2026-11-15 20:12:29 k73游戏之家 作者:testai
监控图上磁盘使用率明明只有三成,业务却卡得像换了台老电脑,登录进去一看负载不高,但页面响应一顿一顿的。这种时候多数人先去加内存或者加核,效果有限,问题出在盘上而不是算力上。磁盘这条链路的瓶颈往往藏在等待时间、队列深度和写放大里,容量百分比反而最不说明问题。这篇按等待和负载的区别、几个关键指标怎么读、哪些日常操作最容易把盘压死、内存不够时盘会被牵连到什么程度、换固态是否真能治本、买机器时怎么提前避开磁盘短板的顺序讲,尽量把能自己动手量的部分说清楚。
负载看的是有多少任务在排队等 CPU,等待看的是进程在等 IO 完成的时间占比。这两个数字可以同时很低,问题依然存在:一块慢盘上跑着大量小块随机写,CPU 闲得发慌,进程却在等每一次落盘返回,加起来就是页面上那种一顿一顿的卡顿感。
真正该盯的是单次 IO 的耗时。同一块盘,顺序大块写可能一秒传几百兆,随机小块写每秒只能落几百次,单次耗时从零点几毫秒涨到十几毫秒,这个变化在容量数字上完全看不出来,却能把一个数据库的查询时间拉长几倍。
队列深度也要看。盘忙不过来时请求会堆在队列里,队列越长等待越久,形成正反馈;等到队列深度持续顶在高位,说明这块盘的处理能力已经被打满,再加应用层的并发只会更糟,不会更快。
另一种情况是盘本身不忙,链路上却卡住。虚拟化层共享存储、网络挂载的目录、快照与复制任务、甚至备份软件在后台扫描,都会让表面看起来很闲的盘突然出现等待尖刺,看单机指标容易漏掉。
,把这三步做成固定流程,排障时就不会来回兜圈子,链路层的问题常常要靠分段测速才能确认,光看单机指标会漏,队列这个数别只看峰值,看持续多久,把这三样和前一段的对照组合起来看,判断会准很多,宁可多看两遍数据,也别凭感觉下手,这条经验比任何工具都值钱第一列看每次请求的平均耗时,这个数直接决定业务体感。机械盘上持续超过十毫秒就该警觉,固态盘上持续超过两毫秒基本说明已经排队。这个值不必追求瞬时绝对值,看趋势和持续性更有意义。
第二列看利用率那一栏。它表示这段时间里盘有多长时间在处理请求,接近满值时说明设备侧已经到顶。很多人只看这一栏,看到不满就放心了,实际上低利用率配上高等待,往往是链路或者小块随机访问的问题,方向完全不同。
第三组看每秒读写次数与吞吐的比值。次数上不去而吞吐很高,说明都是大块顺序访问;次数很高而吞吐很低,就是典型的小块随机,这种负载对盘最不友好,靠加容量解决不了,只能换介质或者改访问方式。,取数时给一段持续时间,别用一两秒的快照下结论,瞬时抖动会骗人,连续看五分钟以上才稳。利用率这一栏要和等待放一起读,只读一栏得出的判断多半是错的,两个数字矛盾时先怀疑链路。次数和吞吐的比值算出来之后,再去看业务代码里的访问方式,两边对得上才叫找到了根因,取数记录留一份存档,事后复盘有处可查,这几个数看熟之后,判断速度会快很多。工具只是手段,跟着趋势走才不会误判,把基线和异常区间一起记下来更好用,这个习惯养出来之后,误判会少一大半,日常多练几遍就熟了
数据库的写入放大排在前列。一次业务写入可能触发索引更新、日志刷盘、页分裂多次落盘,实际写量是业务量的好几倍;日志模式选得激进一些,吞吐立刻掉下来,而监控里只看到磁盘忙,看不到是谁在写。
大批量小文件最伤机械盘。几万张缩略图、几万个会话文件,每个都要寻道一次,每秒能处理的次数被物理结构卡死,这类业务的瓶颈几乎全在寻道时间上,跟容量和带宽关系不大。
备份与打包任务在后台跑的时候,前台会明显变慢。压缩要读原文件、写压缩包,同一块盘上两头抢带宽;备份窗口如果正好压在业务高峰,用户体感就是网站忽然卡了几十分钟,日志里却查不到任何错误。
容器与镜像的层叠写入也会放大。一个镜像几十层,启动时要解压展开,运行时写入落在可写层上,删除文件还要先标记再落盘;节点上跑几十个容器时,这些看起来不起眼的写入会叠成持续的背景噪音。
日志与调试输出忘了关的情况太常见。某个服务把请求体整个打进日志,一天写几十个 G,盘上看着只是多了些文件,写的同时还在做轮转和压缩,两种写一起挤在一块盘上,响应时间就上去了。
虚拟机的磁盘镜像文件同样有讲究。多个虚机共用一块物理盘时,任何一个虚机内部做大量写,都会把整块盘拖慢,邻居效应在共享存储上更明显;排障时只看单台虚机的指标,很容易得出「我这台没问题」的错误结论。
另一类常见诱因是快照与复制。开了定时快照的环境里,快照触发时写操作要先拷旧块,业务写入的耗时会被拉长;这类尖刺通常在固定时间出现,跟业务量没关系,看备份计划表往往一眼就能对上。
会,而且拖得很明显。内存吃紧时系统把不常用的页换到盘上,等到要用再读回来,这一步全落在同一块盘上;如果这块盘本来就在跑业务数据,堆叠的读写会让响应时间成倍上升,形成越慢越换、越换越慢的循环。
看换页量比看剩余内存更有意义。剩余内存少但换页量为零,说明缓存用得充分,属于正常状态;剩余内存看起来还行,换页读写却持续有量,说明有进程在不断申请又释放,这才是真正需要处理的信号。
容器和数据库这类内存敏感型服务,配额要留足余量。把内存配额压到刚好够用,短期能塞下更多实例,一旦某个实例处理大请求,整台机器就开始换页,所有实例一起变慢,比少开一个实例的代价大得多。
判断是否被换页拖累,有个简单办法:把业务高峰时的磁盘等待曲线和换页曲线叠在一起看。两条曲线同起同落,说明瓶颈链条的源头在内存;只有磁盘忙而换页平稳,才应该往 IO 侧和访问模式上找。
另有一层症状是延迟抖动。内存压力下被换出的页读回来耗时不固定,表现为偶尔一次请求特别慢,平均值看着正常,尾延迟却很难看;只看平均值的监控会把这类问题完全藏起来。
处理顺序上,先把内存配额和缓存口径核对清楚,再考虑加盘。内存没配够却先换固态,只是把换页的耗时从十几毫秒压到几毫秒,问题会缓解但不会消失,而且成本花在了不该花的地方。
对随机小块访问,换固态是立竿见影的。同样的小文件读写,机械盘每秒几百次,固态盘能做到几千次以上,寻道时间几乎归零,页面加载和数据库查询的改善马上能感觉到,这类场景的投入产出比最高。
对持续大块写入,收益就没那么明显。顺序写的瓶颈常在接口和链路而不是盘片,机械盘顺序写本身就不慢,换固态提升有限;真正卡住的是带宽,这时候该看端口和阵列,而不是介质。
容量与寿命也要一并考虑。固态盘的写入寿命和总写入量挂钩,日志密集的业务把它写满寿命的速度会很快;用大容量的机械盘承接归档与日志,用固态跑热数据和数据库,分工之后两块盘都活得久。
,先量清楚访问模式再决定换什么,能省下不少冤枉钱。顺序写为主的业务,把钱花在端口和阵列上更划算,介质换了收益有限。总写入量这个数要提前估,日志密集的服务最容易把寿命写光,老平台上的瓶颈常常不在盘片,别把预算全压在介质上。盘位数量和接口版本决定上限,机型选对了再谈换介质,不然只是把瓶颈挪了个位置,这两头都算过之后,再决定这笔钱花在介质还是链路,这个判断顺序值得固化成文档,团队里少走弯路,两种负载混跑时更要拆开,不然谁也说不清慢在哪儿,盘位和接口这两项一起看,别只看介质,三者对齐之后,扩容才有意义先按业务访问模式挑介质,而不是先看容量。以随机小块读写为主的应用,固态是刚需;以归档、备份、素材存储为主的应用,大容量机械盘更划算。两种需求混在一台机器上时,把盘分开挂,别让归档任务去挤业务盘。
盘位数量要看清楚。两盘位和三盘位的差别不只是容量,还在于能不能做阵列、能不能把日志和数据物理分开;后期发现只有一个盘位可用,只能靠分区凑合,性能和安全性都要打折。
阵列卡与缓存也值得确认。带缓存的阵列卡能吸收大量小写入,对数据库类负载改善明显;软阵列在写入放大上表现差一些,业务量上来之后会成为新的瓶颈点,这一项在配置单上经常被忽略。
云途那台一千二档的双路机器,二十四核四十八线程、128GB 内存、两块 2000GB 固态、1Gbps 端口加 40TB 月流量,属于算力和盘位都不缺的类型,适合数据库加缓存的组合负载;云途香港独服这个渠道从三百五到一千五的档位都能选,按业务量往上接就行,盘型可以按热数据与归档的比例分配。
预算紧的时候,先用小机器验证访问模式。把业务跑一周,量出每秒读写次数和平均块大小,再决定下一台该配固态还是大容量机械;这一步花的时间不多,能避免买错盘型再退换的麻烦。
洛杉矶那边有一批八核八G配 NVMe 的机型,端口给到 10Gbps,月流量 40TB,适合做前置缓存或者静态资源分发,把热点内容挡在源站之前。SixtyNet 洛杉矶 NVMe 机型按盘型看就是为随机读写准备的,拿它跑缓存层比拿机械盘硬扛要顺手,源站那边的压力会明显小一截。
扩容顺序也影响花钱效率。先解决访问模式与盘型不匹配,再解决容量,带宽放到第三步;顺序反了会发现钱花了不少,业务体感没变,因为瓶颈一直没被真正碰到。把这三步写进扩容决策,比每次临时加配置稳得多。