Dela via

Prestandaöverväganden för Azure NetApp Files-lagring med låg åtkomst

  • Artikel

Datauppsättningar används inte alltid aktivt. Upp till 80 % av data i en uppsättning kan betraktas som "coola", vilket innebär att de inte används för närvarande eller inte har använts nyligen. När du lagrar data på lagring med höga prestanda, till exempel Azure NetApp Files, slösas de pengar som spenderas på den kapacitet som används i stort sett bort eftersom lågfrekventa data inte kräver lagring med höga prestanda förrän de används igen.

Azure NetApp Files-lagring med låg åtkomst är avsedd att minska kostnaderna för molnlagring i Azure. Det finns prestandaöverväganden i specifika användningsfall som måste beaktas.

Åtkomst till data som har flyttats till lågfrekventa nivåer medför mer svarstid, särskilt för slumpmässig I/O. I värsta fall kan alla data som används vara på lågfrekvent nivå, så varje begäran skulle behöva utföra en hämtning av data. Det är ovanligt att alla data i en aktivt använd datamängd är på lågfrekvent nivå, så det är osannolikt att sådana svarstider observeras.

När standardprincipen för lågfrekvent åtkomsthämtning har valts, hanteras sekventiella I/O-läsningar direkt från lågfrekvent nivå och fylls inte på på den frekventa nivån igen. Slumpmässigt lästa data fylls i på den frekventa nivån, vilket ökar prestandan för efterföljande läsningar. Optimeringar för sekventiella arbetsbelastningar minskar ofta svarstiden för molnhämtning jämfört med slumpmässiga läsningar och förbättrar övergripande prestanda.

I ett nyligen utfört test med Standard Storage med låg åtkomst för Azure NetApp Files erhölls följande resultat.

Kommentar

Alla publicerade resultat är endast i referenssyfte. Resultaten garanteras inte eftersom prestanda i produktionsarbetsbelastningar kan variera på grund av flera faktorer.

100 % sekventiella läsningar på frekvent/lågfrekvent nivå (enskilt jobb)

I följande scenario användes ett enda jobb på en D32_V5 virtuell dator (VM) på en 50-TiB Azure NetApp Files-volym med ultraprestandanivån. Olika blockstorlekar användes för att testa prestanda på frekventa och lågfrekventa nivåer.

Kommentar

Maxvärdet för Ultra-tjänstnivån är 128 MiB/s per tebibyte allokerad kapacitet. En vanlig Azure NetApp Files-volym kan hantera ett dataflöde på upp till cirka 5 000 MiB/s.

I följande diagram visas prestanda på lågfrekvent nivå för det här testet med hjälp av en mängd olika ködjup. Det maximala dataflödet för en enskild virtuell dator var cirka 400 MiB/s.

Diagram över lågfrekvent dataflöde i varierande blockstorlekar.

Prestanda på frekvent nivå var cirka 2,75 x bättre och låg på cirka 1 180 MiB/s.

Diagram över dataflöde på frekvent nivå i varierande blockstorlekar.

Det här diagrammet visar en jämförelse sida vid sida av lågfrekventa och frekventa nivåprestanda med en blockstorlek på 256 000.

Diagram över dataflöde med varierande

Vad orsakar svarstid i frekventa och lågfrekventa nivåer?

Svarstiden på den frekventa nivån är en faktor i själva lagringssystemet, där systemresurserna förbrukas när mer I/O skickas till tjänsten än vad som kan hanteras vid en viss tidpunkt. Därför måste åtgärder köa tills tidigare skickade åtgärder kan slutföras.

Svarstiden på den lågfrekventa nivån visas vanligtvis med molnhämtningsåtgärderna: antingen begäranden via nätverket för I/O till objektarkivet (sekventiella arbetsbelastningar) eller lågfrekvent blockåterhämtning till frekvent nivå (slumpmässiga arbetsbelastningar).

Resultatsammanfattning

  • När en arbetsbelastning är 100 % sekventiell minskar den lågfrekventa nivåns dataflöde med ungefär 47 % jämfört med den frekventa nivån (3330 MiB/s jämfört med 1 742 MiB/s).
  • När en arbetsbelastning är 100 % slumpmässig minskar den lågfrekventa nivåns dataflöde med ungefär 88 % jämfört med den frekventa nivån (2 479 MiB/s jämfört med 280 MiB/s).
  • Prestandaminskningen för frekvent nivå när du utför 100 % sekventiella (3 330 MiB/s) och 100 % slumpmässiga (2 479 MiB/s) arbetsbelastningar var ungefär 25 %. Prestandaminskningen för lågfrekvent nivå när du utför 100 % sekventiella (1 742 MiB/s) och 100 % slumpmässiga (280 MiB/s) arbetsbelastningar var ungefär 88 %.
  • När en arbetsbelastning innehåller en procentandel slumpmässig i/o är det totala dataflödet för lågfrekvent nivå närmare 100 % slumpmässigt än 100 % sekventiellt.
  • Läsningar från lågfrekvent nivå minskade med cirka 50 % när de flyttades från 100 % sekventiell till en sekventiell/slumpmässig blandning 80/20.
  • Sekventiell I/O kan dra nytta av en readahead cache i Azure NetApp Files som slumpmässiga I/O inte gör. Den här fördelen med sekventiell I/O bidrar till att minska de övergripande prestandaskillnaderna mellan de frekventa och lågfrekventa nivåerna.

Överväganden och rekommendationer

  • Om din arbetsbelastning ofta ändrar åtkomstmönster på ett oförutsägbart sätt kanske lågfrekvent åtkomst inte är idealisk på grund av prestandaskillnaderna mellan frekventa och lågfrekventa nivåer.
  • Om din arbetsbelastning innehåller någon procentandel av slumpmässig I/O bör prestandaförväntningarna vid åtkomst till data på lågfrekvent nivå justeras i enlighet med detta.
  • Konfigurera inställningarna för lågfrekvent åtkomst och lågfrekvent åtkomst för att matcha dina arbetsbelastningsmönster och minimera mängden lågfrekvent hämtning.
  • Prestanda från lågfrekvent åtkomst kan variera beroende på datamängden och systembelastningen där programmet körs. Vi rekommenderar att du utför relevanta tester med din datauppsättning för att förstå och ta hänsyn till prestandavariationer från lågfrekvent åtkomst.

Nästa steg