fio测试结果怎么看

FIO在测试过程中会在屏幕上显示测试结果，但其更有价值的信息还是测试后输出的测试结果文件（扩展名为.txt的文本文件），以及若干日志（扩展名为.log文本文件）。正确地判读这些文件，进行汇总和处理，包括可视化和数值分析，才能真正发挥FIO这般强大测试工具的真正价值。

譬如下图是我们进行的一组4KB随机读测试的结果，其中，RandRe4K_Num1QD1.txt是Job=1、Depth=1的测试成绩汇总，RandRe4K_Num2QD1.txt是Job=2、Depth=1的数据……以此类推，这些文件名是我们在测试命令行中预先定义好的。在文件名后用下划线分隔了若干日志，如bw代表带宽、iops代表操作数量，clat、slat、lat是时延。日志名末尾的数字是对应的进程，具体的数量由Job的设置而定。由于我们设计的测试方案比较繁琐，单单是这一组随机读的测试就产生了超过300个文件。如果将其他测试项目并入，我们需要处理数以千计的文件。

测试结果判读

判读FIO的测试结果文件就可以对SSD的性能有详尽的了解。对于举例的随机读测试，之前的测试教程所分享的经验告诉我们：较高的队列设置会更接近SSD的极限性能。因此，我们可以优先看一下QD达到256的数据，以下就是Job=8、Depth=32的数据。

测试文件的第一段落介绍了基本的测试设置，包括IO类型、数据包大小、队列深度等。

第二段落，先是提供了大家平时比较熟悉的吞吐量相关的信息，可以直接与厂家宣传的性能去做比较，如平均IOPS=984k，折算的平均带宽为3844MiB/s或4031MB/s。其中我们还可以看到，这个测试的总数据量为2.3TB，测试时长为10分钟（FIO日志中默认的时间单位是毫秒，具体到这个例子为60万毫秒）。

接下来的信息则是比较专业的用户会去关心的了：时延。

时延数据首先是三种基本的：slat、clat、lat。其含义各不相同：

slat：指从 fio向系统提交I/O请求，到实际执行 I/O的时长。这一部分主要由服务器处理器和操作系统决定，也SSD的接口协议、工作模式有关。对于在物理服务器上进行的测试，且使用异步IO的情况下，slat的值通常都会很小，1微秒左右，远小于clat的数量级。

clat：是指从 I/O提交到 I/O完成的时长。这一部分主要由SSD决定。但如果设置为同步IO引擎，clat项就没有意义了。在这个例子中，使用的IO引擎是libaio，属于异步IO。

lat：是指从fio创建 I/O 到 I/O完成的时长，相当于slat+clat。

普通观众会比较关注lat和clat的结果，与SSD关系更大。平均时延与SSD的性能、以及设定的队列深度关系最直接，譬如QD=256的情况下，这个例子中的平均读时延大概是260微秒；查看这个SSD在QD=1时的文件，平均读时延则为102微秒——有些SSD宣传的时延参数，指的就是这种情况。建议也留意一下最大值（max）的数据，一般来说数十到数百毫秒的最大值是正常的，但也会遇到部分SSD的最大值会出现数千毫秒甚至更高的情况，就更需要检查日志，包括把日志采样的频率提高。

严肃的用户极为关心第四种时延：clat percentiles，即特定百分位的时延，或者俗称P99、尾时延等。大家都知道，平均数不能代表实际的体验，用户对极端情况更为敏感。不同的用户会根据自身的业务特点、客户类型，确定适合自己的置信区间，譬如比较宽松的用户，关注95%的请求的时延——以上图为例，95%（95.00th）对应的clat为383微秒，意思是95%的IO请求在383微秒内完成；严格的用户，会把标准设定到99%甚至99.99%。

值得一提的是，这里我们仅仅是使用了随机读的数据举例，真正关注QoS的用户其实更关注混合读写的数据，其中的时延数据会与单纯的读、写有着数量级的差异。随着部署分布式存储的用户越来越多，对极端的时延情况愈发敏感，异常的时延会造成整个系统的IO抖动——因为副本之间的强一致性，如果某一个副本响应稍慢，会导致全部IO的时延增加甚至引起IO堆积。对于这样的用户，拿出P99.99、lat（max）这些数据远比平均时延的数据有参考价值。

测试数据文档再往后的数据，包括带宽、IOPS的极大、极小、平均值等，以及时延的统计分布，可以作为一些参考。譬如IOPS的极大值、极小值相差过大（与平均值的偏差超过10%），就说明这个测试没有进入稳态，数据不可信，需要重新进行预处理或安排更多的测试。时延的统计分布P99的情况类似，指定某个特定的时延，看看有多大比例的IO的时延会超限，譬如假定及格线是1毫秒，在上面的例子中，达到这个时延的IO占比低于万分之一。

测试数据处理

查看若干测试结果文件得到的信息是有限的，更多只是大概了解一下特定的数据，譬如前面选择的例子，其实只有最大读IOPS、带宽有参考价值，知道这款SSD的随机读IOPS接近百万级了，是一款主流性能的产品。而其他的数据则很难勾勒出这个SSD的特点，或者参考价值不大。要更全面的了解SSD的情况，需要进行一些数据的汇总和处理，进一步的，我们还要查阅日志文件，并使其变得更直观。

将数据集中起来，会让我们发现一些规律性或者趋势性的信息。继续以随机读测试的数据为例，我们将QD=1~512的IOPS、平均时延数据抄录到电子表格中：

此时我们立刻就获得了对SSD性能特点的直观认识：

1、队列深度为1时，IOPS很低。

2、当队列深度逐步倍增时，IOPS也同步倍增，这个趋势至少持续到队列深度32~64的阶段，然后增加幅度趋缓。

3、当队列深度达到256时，IOPS触顶。

4、队列深度32之前，时延相差不大；队列深度64及之后，时延急剧增加。

看到这组数据，我们对这款SSD在当前容量点适宜的工作强度就有了初步的感知了。

为了更为直观，我们还可以通过插入图表的方式让数据可视化。对于这种趋势性的变化，最适合的表现方式就是折线图。

在Excel或WPS中，框选前面录入的数据，顶部的菜单选“插入”，图标区域选择折线图。这里要强调一个小技巧：如果希望将队列深度的信息作为横坐标出现，建议将行首那格（之前的Job×Depth）删掉。折线图有多种类型，趋势性的信息通常用“带数据标记的折线图”比较合适。

由于两种参数的单位不同，比较省事的做法就是将IOPS和时延分别做成两个折线图。如下就是几秒钟内生成的图表，趋势可以说是非常的直观了。

如果Excel图表玩的比较顺手了，我们可以进一步添加图表标题、坐标轴说明等，甚至，我们还可以用“组合图”将几种不同性质数据整合在一个图表中，更为方便判读。例如下面这张图给人留下的印象就是：这款SSD处理随机读任务时，合理的负荷应该控制在队列深度128以内，吞吐量大概可以发挥出峰值的九成，时延也没有增加太多，更大的负荷建议增加SSD来解决比较划算。