NVMe 存储磁盘压力综合评分方法

侯盛鑫
276 阅读3分钟

概览

之前有一个错误观点，认为 util 达到 100% 磁盘就已经完全繁忙了，其实并不是。 机械硬盘时代（比如15000转的盘），在物理层面是串行的，一个时间只能干一个活。虽然有各种级别的 concurrency ，但并不是真正的并行。SSD, RAID 则不同。他们可以真正在物理层面上并行执行多个IO。可以同时物理执行多个IO。
util 有一个简单的算法：

concurrency = (r/s + w/s) * (svctm / 1000)  
util = concurrency * 100%

然而这个 concurrency 是个伪命题，因为 svctm 也是通过计算而来的，无论怎样请求，算出来的 concurrency 都是 1 左右，那么自然 util 出来就是100%。

基于此问题，本模型以 延迟（Latency）优先，结合 IOPS、带宽、队列深度、使用率与 SMART 健康信息，构建一个可量化、分级的“磁盘压力得分”（Disk Pressure Score）。

  • 归一化：将各指标映射到 [0,1] 区间；
  • 加权合成：对各归一化指标赋予权重，合成基础分数；
  • SMART 风险调整：对介质健康与温度等 SMART 子指标映射为附加分；
  • 分级告警：将最终得分映射至 “低/中/高/超压” 四档。

第一步：指标归一化

归一化必要性

我们要解决统一评分模型的两个问题：

  • 不同指标（延迟 ms、带宽 MB/s、使用率 %）需在同一刻度下比较；
  • 映射后可线性组合，简化计算；

而归一化算法提供给我们统一量纲和易于加权的两大优势，这样就能直接用起来。

归一化公式逻辑

将各指标统一映射到 [0,1]，这里我们采用 Min–Max 饱和变体：

fx=min⁡ ⁣(xxmax⁡, 1)f_x = \min\!\Bigl(\frac{x}{x_{\max}},\,1\Bigr)

采用饱和变体的原因是：

fx={xxmax⁡,0≤x≤xmax⁡(线性区间)1,x>xmax⁡(饱和保护)f_x = \begin{cases} \dfrac{x}{x_{\max}}, & 0 \le x \le x_{\max} \quad\text{(线性区间)}\\[8pt] 1, & x > x_{\max} \quad\text{(饱和保护)} \end{cases}
  1. 在线性区间内：压力与指标值成正比。
  2. 可以提供饱和保护：避免极端值放大影响。
  3. 计算高效：仅需除法与最小值运算，适合秒级更新

指标归一化方法

将各项原始指标映射到区间 [0,1]，记作 f_x，数值越大表示压力越高。

原始指标归一化公式说明
延迟 Lf_L = min(L / L_ref, 1)以参考延迟 L_ref（如 1 ms）为分母。
IOPS If_I = min(I / I_max, 1)I_max 可取设备峰值或 SLA 要求。
吞吐量 B (MB/s)f_B = min(B / B_max, 1)B_max 参考厂商规格或总线带宽上限。
队列深度 Qf_Q = min(Q / Q_max, 1)Q_max 可取 NVMe 最大队列深度。
使用率 U (%)f_U = U / 100高于 90% 时风险较大。

第二步：基础压力得分计算

采用线性加权模型将各归一化指标合成为基础压力得分 Score_base：

Scorebase=100(α fL+β fI+γ fB+δ fQ+ϵ fU)Score_{\mathrm{base}} = 100 \bigl( \alpha\,f_L + \beta\,f_I + \gamma\,f_B + \delta\,f_Q + \epsilon\,f_U \bigr)

其中权重满足 α+β+γ+δ+ϵ=1\alpha+\beta+\gamma+\delta+\epsilon=1。

权重示例

  • 延迟：α=0.4\alpha=0.4
  • IOPS：β=0.2\beta=0.2
  • 吞吐量：γ=0.2\gamma=0.2
  • 队列：δ=0.1\delta=0.1
  • 使用率：ϵ=0.1\epsilon=0.1

第三步：SMART 健康风险调整

SMART 子项反映磁盘健康。定义两个风险因子并映射为附加分 A：

  1. 剩余寿命风险

    flife=1−R100,f_{\mathrm{life}} = 1 - \frac{R}{100},

    其中 RR(unit:%) 为剩余介质寿命。

  2. 温度风险

    ftemp=max⁡ ⁣(T−TsafeTcrit−Tsafe,0),f_{\mathrm{temp}} = \max\!\Bigl(\frac{T - T_{\mathrm{safe}}}{T_{\mathrm{crit}} - T_{\mathrm{safe}}}, 0\Bigr),

    设 TsafeT_{\mathrm{safe}} 为安全温度（如 70 °C）、TcritT_{\mathrm{crit}} 为临界温度（如 80 °C）。

附加分：

A=wlife flife+wtemp ftemp,A = w_{\mathrm{life}}\,f_{\mathrm{life}} + w_{\mathrm{temp}}\,f_{\mathrm{temp}},

例如 wlife=20w_{\mathrm{life}}=20、wtemp=10w_{\mathrm{temp}}=10。

最终总得分：

Scoretotal=min⁡(Scorebase+A,  100).Score_{\mathrm{total}} = \min\bigl(Score_{base} + A,\;100\bigr).

第四步：压力分级与告警

分值区间级别建议动作
0–30低压正常，持续秒级监控
30–60中压关注趋势，检查指标波动
60–80高压优化/扩容，检查热点
80–100超压紧急，SMART 告警，迁移或降载

实时应用与优化建议

  1. EWMA 平滑

  2. 读写分离 分别计算读写延迟归一化，再按比例加权。

  3. 阈值自适应 定期调整 Imax⁡,Bmax⁡,LrefI_{\max},B_{\max},L_{\rm ref}，实现模型自校准。

  4. 多维告警 除综合得分外，单独监控延迟、温度阈值，保证极端情况不遗漏。

参考&引用

avatar
文章
阅读
粉丝