2010年，上海张江，传奇广场。
这里汇集了各路公交车，是张江男女必争之地。打工人最怕的是什么，不是996，不是007，最怕挤公交。
背着5斤重的Dell, 顶着烈日，狂风，暴雨，满怀希望冲向车站，换来的却是，屡次被无情抛弃，这种感觉，谁经历，谁泪目。
BMW, Bus Metro Walk 这种通勤方式，贯穿着张江男女的 30岁！
“让一让，排好队！” 车站调度员每次总要对落下的我们补上一句。语气略有生硬，但嗓门绝对让每个幻想插队的人，都听得到！
这个车站不大，总共有 4 个车道，停歇了 7-8路车。618，636，张江1路，张南专线，张江环路，孙桥1路，等等
调度员拿着硬板本，按时走过 4个车道，招呼该发车的司机出发，并叮嘱下一班次车准备。每次看到有调度员过来，一些略显颓废的男女，立刻就来了精神。因为占座，在这里也是门学问。
有时，该发车的车道上，没有找到司机，调度员还会大骂一声，气哄哄跑去下一车道招呼其他司机。
现今，基本上已经看不到调度员的身影了，即使看到，也是他偶尔出来抽根烟。随手还带着对讲机。
没错，现在的调度口令，不需要口口相传，对讲机一开，司机就跳上车了。调度员手里的硬板本，也换成了电子公告牌，就像华泰证券交易所的红绿看板一样，哪个车道，下一班发什么车，走马灯似的亮着。
扯远了，拉回来，你们没有走错片场，我不是在写小说！
上面这个转变，看似是电子信息化转型，实际上也胜似机械硬盘过度到SSD（固态硬盘）。
（摘自网络）
这是机械硬盘的构造图。
磁盘从里到外，分出很多磁道。磁道上挨个排满了扇区，每个扇区的存储空间固定。
磁头围绕着磁道转一圈，该磁道上所有的扇区数据就会被读到内存里。这样的读叫做顺序读（顺序IO）
如果一个磁道把同一张表的数据都存储起来，这样的顺序读，效率是最高的，只需一圈，读到所有的数据。
但事情并不那么简单。首先，数据的写入，是无序的。比如一张表有100万条数据，这100万条数据，并不是连续地写入，而是每天写一点或者每过一段时间写一点。写入的同时，还会有表B，表C的数据，挨着表A的某些数据，一起写入到相邻的扇区中
那么，同一个磁道上，就会出现既有表A的数据，还有表B，表C的数据。这样磁道上的数据，就会有了断层。表A的数据自然也就不会连续存在一个磁道上
有可能磁道1存上那么2万条，磁道2存上那么10万条，磁道3存上那么5万条，零零散散分布在几十条不同的磁道上
所以，与理论上完美的顺序读，不一样的是，实际中，大部分表的数据是随机读（随机IO）
完全读取表A 100万的数据，可能需要在几十条不同磁道间来回切换。而读取时，把其他表数据读取出来，貌似做的都是无用功。
因此，传统的优化，有一个方法就是磁盘碎片整理，目的就是提高顺序读的机会。当然，建立索引也是提高顺序读的好方法。但OLTP系统中，充满了随机写，索引也必须进行碎片整理。
以上是传统磁盘的工作方式，也列举了对数据库操作的影响。那么SSD的出现，又对数据库的优化产生了哪些影响呢？
同样，先要讲下 SSD 的结构，正是由于这个结构才对数据库产生了深远的影响，而且这个影响不仅仅有正面的，还有负面的。
SSD不再是简单的一个存储介质，而是一整套微小的系统。包含了内置的芯片，缓存还有存储介质。
（摘自网络）
当操作系统发送读写命令时，SSD就像是另外一台计算机，判断内存是否有缓存，根据FTL提供的映射表，从介质上读取/写入数据。
这些组件里最有意思的是 FTL(Flash Translation Layer), 即闪存译层。它的主要功能是提供一份映射表，从闪存(Flash Memory)的物理地址映射到逻辑地址（Logical Block Address）
那么为什么SSD的FTL这个组件能力那么强，它对比传统的磁盘到底快在哪里？
再来回忆下，传统的磁盘，一次随机读，耗时较长的两个步骤，一是寻道；二是等待
寻道，即寻找到特定数据的磁道；
等待，在磁头定位到磁道后，等待磁盘将扇区旋转移动到磁头下，这个延迟时间称之为等待时间。
正是由于这两个限定因素，导致机械磁盘的效率，顶配了也就那么高了。
那么SSD的电气化闪存，为什么就会比机械磁盘高那么多呢？
这个原理，开头的小故事，已经说得很明白了。
调度员一个个车道走过来，这是寻道，万一哪个道，到点了，但还没有车辆就绪，就得跨道，找下一个可以发车的道；走到当时可以发车的车道，呼叫可以发车的司机，叮嘱司机可以发车了，这是旋转磁盘时的必要等待。
这一来一回，中间出点叉子，都会无数的等待时间。所以经常晚点，当时那叫一个痛苦。
感谢电子化时代的到来。现在的发车远比那时简单高效。
每个司机都配备对讲机，时间一到，调度根据排班（FTL）呼叫司机发车，省掉了寻道和等待时间（都靠人工）。调度员借用电子信息手段，瞬间就能传达发车指令。
但是，SSD就全是优点吗，绝对不是。它有个巨大的缺陷，就是写入放大。
这个缺陷和数据库的预读能力，其实有些类似。数据库的读取，一次读取并不是一条一条的读数据，而是一页乃至一个数据区的读。明明只要一条数据，对不起，存储引擎会读取上百条数据给你
所以有时看到数据库内存使用量极大，总想着给它加点内存，其实完全没必要。它就是一贪嘴的小鬼，给多少就吃多少，不会嫌多。
SSD 也有类似的机理，不过不是在读取上，而是在写入中。读取可以完全做到一个页一个页的读，但写入就有分歧了。
当一块新的SSD硬盘拿过来，开始写入数据时，很快。见缝插针，哪儿凉快就哪儿呆着。不用思考。但是一旦SSD写完了，需要改写数据时，麻烦就来了。
它的改写原理是读取一个数据块的数据，而不是一页数据。这一个块上的数据，可能包含了几十页的数据，而且这些数据都不需要修改。等到这些数据读到内存后，就选择需要修改的数据，逐条修改，然后写回闪存。
写回闪存时，最大的延迟在于，需要把原先的那些读取的数据页都擦除，然后再写入。
这种情况，称之为“写入放大”
所以你家的SSD是不是等过了一段时间，发现明显的速度慢了？就是这个理，在等待垃圾块（脏块）的回收。
像这种情况，存在于早期的SSD中，那时，SSD确实不适合用来做日志盘，只能用来做无伤大雅的快盘。后来优化了FTL算法，比如进行了碎片整理，垃圾回收，并且容量也日渐扩大，慢慢SSD的应用场景也就多起来了
在OLAP领域，也就是数据分析，数据仓库和报表系统中，SSD的应用相当广泛。这类应用写入次数较少，但是读取的吞吐量极大。
有人说，SSD 的写入放大缺陷，不适合用来存储 redo log，其实也不是那么全面。有些 redo log不大，而 SSD 现在的容量极大，一次性写完 SSD 而引起性能抖动的概率并不大。而且有了FTL的优化，SSD完全有能力在日志写满前，就开始做垃圾回收和碎片整理。
日志文件的访问（主要是写入），通常可以看做是在环形跑道上跑马拉松。一圈跑下来，运动员丢弃的水瓶，补给堆满了跑道。为了可以让运动员顺利跑第二圈，第三圈，必须把这些水瓶等杂物清理干净，越早处理，对运动员就越有利，无感知最好
SSD也一样，在装有 redo log 的SSD写满之前，就对SSD做闪存块的整理，把空间都让出来，才能让数据写入更快
那么 SSD 是不是就一定比传统的存储系统优越呢，其实也不一定。
比如组RAID 磁盘阵列，拥有的读写能力就不比 SSD 差。
通过表分区，将数据打散，放在不同的硬盘上，这样读取数据，就能有效利用并行。
拿 SQL Server 来举例：
- c 盘：操作系统
- D 盘：SQL Server 数据文件
- E 盘：日志文件
- F 盘：SQL Server 数据文件
- G 盘：tempdb 文件
其中，D和F盘做了 RAID 10, 当100G的数据表做了分区，将其中的时间戳，按照奇偶年，分别存储在 D/F盘的数据文件中。
这样，当需要查询连续两年的数据，就可以充分发挥D/F盘并行查询的效率
只要成本可控，随着数据盘的增多，分区可以打得更散，并行的速度就越快。这对于 SSD 来说，成本上是不过关的
用SSD替换机械硬盘，现阶段有好处，但瓶颈也不少。更多应用，还是要在实际中做出一种平衡。
--完--
