3、性能指标与测量方法：IOPS、吞吐量、延迟、队列深度、CPU占用率、常用测试工具及使用要点
在UFS读写性能瓶颈诊断中，第一步不是“猜哪里慢”，而是把“慢”翻译成可量化、可复现、可对比的指标。UFS作为移动端主流高速存储接口，其性能表现同时受协议层、控制器固件、NAND介质、主机驱动、文件系统、CPU调度与温度策略影响。若只凭主观感受或单一跑分判断，很容易把瓶颈归错对象。因此，本节围绕六个核心观测维度展开：IOPS、吞吐量、延迟、队列深度、CPU占用率，以及测试工具的使用要点。
一、核心指标：从“快慢”到“可测量”
IOPS（Input/Output Operations Per Second）表示每秒完成的I/O操作次数，适合衡量随机小IO场景，例如4KB随机读、随机写。吞吐量（Throughput/Bandwidth）表示单位时间内传输的数据量，常用MB/s或GB/s，适合衡量顺序大IO场景，例如视频录制、大文件拷贝。延迟（Latency）表示单个I/O从提交到完成的时间，通常关注平均延迟、P99、P999，因为平均延迟正常但尾延迟恶化时，用户仍会感到卡顿。队列深度（Queue Depth, QD）表示同时未完成的I/O请求数量，UFS支持多队列与命令队列，QD越高越能压满控制器与NAND并行度，但也可能放大延迟。CPU占用率则反映主机侧处理I/O协议栈、中断、文件系统与驱动所消耗的算力，若CPU先饱和，存储性能再高也无法发挥。
关键关系：吞吐量 ≈ IOPS × 单次I/O大小；在稳定负载下，平均延迟 ≈ 队列深度 ÷ IOPS。因此，当QD增加而IOPS不增、延迟线性上升时，说明设备已接近饱和点。
二、测量方法：固定变量与扫描队列深度
性能测量最忌“一次跑一个数”。正确做法是固定I/O大小、读写比例、访问模式、文件系统与温度条件，然后逐步增加队列深度，记录IOPS、吞吐量、平均延迟、P99延迟与CPU占用率。典型扫描序列为QD1、QD2、QD4、QD8、QD16、QD32、QD64。若IOPS在QD16后不再上升，而延迟从200μs升至800μs，说明设备已进入饱和区，此时继续加QD没有收益，反而恶化用户体验。
测量时还要区分“设备级”与“系统级”。设备级测试尽量绕过文件系统缓存，直接对块设备或裸分区发起I/O；系统级测试则保留文件系统、页缓存与调度器，更接近真实应用。两者结果差异大时，瓶颈往往在文件系统或内存管理，而非UFS本身。
三、常用测试工具与使用要点
| 工具 | 适用场景 | 关键参数/要点 |
|---|---|---|
| fio | Linux/Android底层块设备与文件测试 | rw、bs、iodepth、numjobs、direct=1、runtime、ramp_time |
| Iometer | Windows/跨平台磁盘性能对比 | 关注队列深度、访问规格、CPU利用率与延迟分布 |
| MobileBench | 移动端整机存储与系统级体验 | 贴近真实App场景，注意温度与后台干扰 |
| AndroBench | Android UFS快速摸底 | 顺序/随机读写、SQLite、微基准，适合对比机型 |
以fio为例，一个典型的随机读扫描命令如下：
fio --name=randread \
--filename=/dev/block/sda \
--rw=randread --bs=4k --iodepth=32 \
--numjobs=1 --direct=1 --runtime=60 \
--ramp_time=10 --group_reporting \
--output-format=json --output=ufs_qd32.json使用要点：第一，务必设置direct=1绕过页缓存，否则测到的是内存速度；第二，ramp_time用于跳过预热阶段，避免缓存与温控初期波动；第三，numjobs与iodepth共同决定总并发，单job高QD与多job低QD对UFS调度压力不同；第四，测试前后记录温度与CPU频率，避免热降频把存储瓶颈误判为设备性能不足。
工具选择建议：研发阶段用fio做参数化扫描，定位设备饱和点；整机验收用MobileBench或AndroBench做场景化对比；跨平台对比可用Iometer。不要用单一工具的结果直接下结论。
四、案例与误区复盘
某项目反馈“UFS随机写只有8K IOPS，远低于标称”。排查发现测试命令未加direct=1，且iodepth=1，实际测的是单线程同步写，瓶颈在主机侧而非UFS。改为direct=1、iodepth=32后，IOPS升至45K，延迟仍在可接受范围。另一个案例中，QD从32加到64，IOPS几乎不变，但P99延迟翻倍，CPU软中断占用从18%升至42%，说明主机CPU先成为瓶颈，继续加QD只会让请求排队更久。
常见误区：只看平均延迟，忽略P99/P999；只跑一次就下结论；不记录温度与CPU频率；把文件系统缓存命中当成UFS性能；用顺序吞吐量评价随机小IO体验。这些都会导致瓶颈定位错误。
综上，IOPS、吞吐量、延迟、队列深度与CPU占用率不是孤立数字，而是一组相互约束的关系。测量时固定变量、扫描QD、观察拐点，再结合fio、Iometer、MobileBench等工具的场景差异，才能把“慢”准确定位到UFS设备、主机CPU、文件系统或温控策略中的具体环节。