S3 基准测试：NVMe 上的 MinIO

在本轮测试中，我们再次使用 wasabi-tech 的 S3-benchmark 进行测试。此工具从单个客户端到单个端点进行基准测试。在我们的评估中，这个简单的工具在多次运行中产生了稳定且可重复的结果。

选定的硬件包括裸机、存储优化的实例，带有本地 NVMe 驱动器和 100 GbE 网络。这是 AWS 内部 CPU/SSD 的顶级配置。

正如人们所料，快速硬件和快速软件的结合带来了一些令人印象深刻的结果。

MinIO 能够有效地饱和 100GBe 网络。为了了解网络利用率模式，我们每两秒测量每个节点上的带宽利用率。在所有 8 个节点上，写入阶段的平均网络带宽利用率为 77 Gbit/秒，读取阶段的平均网络带宽利用率为 84.6 Gbit/秒。这代表了客户端流量以及节点间流量。客户端可用的带宽部分在读取和写入时大约都为一半。如果为节点间流量提供专用网络，则可以预期更高的吞吐量。

请注意，写入基准测试比读取慢，因为基准测试工具没有考虑

写入放大（写入期间生成的奇偶校验数据产生的流量）。在这种情况下，100 Gbit

网络是瓶颈，因为 MinIO 在读取和写入方面都接近硬件性能。

虽然在 HDD 文章 中已经提到过，但加密点在这里需要重复说明。与加密相关的开销可以忽略不计，并且使企业能够实施最佳实践，而不会产生任何性能损失。这是 MinIO 高度优化的加密算法的功能，这些算法利用 SIMD（单指令多数据），在单元（数据向量）上提供数据级并行性。因此，单个指令会在多个数据点上并行执行，而不是执行多个指令。

这样的性能数据极大地扩展了用例组合，涵盖从流分析到 Spark、Presto、Tensorflow 等所有内容，使对象层成为企业分析数据栈中的一等公民。

此类性能的影响因行业和工作负载而异。例如，金融服务行业正在迅速将 NVMe 标准化。性能对他们至关重要，与 HDD 相比，NVMe 的增量成本很容易证明是合理的。

自动驾驶汽车领域和航空航天行业也做出了类似的决策。在各行各业，工作负载类型也很重要，业务关键型分析工作负载会为 Spark、Presto、Flink 和 Tensorflow 使用 NVMe。正如我们在 HDD 文章中所示，您仍然可以使用 HDD 生成令人印象深刻的数字，但如果您需要立即获得答案……NVMe 是最佳选择。

所有 基准测试的详细信息都发布在此处，我们鼓励您自行复制结果。
如果您想更深入地了解结果，请发送邮件至 hello@min.io 或点击页面底部的表单。