性能基准测试概述：我们到底在测什么

大家好。今天我们先聊点基础的——但说实话，基础的东西往往最容易被忽略。做NVMe性能测试之前，你得先搞清楚一个问题：你到底要测什么？

我在项目中遇到过不少团队，上来就跑fio，跑完拿一串数字就说“嗯，性能不错”。但你问他跑的是IOPS还是带宽？队列深度设了多少？延迟是在什么负载下测的？往往就说不清了。所以，我们先把这四个核心指标掰开揉碎讲清楚。

测试目的：不只是为了跑分

你想想看，做性能测试的根本目的是什么？是为了给老板看一个漂亮的数字吗？不是。我个人习惯把它归结为三点：

• 验证规格：厂商标的IOPS、延迟、带宽，到底能不能跑出来？
• 发现瓶颈：系统在什么负载下开始掉性能？CPU、PCIe带宽、还是盘本身？
• 制定基线：给后续的配置调优、固件升级、硬件替换提供一个可比较的起点。

说白了，测试的目的是为了让你了解系统的边界在哪里。我曾经遇到一个项目，厂商宣称盘能跑100万IOPS，结果我们在实际业务流下只跑出60万。一查，问题出在服务器PCIe lane分配上。如果没有基准测试，你根本不会知道瓶颈在哪儿。

IOPS：最熟悉的陌生人

IOPS，每秒I/O操作数。这个指标大家听得最多，但也最容易被误读。我习惯把它拆成两种场景来看：

嗯，这里要注意。很多人只测4K随机读就判定盘的好坏，这是片面的。你想想看，一个日志型应用需要的是大块顺序写带宽，你用4K随机去测，结果再高也说明不了问题。

我个人习惯的测试方法是：

1. 先把队列深度从1拉到256，看看IOPS怎么变化。
2. 如果队列深度1时的IOPS高，说明单线程性能好。
3. 如果队列深度256时的IOPS还在涨，说明并发能力强。

我曾经踩过一个坑：只测了QD=1的随机读，以为盘性能差。后来把队列深度拉上去，IOPS直接翻了三倍。所以，记住一句话——IOPS必须和队列深度一起看。

延迟：快，到底有多快？

延迟，就是发一个I/O请求到拿到结果的时间。单位是微秒。NVMe盘的延迟通常在100μs以内，甚至到十几微秒级别。

怎么测？我常用的方法是fio的--norandommap配合--randrepeat=0，随机读而不做地址去重，模拟真实业务下的随机访问。然后用--lat_percentiles=1输出分位延迟。

带宽：能吞多少数据？

带宽，也叫吞吐量。单位MB/s或GB/s。它和IOPS的关系就像水管：IOPS是“次数”，带宽是“水量”。

以PCIe 3.0 x4为例，理论带宽是4GB/s。但实际你能跑到的带宽要扣除协议开销。我个人习惯这样判断：

• 顺序读带宽：能跑到理论值的85%-90%就算合格。
• 顺序写带宽：通常比读低10%-20%，因为NAND闪存的写入特性。
• 随机读写带宽：远低于顺序，因为寻址开销大。

记得有一次，客户说他们的盘顺序读跑不到3GB/s，我一看fio参数，块大小设成了4K。你想想看，4K顺序读，就算IOPS再高，带宽也只能到几十MB/s。把块大小改成128K或1M，带宽立刻就上去了。所以，带宽测试时，块大小的选择很关键。

QoS：稳定性比峰值更重要

QoS，服务质量。在NVMe性能测试里，它通常指的是延迟的分布特性。说白了，就是你的盘在压力下能不能保持稳定。

指标	含义	典型值
平均延迟	所有请求延迟的算术平均	50-100 μs
99%延迟	99%的请求延迟低于此值	200-500 μs
99.9%延迟	99.9%的请求延迟低于此值	1-5 ms
最大延迟	最慢的一个请求延迟	10-100 ms

我为什么把QoS单独拿出来说？因为很多人在测试报告里只给平均延迟，这其实是骗自己的。我曾经遇到一个案例，盘的平均延迟只有80μs，看起来很漂亮。但把99.9%分位拉出来一看，时不时有个10ms的尖峰。查到最后，是盘的GC（垃圾回收）没做好，隔几分钟就卡一次。这种问题，只看平均值永远发现不了。

一个测试观念

讲完这四个指标，我想分享一个在项目中反复验证的认知——单一指标没有意义。IOPS高，不代表延迟低；带宽大，不代表QoS好。你必须在同一套测试中同时记录这些指标，才能对系统性能有个全面的判断。

嗯，今天就先聊这么多。这些概念虽然基础，但每次做新项目的性能评估，我都会回头再看一遍。把基础打牢，后面碰到复杂的分析才不会跑偏。