3. 性能指标与监控体系总览

在存储性能监控中，最容易被误用的做法是“只看一个数字”。IOPS 高不代表业务快，带宽大不代表时延低，时延低也不代表系统还有余量。真正有效的诊断，是把一组指标放在同一条 I/O 路径上理解：请求从主机发出，经过前端接口、缓存、后端介质，最终返回主机。每个环节都有自己的能力上限和排队行为，指标就是这些环节的“体检数据”。

一、四个基础指标：IOPS、带宽、时延、队列深度

IOPS（Input/Output Operations Per Second）表示每秒完成的 I/O 操作次数，关注的是“次数”。它天然与 I/O 大小强相关：4 KiB 随机读和 256 KiB 顺序写，同样 10 万 IOPS，对后端压力完全不同。因此看 IOPS 必须同时看块大小和读写比例，否则数字没有意义。

带宽（Throughput/Bandwidth）表示每秒传输的数据量，常用 MB/s 或 GB/s，关注的是“字节数”。带宽 = IOPS × 平均 I/O 大小。这个关系是排查中的关键换算：当带宽打满而 IOPS 不高时，通常是大块顺序访问；当 IOPS 很高而带宽不高时，通常是小块随机访问。

时延（Latency）表示一个 I/O 从发出到完成所经历的时间，单位常用毫秒（ms）或微秒（µs）。时延是最贴近业务体验的指标。业界常把平均时延和尾时延分开看：平均值会被大量快 I/O 拉低，而 P99、P999 尾时延才反映最慢的那部分请求。一个阵列平均 0.5 ms、P99 却到 20 ms，业务侧仍会感到卡顿。

队列深度（Queue Depth）表示在某一时刻尚未完成的 I/O 数量。它和时延通过利特尔法则（Little's Law）关联：队列深度 ≈ IOPS × 时延。例如某卷实测 20000 IOPS、平均时延 1 ms，则平均在途 I/O 约为 20000 × 0.001 = 20。队列深度是“压力表”：队列开始持续增长，说明到达速率已接近或超过处理能力，时延即将抬升。

二、缓存命中率与读写放大

缓存命中率（Cache Hit Rate）表示读请求在缓存中直接得到响应的比例。命中率高，读时延低、后端压力小；命中率骤降，往往意味着工作集变大、访问模式变随机，或缓存被大量写入挤占。需要注意，写缓存与读缓存行为不同：写通常先落入缓存并异步下刷，因此“写命中”更多影响的是写时延和后续下刷压力，而不是简单的命中率数字。

读写放大（Read/Write Amplification）是另一个容易被忽略的指标。写放大 = 实际写入介质的量 / 主机请求写入量。它受块大小、对齐、RAID/纠删码、垃圾回收影响。写放大升高会直接消耗后端带宽和寿命，表现为“主机侧写入不高，但后端很忙”。

三、Pure Storage 特有指标

Pure Storage 基于全闪存与 Purity 操作系统，除通用指标外，还有几类特有视角值得纳入监控体系：

• Purity 版本与阵列级健康：通过 Pure1 或阵列 GUI 查看整体状态、组件健康、容量与性能趋势，是判断“是单卷问题还是整阵列问题”的第一层。
• 卷级与主机级性能视图：Pure 支持按卷、按主机、按快照粒度查看 IOPS、带宽、时延，便于把业务对象与性能数据对齐。
• FlashArray 的 NVRAM/写缓存与下刷：写入先进入 NVRAM 再落盘，写时延与下刷队列相关，观察写路径时要关注这一层。
• Pure1 的 AI 驱动分析与 Workload Planner：提供性能基线、异常检测和容量/性能预测，适合做趋势判断而非瞬时排障。
• ActiveCluster / ActiveDR 复制指标：双活或复制场景下，复制时延、复制带宽和链路状态会直接影响主站写时延，必须单独监控。
• SafeMode 快照与保护组：快照频率过高会带来额外的元数据与下刷压力，属于 Pure 特有的“保护换性能”权衡点。

四、把指标串成一条监控链

下面这张图把主机、前端、缓存、后端介质和 Pure 特有监控点放在同一条 I/O 路径上，帮助建立“指标—环节—瓶颈”的对应关系。

五、监控体系怎么落地

把上述指标组织成可用的监控体系，建议分三层：阵列层看整体健康、容量、Purity 版本和 Pure1 趋势；对象层按卷、主机、快照、保护组看 IOPS、带宽、时延；路径层看前端端口、NVRAM 下刷、后端介质和复制链路。三层对齐后，才能回答“是哪个卷、哪条路径、哪个环节慢”。

一个可参考的采集与判断示例（参数为教学假设，非实测）：某数据库卷在业务高峰出现响应变慢。先看卷级时延从 0.8 ms 升到 4.5 ms，P99 从 3 ms 升到 28 ms；再看队列深度从 12 升到 90；IOPS 约 20000、平均 I/O 8 KiB，换算带宽约 160 MB/s。此时队列深度 ≈ 20000 × 0.0045 = 90，与观测一致，说明到达速率已超过处理能力。进一步看缓存命中率从 92% 降到 61%，后端读 IOPS 明显上升，判断为工作集扩大导致缓存失效、后端读压力增大。处理方向是确认是否有全表扫描或批量任务，必要时调整缓存策略或错峰。

最后强调一个原则：指标是“关系”，不是“排名”。IOPS、带宽、时延、队列深度、缓存命中率、读写放大以及 Pure 特有监控点，只有放在同一条 I/O 路径和同一个时间窗口里，才能从数字变成判断依据。