1. 课程导入与全景认知

在开始讨论任何调优参数之前，我们需要先建立一个判断：Pure Storage 全闪存阵列的性能与容量，并不是两个可以分开处理的独立问题。它们共享同一套底层资源——闪存颗粒、控制器 CPU、内部互连带宽、元数据服务，以及决定数据落在哪里的数据缩减引擎。理解这一点，是后续所有容量规划和性能优化的前提。

一、核心设计哲学：把闪存当作闪存来用

传统存储的设计起点是机械硬盘：寻道延迟高、顺序访问远快于随机访问，因此需要大量缓存、复杂的预取和分层策略来"掩盖"磁盘的物理缺陷。Pure Storage 的起点完全不同——它假设介质本身就是随机访问、低延迟的，因此把复杂度从"如何隐藏延迟"转移到"如何让控制器和元数据服务不成为新瓶颈"。

这带来三个可观察的架构特征。第一是全局闪存管理：所有 SSD 被组织成一个共享资源池，而不是按 RAID 组切分，写入在池内均匀分布，避免单盘磨损热点。第二是始终开启的数据缩减：内联去重、压缩与模式消除在写入路径上完成，容量效率不是可选功能，而是默认行为。第三是以 Purity 操作系统为核心的软件定义控制面：性能特性、快照、复制、QoS 都由同一套软件栈提供，硬件升级不改变管理模型。

对规划者的直接含义是：你看到的"可用容量"是缩减后的逻辑容量，而"性能上限"取决于缩减前后的数据形态。同一块物理阵列，写入 100% 随机不可压缩数据与写入高度重复的虚拟机镜像，其有效容量和 IOPS 表现可能相差数倍。因此，容量规划必须与数据特征绑定，性能优化必须与工作负载画像绑定。

二、性能与容量在数据生命周期中的位置

把数据生命周期拆成四个阶段，可以看清两类工作的分工：

• 创建与写入阶段：决定数据缩减率、初始写入放大、元数据增长速度。此阶段的关键指标是缩减比、写入带宽和元数据服务延迟。
• 活跃访问阶段：决定 IOPS、时延和队列深度表现。此阶段关注热点分布、QoS 策略和控制器负载均衡。
• 保护与复制阶段：快照、克隆、远程复制会消耗额外元数据和网络带宽，但不一定消耗等量物理容量。
• 归档与回收阶段：决定空间何时真正释放，以及垃圾回收对性能的间接影响。

性能优化主要作用于第二、第三阶段，容量规划则贯穿全部四个阶段。两者在"缩减率"和"元数据规模"这两个变量上交汇——这也是本课程反复回到的两个锚点。

三、课程实战目标与工具链概览

本课程不追求罗列参数，而是围绕三个可交付能力展开：能够根据工作负载画像估算所需有效容量与性能余量；能够使用 Pure Storage 自带工具定位瓶颈并验证调优效果；能够为典型场景（虚拟化、数据库、容器持久卷）给出可执行的规划建议。

工具链方面，Pure1 提供全局遥测与容量趋势预测，Pure1 Meta 可基于同类客户数据给出对比参考；阵列本地的 Purity 命令行与 Web 界面提供实时性能计数器、卷级 QoS 配置和快照管理；FlashArray 的 ActiveCluster 与 ActiveDR 用于跨站点保护场景。后续章节会逐一展开这些工具的具体用法。

四、一个用于建立直觉的示例

假设某业务系统计划部署 200 台虚拟机，每台配置 100 GB 精简置备卷，合计逻辑容量 20 TB。若历史数据显示同类虚拟机镜像的平均缩减比为 4:1，则物理容量需求约为 5 TB；但若其中包含大量已加密或已压缩的归档数据，缩减比可能降至 1.5:1，物理需求升至约 13.3 TB。这个差异必须在采购前通过实际数据采样确认，而不是套用厂商宣传的"平均缩减比"。

性能侧同理：200 台虚拟机若每台稳态产生 50 IOPS，合计约 10,000 IOPS，对主流全闪存阵列属于轻载；但若其中 20 台数据库虚拟机在批处理窗口产生 5,000 IOPS 的突发，峰值可达 100,000 IOPS 以上，此时需要检查控制器 CPU 余量、队列深度和 QoS 策略是否已配置。容量规划给出"够不够放"，性能规划给出"扛不扛得住"，两者缺一不可。