📚 课程目录第3章性能指标与数据采集基础

3. 性能指标与数据采集基础

做存储性能监控，第一步不是打开工具看曲线，而是把指标定义对齐。同一句“存储很慢”，在应用侧可能指响应时间超过 20 ms，在阵列侧可能指某个卷的时延升高，在链路侧可能指前端端口利用率接近饱和。如果指标口径不统一，后面的采集、对比和诊断都会失去基准。本节先把 Dell 存储环境中最常用的七类指标讲清楚，再说明 Unisphere、CloudIQ、PowerMax Unisphere 与 Grafana 各自适合采集什么、从哪里取数。

七类核心指标的定义与量纲

IOPS 指单位时间内完成的 I/O 操作次数，单位是次/秒。它必须区分读 IOPS、写 IOPS 和总 IOPS，还要说明块大小，因为 4 KB 随机读和 256 KB 顺序写在相同 IOPS 下代表的负载完全不同。吞吐量（带宽）指单位时间内传输的数据量，单位 MB/s 或 GB/s，等于 IOPS 乘以平均 I/O 大小。二者是同一负载的两种度量：小块随机负载通常 IOPS 高、吞吐低；大块顺序负载则相反。

时延是单个 I/O 从发出到完成的时间，单位 ms 或 μs。工程上要区分平均时延与尾时延（P95、P99），因为平均值会掩盖少量慢 I/O。对 OLTP 类负载，平均读时延 1～5 ms 通常可接受，写时延受后端写缓存与镜像影响会略高；若 P99 时延突然抬升而平均变化不大，往往指向队列积压或个别后端盘异常。

队列深度是某时刻等待处理的 I/O 数量。它和时延通过利特尔法则关联：队列深度 ≈ IOPS × 时延。例如某卷测得 8000 IOPS、平均时延 2 ms，则平均在途 I/O 约为 8000×0.002=16。队列深度升高而 IOPS 不再增长，说明资源已饱和，继续加压只会推高时延。

利用率表示资源繁忙时间占比，如前端端口利用率、后端磁盘利用率、控制器 CPU 利用率。它接近 100% 时不一定立刻变慢，但会显著放大排队时延。缓存命中率是读请求在缓存中直接命中的比例，命中率高可大幅降低读时延；写缓存则更多影响写确认速度，需结合写落盘策略看。读写比例是读 I/O 与写 I/O 的构成比，它决定缓存策略、RAID 写惩罚和带宽规划的方向。

采集工具的分工与入门操作

Unisphere 是 Dell 块与文件存储的本地管理入口，适合看实时与近线数据。以 Unity/VNX 为例，登录后进入 Performance 页面，选择监控对象（LUN、文件系统、前端端口、SP），勾选指标后即可看到曲线；也可在 System > Metrics 中导出 CSV 做离线分析。它的优势是对象粒度细、无需额外组件，适合排障时快速定位到具体卷或端口。

CloudIQ 是云端主动监控平台，通过阵列上的 Secure Remote Services 或 CloudIQ Collector 上报数据。它不替代本地实时排障，但擅长跨站点汇总、趋势对比和健康评分。入门时先确认阵列已连接、资产已发现，再在 Performance 与 Health 视图中查看 IOPS、时延、利用率的 30 天趋势，并配置异常告警阈值。

PowerMax Unisphere 面向高端全闪阵列，指标更细：除了前端 IOPS 与时延，还可看 SRDF 复制时延、存储池（SRP）利用率、端口组与掩蔽视图的负载分布。排障时常用 Performance > Array 与 Performance > Storage Group 两层视图，先看阵列整体，再下钻到具体存储组。

Grafana 负责把上述数据统一可视化。典型做法是用 Prometheus 或 InfluxDB 作为时序库，通过 Dell 提供的导出器或脚本把 Unisphere/CloudIQ 的指标写入库中，再在 Grafana 中建面板。入门配置可参考如下采集片段：

# 示例：以 60s 间隔采集某卷指标并写入时序库（示意）
scrape_interval: 60s
targets:
  - device: unity-01
    metrics: [read_iops, write_iops, read_latency_ms, write_latency_ms, queue_depth, port_util]
    labels: {site: "sh-a", tier: "prod"}
# Grafana 面板建议：
# 1) 时延 P95 折线 + 阈值线（如 10ms）
# 2) IOPS 与队列深度双轴，观察饱和拐点
# 3) 端口利用率热力图，定位热点端口

采集粒度要与诊断目标匹配：看突发毛刺用 1 min 甚至更细，看容量与趋势用 5 min 或 15 min。粒度太粗会平滑掉尖峰，太细则数据量激增、保留期缩短。

指标组合的判读逻辑

单看一个指标容易误判，组合起来才有诊断力。常见组合如下：IOPS 高 + 时延低 + 队列浅，说明负载健康、资源有余量；IOPS 不再上升 + 时延抬升 + 队列变深，说明某层已饱和，需继续下钻到端口、后端盘或缓存；吞吐高 + IOPS 低，通常是顺序大块负载，重点看带宽与链路；缓存命中率骤降 + 读时延上升，可能是工作集变大或缓存被写负载挤占。

读写比例也直接影响判断：写比例高时，RAID 写惩罚和镜像复制会放大后端压力，此时应同时看写时延与后端磁盘利用率；读比例高时，缓存命中率与读时延的关联更紧。把这些指标按“对象—时间—粒度”三个维度对齐后，再进入具体工具取数，才能让后续的瓶颈诊断有据可依。