近期，我们推出高性能 SSD 云盘，满足用户对高性能的场景需求。SSD 云盘相比普通云盘，IOPS 提升了 13 倍，稳定性提升了 3 倍，平均时延降低了 10 倍。为了做到这些，我们从去年 10 月份开始对云盘的架构进行了重新设计，充分减少时延和提升 IO 能力；并通过复用部分架构和软件，提供性能更好、更稳定的普通云盘；同时逐步引入 Stack/Kernel Bypass 技术，打造下一代超高性能存储。新架构推出后，已服务了现网用户的 3400 多个云盘实例，总存储容量达 800 TB，集群每秒 IOPS 均值 31 万。

架构升级要点

通过对现阶段问题和需求的分析，我们整理了这次架构升级的具体要点：

1、解决原有软件架构不能充分发挥硬件能力的局限

2、支持 SSD 云盘，提供 QOS 保证，充分发挥后端 NVME 物理盘的 IOPS 和带宽性能，单个云盘 IOPS 可达 2.4W

3、支持更大容量云盘，32T 甚至更大

4、充分降低 IO 流量的热点问题

5、支持并发创建几千块云盘，支持并发挂载几千块云盘

6、支持老架构云盘在线向新架构迁移，支持普通云盘在线迁移至 SSD 云盘

新架构改造实践

改造一：IO 路径优化

老架构中，整个 IO 路径有三大层，第一层宿主 Client 侧，第二层 Proxy 侧，第三层存储 Chunk 层。Proxy 负责 IO 的路由获取以及缓存；IO 的读写转发到下一层存储层，负责 IO 写三份复制。

而新架构中，路由获取交给了 Client，IO 读写 Client 可直接访问存储 Chunk 层，写三份复制也交给了 Chunk。整个 IO 路径变成了 2 层，一层是宿主 Client 侧，另一层存储 Chunk 层。

架构升级之后，对读 IO，一次网络请求直达到后端存储节点，老架构都是 2 次。对写 IO，主副本 IO 一次网络请求直达后端存储节点，另外 2 副本经过主副本，经历两次网络转发，而老架构三个副本均为两次。读 IO 时延平均降低 0.2-1ms，写尾部时延减低，也有效的降低总体时延。

改造二：元数据分片

分布式存储中，会将数据进行分片，从而将每个分片按多副本打散存储于集群中。如下图，一个 200G 的云盘，如果分片大小是 1G，则有 200 个分片。老架构中，分片大小是 1G，在实际业务过程中我们发现，部分业务的 IO 热点集中在较小范围内，如果采用 1G 分片，普通 SATA 磁盘性能会很差。并且在 SSD 云盘中，也不能均匀的将 IO 流量打散到各个存储节点上。

新架构中，我们支持了 1M 大小的分片。1M 分片，可以充分使用整个集群的能力。高性能存储中，因为固态硬盘性能较好，业务 IO 热点集中在较小范围内，也能获得较好的性能。

但 UCloud 元数据采用的是预分配和挂载方案，申请云盘时系统直接分配所有元数据并全部加载到内存。分片过小时，需要同时分配或挂载的元数据量会非常大，容易超时并导致部分请求失败。

例如，同时申请 100 块 300G 的云盘，如果按 1G 分片，需要同时分配 3W 条元数据；如果按照 1M 分片，则需要同时分配 3000W 条元数据。

为了解决分片变小导致的元数据分配/挂载失败问题，我们尝试改变 IO 时的分配策略，即云盘挂载时，将已分配的元数据加载到内存中。IO 时，如果 IO 范围命中已经分配路由，则按内存中的路由进行 IO；如果 IO 范围命中未分配路由，则实时向元数据模块请求分配路由，并将路由存储在内存中。

按 IO 时分配，如果同时申请 100 块 300G 的云盘，同时挂载、同时触发 IO，大约会产生 1000 IOPS，偏随机。最坏情况会触发 1000 * 100 = 10W 元数据分配。在 IO 路径上，还是存在较大消耗。

最终，新架构中我们放弃了中心节点存储分片元数据的方案，采用了以一套统一规则去计算获取路由的方案。

该方案中，Client 端和集群后端采用同样的计算规则 R（分片大小、pg 个数、映射方法、冲突规则）；云盘申请时，元数据节点利用计算规则四元组判断容量是否满足；云盘挂载时，从元数据节点获取计算规则四元组；IO 时，按计算规则 R（分片大小、pg 个数、映射方法、冲突规则）计算出路路由元数据然后直接进行 IO。通过这种改造方案，可以确保在 1M 数据分片的情况下，元数据的分配和挂载畅通无阻，并节省 IO 路径上的消耗。

改造三：支持 SSD 高性能云盘

通过上述对比可以看到，NVME 固态硬盘性能百倍于机械盘，但需要软件的配套设计，才能利用 NVME 固态硬盘的能力。

SSD 云盘提供 QoS 保证，单盘 IOPS：min{1200+30*容量，24000} 对于 SSD 云盘，传统的单线程模式会是瓶颈，难以支持后端 NVME 硬盘几十万的 IOPS 以及 1-2GB 的带宽，所以我们采用了多线程模型。

为了较快推出 SSD 云盘，我们还是采用了传统 TCP 网络编程模型，未使用 Kernel Bypass。同时，通过一些软件细节的优化，来减少 CPU 消耗。

目前，单个线程写可达 6W IOPS，读可达 8W IOPS，5 个线程可以基本利用 NVME 固态硬盘的能力。目前我们能提供云盘 IO 能力如下：

改造四：防过载能力

对于普通云盘，新架构的软件不再是瓶颈，但一般的机械硬盘而言，队列并发大小只能支持到 32-128 左右。100 块云盘，持续同时各有几个 IO 命中一块物理 HDD 磁盘时，因为 HDD 硬盘队列并发布较小，会出现较多的 io_submit 耗时久或者失败等问题。Client 侧判断 IO 超时后，会重试 IO 发送，造成 Chunk 端 TCP 缓冲区积压越来越多的 IO 包，越来越多的超时积压在一起，最终导致系统过载。

对于普通云盘，需控制并发提交队列大小，按队列大小，依次遍历所有云盘，下发各云盘的 IO，如上图的 1、2、3。实际代码逻辑里，还需要考虑云盘大小的权重。

对于 SSD 云盘来说，传统的单个线程会是瓶颈，难以支持几十万的 IOPS 以及 1-2GB 的带宽。

压测中，我们模拟了热点集中在某个线程上的场景，发现该线程 CPU 基本处于 99%-100% 满载状态，而其它线程则处于空闲状态。后来，我们采用定期上报线程 CPU 以及磁盘负载状态的方式，当满足某线程持续繁忙而有线程持续空闲时，选取部分磁盘分片的 IO 切换至空闲线程，来规避部分线程过载。

改造五：在线迁移

老架构普通云盘性能较差，部分普通云盘用户业务发展较快，希望从普通云盘迁移至 SSD 云盘，满足更高的业务发展需要。目前线上存在 2 套老架构，为了快速达到在线迁移的目的，我们第一期决定从系统外围支持在线迁移。

迁移流程如下：

1 后端设置迁移标记；

2 Qemu 连接重置到 Trans Client；

3 写 IO 流经过 Trans Client 到 Trans 模块，Trans 模块进行双写：一份写老架构，一份写新架构；

4 Trigger 遍历磁盘，按 1M 大小触发数据命令给 Trans 触发数据后台搬迁。未完成搬迁前，IO 读经 Trans 向旧架构 Proxy 读取；

5 当全部搬迁完成后，Qemu 连接重置到新架构 Client，完成在线迁移。

加一层 Trans 及双写，使迁移期间存在一些性能损耗。但对于普通云盘，迁移期间可以接受。我们目前对于新架构也正在建设基于 Journal 的在线迁移能力，目标在迁移期间，性能影响控制在 5% 以下。

经过上述系列改造，新的云硬盘架构基本完成了最初的升级目标。目前，新架构已经正式上线并成功运用于日常业务当中。在这里，也谈谈我们正在研发的几项工作。

1、容量具备无限扩展能力

每个可用区，会存在多个存储集群 Set. 每个 Set 可提供 1PB 左右的存储 (我们并没有让集群无限扩容)。当 Set1 的云盘需要从 1T 扩容至 32T 100T 时，可能会碰到 Set1 的容量不足的问题。

因此，我们计划将用户申请的逻辑盘，进行分 Part, 每个 Part 可以申请再不用的 Set 中，从而具备容量可以无限扩展的能力。

2、超高性能存储

近 10 年，硬盘经过 HDD -> SATA SSD -> NVME SSD 的发展。同时，网络接口也经历了 10G -> 25G -> 100G 的跨越式发展。然而 CPU 主频几乎没有较大发展，平均在 2-3GHZ，我们使用的一台物理机可以挂 6-8 块 NVME 盘，意味着一台物理机可以提供 300-500 万的 IOPS.

传统应用服务器软件模式下，基于 TCP 的 Epoll Loop, 网卡的收发包，IO 的读写要经过用户态、内核态多层拷贝和切换，并且需要靠内核的中断来唤醒，软件很难压榨出硬件的全部能力。例如在 IOPS 和时延上，只能靠叠加线程去增加 IOPS，然而，IOPS 很难随着线程的增加而线性增长，此外时延抖动也较高。

我们希望通过引入零拷贝、用户态、轮询的技术方案来优化上图中的三种 IO 路径，从而减少用户态、内核态、协议栈的多层拷贝和切换，并结合轮询一起压榨出硬件的全部能力。

最终，我们选择了 RDMA，VHOST，SPDK 三个技术方案。

方案一：超高性能存储-VHOST

传统模式如下，IO 经过虚机和 Qemu 驱动，再经过 Unix Domain Socket 到 Client。经过多次用户态内核态，以及 IO 路径上的拷贝。

而利用 VHOST User 模式，可以利用共享内存进行用户态的 VM 到 Client 侧的数据传输。在实际中，我们利用了 SPDK VHOST。

研发环境中，我们将 Client 收到 IO 请求后立即模拟返回给 VM，也就是不向存储后端发送数据，得到的数据如上图。单队列时延可以降低 90us，IOPS 有几十倍的提升。

方案二：超高性能存储-RDMA+SPDK

RDMA 提供了一种消息服务，应用程序利用 RDMA 可以直接访问远程计算机上的虚拟内存，RDMA 减少了 CPU 占用以及内存带宽瓶颈，提供了很高的带宽，并利用 Stack Bypass 和零拷贝技术，提供了低延迟的特性。

SPDK 可以在用户态高并发零拷贝地以用户态驱动直接访问 NVME 固态硬盘。并利用轮询模式避免了内核上下文切换和中断处理带来的开销。

目前团队正在研发利用 RDMA 和 SPDK 的存储引擎框架，研发测试环境中，后端用一块 NVME 固态盘，我们在单队列和 IOPS 上可以提升如下：

包括 SPDK VHOST USER 的 Client 侧，以及 RDMA+SPDK 的存储侧方案，预计 12 月会推出公测版。

总结

过去的一年时间里，我们重新设计和优化了云盘的存储架构，解决了过去老架构的诸多问题，并大幅提升了性能。经过 4 个月公测，SSD 云盘和新架构普通云盘都于 8 月份全量上线，并保持了极高的稳定性，目前单盘可提供 2.4W IOPS。

同时，为了追求更佳的 IO 体验，我们引入 Kernel/Stack Bypass 技术方案，正在打造更高性能、更低时延的存储引擎，预计 12 月份会推出超高性能云盘公测版，敬请期待！