

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# Intelligent-Tiering 存储类的性能特征
<a name="intelligent-tiering-file-systems"></a>

FSx for Lustre 存储类 Intelligent-Tiering 为传统上在 HDD/高性能文件存储文件系统上运行或SDD-based 混合 HDD-based 运行的工作负载提供成本优化的弹性存储。使用该 Intelligent-Tiering 存储类的文件系统利用完全弹性、智能分层的区域存储，该存储会随着工作负载的变化而自动增长和缩小以适应您的工作负载。有关如何对数据进行分层的信息，请参阅 [Intelligent-Tiering 存储类如何对数据进行分层](using-fsx-lustre.md#how-INT-tiering-works)。

具有存储类的 FSx for Lustre 文件 Intelligent-Tiering 系统所支持的吞吐量与其存储空间无关。 Intelligent-Tiering 文件系统可扩展到多 TBP 的吞吐量和数百万的 IOPS。使用该 Intelligent-Tiering 存储类的文件系统还提供可选的预配置 SSD 读取缓存，以实现对经常访问的数据的低延迟访问。默认情况下，适用于 Lustre 的 Amazon FSx 会预置 SSD 读取缓存，用于频繁访问的元数据。由于大多数工作负载往往是读取密集型的，并且在任何给定时间只能使用整个数据集的一小部分子集，因此 Intelligent-Tiering 存储和固态硬盘读取缓存的混合模型允许使用该 Intelligent-Tiering 存储类的文件系统为大多数工作负载提供性能与固态硬盘文件系统相当的存储，同时相对于固态硬盘和硬盘存储类别节省存储成本。

在向 Intelligent-Tiering 文件系统读取和写入数据，尤其是最近访问过的数据或访问频率不足以存放在文件服务器的内存缓存中的数据时，性能取决于 SSD 读取缓存的大小。从 Intelligent-Tiering 存储设备访问数据的首字节时间延迟约为数十毫秒，而且每个请求的成本也很高，而从固态硬盘读取缓存进行访问的延迟为亚毫秒，并且没有每个请求的成本。

在为文件系统配置 SSD 读取缓存的大小时，应考虑工作负载中频繁访问的数据集大小，以及工作负载对较少访问数据读取延迟增高的敏感度。创建文件系统后，您可以在 SSD 读取缓存大小调整模式之间切换，并向上或向下扩展缓存。有关如何修改 SSD 读取缓存的更多信息，请参阅 [管理预置的 SSD 读取缓存](managing-ssd-read-cache.md)。

当 FSx for Lustre 将数据块写入存储器时，就会出现写入请求。 Intelligent-Tiering 当您将数据写入文件系统时，会聚合写入请求并将其写入 Intelligent-Tiering 存储，从而增加吞吐量并降低请求成本。读取可以从文件服务器的内存缓存、SSD 读取缓存或直接从 Intelligent-Tiering存储中提供。当从 Intelligent-Tiering 存储中提供读取操作时，每个检索到的数据块都会发生读取请求。当按顺序读取数据时，FSx for Lustre 将预取数据以提升性能。

使用该 Intelligent-Tiering 存储类的文件系统上的内存缓存中的数据以*网络 I/O*形式直接提供给请求客户端。当客户端访问不在内存缓存中的数据时，这些数据将从 SSD 读取缓存或作为*磁盘*的 Intelligent-Tiering 存储中读取， I/O然后作为网络提供给客户端。 I/O

## 的文件系统性能 Intelligent-Tiering
<a name="data-access-intelligent-tiering"></a>

下表显示了 FSx for Lustre 文件系统的设计性能。 Intelligent-Tiering 


| 预置的吞吐能力（MBps） | **网络吞吐量 (Mbps)** |  **网络 IOPS** |  **In-memory 缓存存储空间 (GB)** |  **最大 SSD 缓存磁盘吞吐量（MBps）** | **最大 SSD 缓存磁盘 IOPS** | 
| --- |--- |--- |--- |--- |--- |
| **** | **基准** | **突增** | **** | **** | **** | **基准** | **突增** | 
| --- |--- |--- |--- |--- |--- |--- |--- |
| 每 4000 | 12500 | ‐ | 数十万 | 76.8 | 4000 | 160000 | ‐ | 
| --- |--- |--- |--- |--- |--- |--- |--- |