Docker本地和远程存储性能(参考)

PERFORMANCE ANALYSIS OF CONTAINERIZED APPLICATIONS ON LOCAL AND REMOTE STORAGE 有一些有意思的参考信息:

本地存储架构

../../_images/docker_storage_arch.png
  • 使用 NVMe存储 作为存储,通过精心优化配置可以接近于裸设备性能

文件系统对比

  • 通过Docker文件系统(Aufs, Btrfs, Overlayfs):

    • Aufs(Advanced multi-layered Unification FileSystem): 高速可靠的统一文件系统

    • Btrfs(B-tree文件系统):现代化CoW文件系统,可以实现很多高级特性,如失效冗余,容易修复和管理

    • Overlayfs: 现代化的统一文件系统,比Aufs设计简化,所以潜在更快一些

测试采用 fio 存储性能测试 :

  • libaio: 异步IO

  • 32个并发任务,iodepth 32

EXT4和XFS

  • EXT4的随机读(RR) IOPS比raw低25%,但是XFS能够接近于raw

  • XFS的几乎所有性能都接近raw,但是随机写(RW)性能不佳

注解

XFS允许多个进程一起读一饿文件,而EXT4要求读操作使用 mutex locks

XFS在很高的线程数量时随机写性能下降( 后续可以实践验证 ): (独占锁exclusive locking影响写性能)

../../_images/xfs_random_writes_high_thead.png

Btrfs性能解析

  • Btrfs在小磁盘块性能不佳

  • Btrfs在读取文件数据前必须读取文件扩展(file extent),所以块越小也就需要读取更多file extent,导致Btrfs对小文件性能不佳,而大数据块则降低了读取metadata所以Btrfs性能此时就提升上来了

  • Btrfs由于采用了CoW,所以对于随机写(RW)性能不佳

../../_images/btrfs_random_write.png

虚拟块设备

  • 通过 Docker Device mapper存储驱动 提供了精简配置(thin provisioning)和快照(snapshotting)能力

  • loop-lvm 通过 稀疏文件 (sparse files)可以构建精简配置池(thin-provisioned pools)

  • direct-lvm 通过 块设备 (block device)可以直接创建精简池(thin pools),这也是Docker推荐方式

注解

通过使用 Docker Device mapper存储驱动 可以充分发挥Docker的存储性能(毕竟LVM卷是非常薄的逻辑层,性能几乎无损),同时带来灵活的管理存储能力(精简配置和快照),所以是非常推荐的存储方案

数据卷(data volume, -v)

Docker 卷 提供了数据持久化,并且可以在不同容器间共享数据

注解

Where are containerd’s graph drivers? 介绍了Graph drivers

../../_images/docker_lvm_perf.png
  • direct-lvm 在随机读和随机写上性能不佳

  • LVM,device mapper和dm-thinp内核模块引入了附加读代码路径和负担,所以可能不适合IO敏感读应用负载

参考