设计SSD友好的应用

ssd

最近，SSD（solid state drives，固态硬盘）已经开始广泛应用以提高应用程序的IO性能。大量数据标明，相比于传统HDD（hard disk drives，硬盘），SSD拥有非常高的读写性能，进而提高应用程序性能。然而，通常情况下只是简单的使用SSD替换HDD，以获取更高的IOPS。如果能够将应用程序设计得SSD友好，既能进一步提升应用程序性能，也能延长SSD寿命。

SSD背景知识

在应用程序针对SSD优化之前，我们首先需要对SSD的结构和特性有所了解。

• 单元、页和块。目前主流SSD都使用NAND闪存芯片，数据存储在单元（cell）中，根据每个存储单元可以保存的位数，分为SLC（Single-Level Cell，单阶存储单元）、MLC（Multi-Level Cell，多阶存储单元）和TLC（Triple-Level Cell，三阶储存单元）。每个单元的擦除次数是有限的，单元内可存储的位越多，制造成本越低，但是可擦除次数也越少。一组单元组成了页，页是读写的最小单元。典型的页大小是4K，每次擦除后一页内的数据需要一次写入。因此对于SSD没有“覆写”操作。页被组合成块，典型的块大小有512KB、1MB等。
• IO和垃圾收集。SSD的IO操作有三种，分别是读、写和擦除。对于读和写，最小操作单元是页，而擦除的单位是块。由于擦除的速度非常慢（通常为毫秒级），SSD控制芯片会执行垃圾回收操作，即回收使用过的块，确保后续写操作能够快速分配到可用的块。通常SSD会维护一个需要执行垃圾回收的阈值，以减少擦除过程中对应用程序实时写入的影响。
• 损耗均衡和写入放大。SSD存储单元的擦除次数是有限的，这称为PE周期（program/erase cycles）。不同的存储单元PE周期不同，SLC最高，可以达到10万次，而TLC最低，只有几千次。如果到达了PE周期，存储单元就会永久失效。为了防止一个块经常被擦除而提前失效，SSD需要平衡每个块的擦除次数，该机制被称为“损耗均衡（wear leveling）”。通过该技术，存储数据会在不同的块之间移动，以避免对同一块的频繁擦除。由于损耗均衡策略，再加上NAND闪存芯片的擦除特性（擦除操作的最小单位是块），会导致实际SSD在擦除块之前，必须将需要保留的数据移动到新的块上，然后再进行整块擦除，这些操作都会大大增加SSD的实际写入数据，这被成为“写入放大（write amplification）”。如果应用程序针对这些特性进行了优化，可以提高SSD性能。

SSD友好应用程序的优点

相比于普通应用程序，SSD友好的应用程序有以下优点：

更高的性能

虽然直接升级到SSD已经可以大大提高应用程序的qps（queries per second，每秒查询数），如果针对SSD特性进行优化之后，还可以继续提升qps。

我们有一个应用程序，之前在使用HDD时，最高的qps为142；更换成SSD之后，即使没有对应用程序进行优化，借助于SSD的高IOPS，qps也提升到了20,000，提升了超过140倍。

当应用程序针对SSD进行了优化之后，最高性能提升到了100,000qps，又提升了超过4倍。这里的优化，主要利用了SSD内部并行处理机制（下文会提到），通过多个并行线程处理IO提升应用程序IO性能。

图1，线程和应用程序吞吐率关系

更高效的存储IO

前文提到过，SSD内部的IO最小单元是页（通常大小是4KB），因此即使是读写一个字节数据，SSD还是会操作整页数据。这也是写入放大的其中一个原因。如果应用程序非SSD友好，可能会大大增加写入放大因素。

更长的SSD寿命

SSD的寿命通常由以下因素决定：SSD大小、PE周期大小、写入放大因子和应用程序写入速率。考虑到SSD成本，如果能够优化应用程序减少写入放大因子和写入速度，能够有效延长SSD寿命。

其他层面的SSD友好设计

在进行应用程序本身的优化之前，SSD友好设计可以先从文件系统、数据库、数据存储设施层面开始考虑。

文件系统

文件系统直接和存储进行交互，文件系统的优化主要针对以下几个SSD特性：

• 随机访问的性能比肩顺序访问；
• 覆写需要块擦除；
• 内部损耗均衡，这会引起写入放大。

SSD友好的文件系统有两类。一类是适配了SSD的通用文件系统，这些文件系统都通过支持SSD的TRIM指令来进行优化，包括Ext4、Btrfs。另一类是专门为SSD设计的文件系统，它们自己维护了日志结构以迎合SSD的“读取-擦除-写入”流程，例如NVFS、JFFS/JFFS2、F2FS。

数据库

传统数据库组件的设计，都充分考虑到了HDD特性。其中最受人关注的就是HDD的顺序读写性能远优于随机读写，因此数据库存储、查询优化等都会尽可能的利用该特性。

但是对于SSD来说，这些特性都可能不复存在，目前有两类专门针对SSD优化的数据库：

• 专门针对闪存芯片设计的数据库，例如AreoSpike。它跳过文件系统直接将SSD当成快设备操作，通过写时复制尽可能避免SSD的写入放大；
• 针对混合闪存硬盘（Hybrid flash-HDD），将其中的闪存空间作为缓存使用，以提高IO。

数据存储设施

由于HDD的延迟，读取本地HDD上的数据延迟，可能会大于网络加上内存的延迟。基于这种情况，一些公司会使用例如Memcached、Redis等内存存储集群，作为数据存储或者集中式的缓存。

但是，如果使用了SSD，情况就不同了。SSD的IO延迟可以降低到微秒级别，且相比于HDD有更高的读写带宽。相比于使用内存作为存储，SSD除了性能的提升，还可以大大降低成本和软件设计的复杂度。

SSD友好的应用程序设计

在应用程序层面，我们同样可以针对SSD特性进行优化，在提高应用程序性能的同时，提高SSD的使用寿命。

这些优化主要分为三类：数据结构、IO处理和多线程。

1.数据结构：避免就地（in-place）更新优化

由于HDD在查找数据时又寻道时间，为了避免寻道产生的延迟，应用程序常常被优化成就地更新。图1（左）展示了HDD进行就地更新和随机更新时的qps差别，可以发现对于HDD避免寻道时间，对IO的提升还是比较大的。

图2，HDD和SSD随机更新和就地更新qps

反过来看图1右侧图，对于SSD情况却截然相反。正如前文提到的，SSD的特性决定了它无法直接写入已经有数据的块，而是需要经过“读取-擦除-写入”的流程。这个流程既降低了数据写入速度，又导致了写入放大，最终导致了如图所示的qps下降。反之，对于随机写入，SSD可以寻找一个直接可写的块并写入，避免了上述流程。

2.数据结构：区分冷热数据

通常来说，应用程序在存储数据的时候，不会考虑数据访问和修改的频率。假设我们将冷热数据混合排布在同一个区块，对于SSD来说，如果要修改其中的一小块内容（小于1页），SSD仍然会读取整页的数据。这样同样会降低IO带宽和导致写入放大。

因此，出于性能考虑，如果应用程序将SSD作为数据存储，应该将数据按照访问和修改频率划分。将不同热度的数据存放在不同位置，以提高SSD读写性能。

3.数据结构：采用紧凑的数据结构

SSD的读取以页为单位，再加上操作系统通常会采用预读取操作，应用程序所采用的数据结构尽可能的紧凑，能够减少SSD的读取操作，同时也能更好地利用页缓存。

同样的，由于SSD写入方式的特殊性，紧凑数据结构将关联数据放置到相邻区域，减少可能的垃圾回收的同时，还能够降低写入放大带来的问题。

4.IO处理：避免长时间大数据写入

前文介绍过，SSD内部有类似JVM的垃圾回收机制。SSD会收集内部可回收区域，并且设置一个空闲块的阈值。当空闲块数量低于阈值的时候，SSD会进行后台垃圾回收，以擦除可写区域。由于后台垃圾回收操作是异步的，因此它不会阻塞应用程序的IO操作。但如果此时写入IO频率高于后台垃圾回收的清理速度，SSD会启动前台垃圾回收。前台垃圾回收操作会阻塞的清理应用程序即将写入的块，此时应用程序IO必须等待待写入块被擦除完毕后才能执行后续的写入操作。此时应用程序IO的延迟可能会达到毫秒级。

下图是针对此特性进行的写入延迟测试，整个测试通过控制不同写入速率的数据写入，持续2小时，监测写入的延迟。

图3，高频数据写入导致的延迟

从左图我们可以看见，当写入速率达到800MB/s的时候，监测到的大于50ms延迟数量达到了61次。而右图可以看见，此速率下监测到的最大延迟达到了92ms。

5.IO处理：避免SSD使用空间过大

SSD的使用空间会影响到SSD的写入放大和垃圾回收频率。在垃圾回收过程中，块中的有效数据需要被移动到空闲的块上。假设SSD使用空间为A%，平均情况下，如果需要擦除一个块，需要压缩的块会有1/(1-A%)。在实际情况下可能会更糟糕，下图展示了随着SSD使用率上升，需要被压缩的块和页的数量：

图4，SSD使用率对块和页的压缩数量

6.线程：对于轻量IO使用多线程

SSD有不同层面的内部并行机制：通道（channel）、包装（package）、芯片（chip）和平面（plane）。单个IO线程无法充分利用这些并行机制。SSD能够通过内部的多通道机制，将多个IO线程分配到不同的通道并行进行IO操作，以提供尽可能高的IO性能。

这里的轻量IO是有多轻呢？通常的计算方式是IO数据量不超过内部的并行机制。例如，页大小为4K，并行度（通道数）为16的SSD，阈值在64KB左右。

7.线程：对于重量级IO使用较少的线程

该原则和第6条并不相矛盾，当IO的读写数据量很大时，少量IO线程（如1到2个）已经占满了SSD的总IO带宽，此时如果继续增加IO线程数，反而会降低总的IO性能。因为过量的IO线程之间，会对SSD映射表等资源产生竞争，同时也会破坏操作系统提供的预读取等优化机制。在我们的测试示例中，当写入大小为10MB的时候，单线程可以达到414MB/s的写入速率，两个线程可以提升到816MB/s的总写入速率，但是当写入线程增加到8个时，总的写入速率却降低到了500MB/s。

图5，IO大小和线程数量对吞吐率的影响

总结

应用程序使用SSD会比使用HDD有更好的IO性能。然而如果不进行应用程序优化，可能无法达到最优的性能。本文介绍的SSD友好的应用程序设计思路，可以帮助应用程序充分利用SSD的性能。