介绍
尽管将来大多数数据库服务器（尤其是处理类似 OLTP 工作负载的数据库服务器），将会采用基于闪存的存储，但我们还没有做到这一点 - 闪存存储仍然比传统硬盘驱动器贵得多，因此许多系统混合使用 SSD 和 HDD 驱动器。然而，这意味着我们需要决定如何拆分数据库 – 什么数据应该放到旋转的机械盘（HDD），什么更适合使用更昂贵但在处理随机 I/O 方面更好的闪存存储。
有一些解决方案尝试通过自动使用 SSD 作为缓存，自动将活跃部分的数据保留在 SSD 上，从而在存储级别自动处理此问题。存储设备/SAN 通常在内部执行此操作，在单套硬件设备中带有大型 HDD 和小型 SSD 的混合 SATA/SAS 驱动器，当然还有直接在主机上执行此操作的解决方案，例如，Linux 中有 dm-cache，LVM 在 2014 年也获得了这样的功能（建立在 dm-cache 之上），当然 ZFS 也有 L2ARC。
但是，让我们忽略所有这些自动设置方案，假设我们有两台设备直接连接到系统：一台基于 HDD，另一台基于闪存。您应该如何拆分数据库以充分利用昂贵的闪存？一种常用的模式是按对象类型执行此操作，特别是表与索引。这通常是有道理的，但我们经常看到人们将索引放在 SSD 存储上，因为索引与随机 I/O 相关联。虽然这看起来很合理，但事实证明这与您应该做的事情恰恰相反。
进行一个基准测试
让我在同时具有 HDD 存储（由 4 个 10k SAS 驱动器构建的 RAID10）和单个 SSD 设备（Intel S3700）的系统上演示这一点。该系统有 16GB 的内存，所以让我们使用比例为 300（=4.5GB）和 3000（=45GB）的 pgbench，即一个可以轻松放入内存和多倍内存容量的 pgbench。然后，让我们将表和索引放在不同的存储系统上（通过使用表空间），并测量性能。数据库集群在硬件资源方面进行了合理配置（共享缓冲区、WAL 限制等）。WAL 放置在单独的 SSD 设备上，连接到与 SAS 驱动器共享的 RAID 控制器。
在小型（4.5GB）数据集上，结果如下所示（请注意，y 轴从 3000 tps 开始）：
图片
显然，与将 SSD 用于表相比，将索引放在 SSD 上的好处较低。虽然数据集很容易放入内存，但更改最终需要写入磁盘，虽然 RAID 控制器具有写入缓存，但它无法真正与闪存竞争。新的 RAID 控制器可能会性能更好一些，但新的 SSD 驱动器也会更好。
在大型数据集上，差异要显著得多（这次 y 轴从 0 开始）：
图片
将索引放在 SSD 上可以显著提高性能（以 HDD 存储为基准，将近 50%），但将表移动到 SSD 上可以轻松获得 200% 以上的性能提升。当然，如果您将表和索引都放在 SSD 上，您将进一步提高性能，但如果您能够做到这一点，则无需担心其他情况。
为什么会出现上面的结果？
通过在 SSD 上放置表来获得更好的性能，似乎有点违反直觉，那么为什么它会像这样呢？嗯，这可能是几个因素的组合：
• 索引通常比表小得多，因此更容易放入内存
• 索引级别中的页面（在树中）通常非常热，因此保留在内存中
• 在扫描索引时，许多实际的 I/O 本质上是顺序化的（特别是对于叶子页）
这样做的结果是，针对索引的大量 I/O 要么根本没有发生（由于缓存），要么是 I/O 顺序化了。另一方面，索引是针对表的随机 I/O 的重要来源。
不过，实际情况要复杂得多…
当然，这只是一个简单的示例，例如，对于截然不同的业务负载，结论可能会有所不同。同样，由于 SSD 更昂贵，因此系统在 HDD 驱动器上的磁盘空间往往比在 SSD 驱动器上多，因此表可能无法放在 SSD 上，而索引则适合。在这些情况下，需要更复杂的安排 – 例如，不仅要考虑对象的类型，还要考虑它的使用频率（并且只将大量使用的表移动到 SSD），甚至是表的子集（例如，通过逐渐将旧数据从 SSD 移动到 HDD）。
