公平。结果可以受到质疑，争议提交 TPC 解决。

基准	数据大小（GB）	性能指标	首次结果日期
A：借记／贷记（已退役）	0.1–10	每秒事务数	1990 年 7 月
B：批量借记／贷记（已退役）	0.1–10	每秒事务数	1991 年 7 月
C：复杂查询 OLTP	100–3000，最小为 0.07×TPM	每分钟新订单事务数（TPM）	1992 年 9 月
D：决策支持（已退役）	100、300、1000	每小时查询数	1995 年 12 月
H：即席决策支持	100、300、1000	每小时查询数	1999 年 10 月
R：业务报表决策支持（已退役）	1000	每小时查询数	1999 年 8 月
W：事务型 Web 基准	约 50、500	每秒 Web 交互数	2000 年 7 月
App：应用服务器与 Web 服务基准	约 2500	每秒 Web 服务交互数（SIPS）	2005 年 6 月

图 D.12 事务处理委员会的基准。汇总结果同时给出性能指标和该指标对应的性价比。TPC-A、TPC-B、TPC-D、TPC-R 已退役。

**用吞吐量衡量性能，但约束响应时间。**例如 TPC-C 要求 90% 的新订单事务响应少于五秒。
**由独立机构维护。**TPC 会费支持包含首席运营机构在内的管理体系，负责解决争议、邮寄投票批准基准变更、举行董事会会议等。

SPEC 系统级文件、邮件与 Web 服务器基准

SPEC 最著名的是处理器性能基准，但也开发了文件、邮件与 Web 服务器基准。

七家公司共同制定综合基准 SFS，评估运行 Sun Microsystems 网络文件服务 NFS 的系统。后来升级为 SFS 3.0，也称 SPEC SFS97_R1，支持 NFS 第 3 版、在 UDP 之外增加 TCP 传输，并采用更真实的操作组合。通过对 NFS 系统的测量，构成读、写和文件操作的综合混合。SFS 提供默认参数，以便比较。例如，一半写操作使用完整的 8 KB 块，另一半使用 1、2、4 KB 的部分块；读操作则为 85% 完整块、15% 部分块。

与 TPC-C 一样，SFS 按报告吞吐量扩大数据量：每增加 100 NFS 操作/s，容量必须增加 1 GB。它也限制平均响应时间，上限为 40 ms。图 D.13 给出两个 NetApp 系统的响应时间—吞吐量曲线。遗憾的是，SFS 不像 TPC 那样对不同价格配置作归一化。

SPECMail 用于评估 Internet 服务商的邮件服务器。SPECMail2001 基于 SMTP 和 POP3，在用户数从一万扩展到一百万时，测量吞吐量和响应时间。

SPECWeb 评估万维网服务器，衡量同时进行的用户会话数。SPECWeb2005 模拟 Web 服务商访问场景，由服务器托管多个组织的主页，包含三类负载：银行（HTTPS）、电子商务（HTTP 与 HTTPS）、支持（HTTP）。

可信赖性基准的例子

TPC-C 确实包含可信赖性要求：被测系统必须能应对单磁盘失效，所以实际提交者都在存储系统中采用某种 RAID。

NetApp 文件服务器的响应时间与吞吐量 — 图 D.13 NetApp FAS3050c NFS 服务器两种配置的 SPEC SFS97_R1 性能。双处理器达到 34,089 操作/s，四处理器为 47,927。结果发布于 2005 年 5 月；系统采用 Data ONTAP 7.0.1R1、2.8 GHz Pentium Xeon、每处理器 2 GB DRAM、每系统 1 GB 非易失存储器，以及 168 个 15,000 RPM、72 GB Fibre Channel 磁盘，经两个或四个 QLogic ISP-2322 FC 控制器连接。横轴为每秒操作数，纵轴为响应时间（ms）。图中还显示 FAS6000 的四 Opteron 与八 Opteron 曲线，标注值分别为 100,295、136,048 操作/s。

更近一些的研究关注容错的实际效果。Brown 和 Patterson［2000］建议：向系统注入故障，观察服务质量指标随时间变化，以测量可用性。对于 Web 服务器，显然应测性能——每秒完成请求数，以及容错程度——存储子系统、网络连接拓扑等能容忍的故障数。

最初实验注入单个故障，例如磁盘扇区写错误，再通过服务质量记录系统行为。实验比较 Linux、Solaris、Windows 2000 Server 的软件 RAID；用 SPECWeb99 提供负载并测性能。为注入故障，将 RAID 卷中一块 SCSI 盘替换成模拟盘：一台运行相应软件的 PC，通过 SCSI 控制器在总线上表现为磁盘。模拟器支持注入多种瞬态故障，如可纠正读错误，以及永久故障，如写入时的介质失效。

图 D.14 展示各系统遇到不同故障的行为。上排左侧为 Linux，右侧为 Solaris。RAID 在重建完成前若再失去一盘，就可能丢数据，因此重建时间 MTTR 越长，可用性越低。但重建越快，从应用夺取的 I/O 资源越多，应用性能越差。策略必须在重建期间牺牲性能，与延长脆弱窗口、降低预测 MTTF 之间取舍。

软件 RAID 故障注入实验 — 图 D.14 同一计算机分别运行 Red Hat 6.0 Linux、Solaris 7 和 Windows 2000 的软件 RAID 可用性基准。注意 Linux 与 Windows、Solaris 对重建速度的不同取舍。纵轴为运行 SPECWeb99 时的每秒命中数；横轴为时间（分钟）；Reconstruction 表示重建。箭头标出故障注入时刻，上部横线表示注入前性能的 99% 置信区间。按原文解释，99% 置信区间意味着变量落到区间之外的概率仅为 1%。

**译注：**原图注把置信区间解释成单次性能观测值的概率区间，这并不严谨。通常的 99% 置信区间描述重复抽样构造的区间对待估参数的覆盖率，不能直接解释为未来观测值有 99% 概率落入该区间。

虽然这些系统除源代码外，都没有文档说明重建策略，仅一次故障注入就足以揭示差异。Linux 与 Solaris 在活动磁盘因故障停用后，会自动向热备盘重建 RAID 卷；Windows 虽支持重建，却必须手动启动。所以，没有人工介入时，Windows 在第一次失效后仍暴露于第二次失效，脆弱窗口扩大。不过，一旦得到指令，它修复得很快。

实验还揭示了自动备用盘使用、重建速率、瞬态错误等可用性策略，同样没有系统为这些策略提供文档。

对于瞬态故障，Linux 软件 RAID 与 Solaris、Windows 恰好相反。Linux 非常保守：第一次错误出现，就宁愿可控地停用磁盘，也不等着判断是否瞬态。Solaris 和 Windows 更宽容，忽略多数瞬态故障，预期它们不会复发。因此，后两者对瞬态故障的耐受力显著强于 Linux。它们仍会记录瞬态故障，确保即使不采取动作也有错误报告。面对永久故障，各系统表现相似。