天翼云OOS率先突破SMR技术瓶颈，14TB领跑国内存储市场

2.1 兼容性

5、数据读取：KVDisker直接发送SCSI指令读取数据，对超长的数据并行发送多条SCSI指令，充实操作磁盘哀求行列，优化读取速度。

存储数据量大，需按期删除或删除率低的环境，都很是合用SMR磁盘。采用SMR磁盘可以利用更少的处事器，更少的机排斥间，更少的能源耗损。

KVDisker计划了一套动态挑选接纳的Zone的机制。依据系统的忙碌水平、容量利用环境确定是否进行GC以及GC的并发数。依据Zone中数据的最后写入年华、有效数据比例挑选接纳的Zone。GC挪移的数据，会凭证写入时偶然生命周期差异别离写入差异的Zone，使冷热数据疏散。KVDisker的GC算法极大的落低了GC挪移的数据量，淘汰了对业务的影响。

1、若采用Drive Managed SMR模式，在磁盘内部实现顺序写入，应用不需做任何修改。由于上层业务写哀求是随机的，磁盘固件资源有限，机能无法担保，险些无法满脚业务需求，只合用于写入后不再修改的归档数据，无法用于OOS尺度存储。据业内人士透露，曾有公司为了落低本钱但又不想投入研发利用此类磁盘，导致机能过低，最终放弃利用。

动态挑选接纳的Zone的机制，依据算法极大的落低了GC挪移的数据量，最大限度的减小了对业务的影响

SMR技能将来也可应用于微波帮助磁记录（Microwave-Assisted Magnetic Recording, MAMR）和热帮助磁记录技能(Heat-Assisted Magnetic Recording, HAMR)技能来提高容量，但对磁盘的缔造工艺改变较大。SMR技能只需对现有磁盘做少量修改即可实现，今朝如希捷、西数等主要磁盘供给商的产物线中都有SMR产物。

2、若采用Host Managed SMR模式，中国舆情网，将磁盘分为多少个Zone，Zone之间可以随机写，Zone内部必需顺序写。Host Managed SMR将Zone管理接口提供应主机，由主机担保数据的顺序写入。由于引入了新的磁盘范例、新的管理呼吁，所以没有现成的文件系统可以支持，需要对文件系统进行修改或从头开辟新的文件系统。今朝还没有成熟的文件系统实现了对Host Managed SMR磁盘的兼容。

SMR技能增加了容量，落低了本钱，但这种技能应用也带来了问题与挑战。磁道重叠后必需顺序写入，不然会对相邻磁道的数据造成损坏。正因为云云，今朝业内常用的磁盘文件系统，譬喻EXT/XFS等，由于需要随机的修改数据从而无法运行在SMR磁盘上，这对SMR的应用带来了不小的艰巨。据业内人士体现，今朝仅有微软Azure等极个体国际云计较巨头有脚够的技能局限商用SMR磁盘。

KVDisker在OOS系统中的位置如图2所示。个中，

2.4 下盘速度

在机能方面，天翼云从元数据、数据、空间分派三个维度，全面的晋升了读取、写入、遍历、检索的效率。

应用场景2：云盘和归档数据需要的空间大，删除的频率低。

(2)Ostor层认真工具的冗余担保；

1、元数据：比较文件系统大而全的元数据布局，KVDisker的元数据仅生存了年华戳、数据位置、校验值等须要的数据，这样KVDisker的元数据很小，大大的提高了检索效率。

今朝SMR技能已乐成应用在中国电信天翼云OOS（工具存储）产物系列中，并在天翼云OOS第五代存储产物中进行了局限商用，其成熟度获得了实践证明。同时，天翼云打算在OOS第六代（国度级存储网络）中更大局限的利用。据业内磁盘厂商相识，天翼云或是海内第一家商用SMR技能的公司，成为存储规模创新应用的标杆案例。

中国电信天翼云OOS通过产物计划和研发实力，在软件层做了大量的优化、消除，办理了技能晋升带来的负面影响，打破了SMR的技能范围性，浮现叠瓦式存储给单碟存储容量晋升带来的优势，既可以或许提高单机存储容量的上限，又可以幸免带来读写效率、读写机能上的瓶颈。

(1)对数据安详性做完整校验，来担保数据的靠得住性、一致性；(2)针对校验堕完工就实时觉察并批改错误，以有效担保数据的靠得住性；

应用SMR磁盘主要存在以下几个方面的问题：

连系磁盘供给商做普及性测试，针对测试中存在的问题，通过应用层分派空间担保指令的顺序发送，以幸免SCSI指令乱序导致的问题

3.垃圾接纳效率

今朝部门主流磁盘供给商都已经发布了基于氦气的14T规格的SMR磁盘。由于氦气的密度惟独氛围的1/7，更小的风阻大大落低了磁盘动弹功耗，同时也使得磁盘碟片可以更靠近以晋升单磁盘容量，少机房空间占用，落低能源耗损。与业界通用的8T一般盘较量，8T一般盘和14T盘的功耗根基是一样的。如图3所示，采用14T SMR磁盘约莫可以节减40%的机排斥间，落低43%电量耗损。

在数据重构时，由整个集群的磁盘参加，极大的晋升了重构速度，而且在最洪流平上落低数据丢失的大概性

4.数据重构年华久