NetApp性能调优：如何不加磁盘提高性能

核心提示： 此模式最适用于工作集大小不超过 PAM 缓存大小的情况，而且，NetApp性能调优：如何不加磁盘提高性能(4)，在有频繁访问的数据热点时也十分有用，可确保这些数据驻留在缓存中，PCS：确定 PAM 能否提高性能为助您确定存储系统能否受益于新增的缓存，NetApp 开发了一款目前在 Data

此模式最适用于工作集大小不超过 PAM 缓存大小的情况。而且，在有频繁访问的数据热点时也十分有用，可确保这些数据驻留在缓存中。

元数据模式

在此模式下，只有存储系统元数据才会进行缓存。对于很多随机工作而言，在缓存操作有效的一段时间内很少会重复使用应用程序数据。而元数据则不同，这些工作通常都需要重复使用它们，因此，缓存元数据将有助提高性能。另外，对于无法有效缓存的较大数据集（即活动数据集超出缓存的大小），仅缓存元数据也是一种可行的方法。

低优先级模式

在低优先级模式下，缓存对象不只是普通的数据和元数据，平时排除在外的低优先级数据也会包含在内。低优先级数据包括大型连续读取数据和最近写入的新增数据。写入数据一般都不会进行缓存，因为总写入工作很可能体积庞大，以致将缓存溢出并导致有用数据流失。此外，由于写入数据通常都不会再次读取（它们一般在执行写入时已经缓存到本地系统上），因此并不适合缓存。

在一些应用程序中，数据可能需要在写入后的某个滞后时间再次读取以便上游缓存可清除数据，低优先级模式在此时将十分有用。例如，基于 Web 的应用程序会创建新数据并分发 Web 用户可在日后访问的链接，对于此类应用程序，此模式可避免磁盘读取。在某些 Web 应用程序中，我们发现首次读取的滞后时间很长，以致只能从磁盘中获得数据（即使后续数据调用足够频繁，可以使上游缓存处理）。通过将此类磁盘读取变为缓存命中，低优先级模式下的 PAM 会使此类应用程序提速。

此时，您自然想弄明白 PAM 是否有助于缓解工作量以及应采用哪种模式。

PCS：确定 PAM 能否提高性能

为助您确定存储系统能否受益于新增的缓存，NetApp 开发了一款目前在 Data ONTAP 7.3 及后续版本中提供的 Predictive Cache Statistics（预测缓存统计）软件。PCS 可让您预测在系统缓存增加到两倍、四倍及八倍时所能得到的效果。