Durchsatzoptimierung mit AutoDAB

Zur Demonstration der Wirkungsweise von AutoDAB wurden zwei Messungen mit folgenden Zugriffsprofilen durchgeführt:

Messung 1:	8 Tasks, die jeweils auf eine Datei lesend zugreifen. 4 Tasks greifen mit einem sequentiellen Zugriffsmuster zu, 4 Tasks greifen mit einem zufälligen Zugriffsmuster („random“) zu. Es finden keine Schreib-I/Os statt.
Messung 2:	8 Tasks greifen mit einem zufälligen Zugriffsmuster („random“) mit einem Schreib-Anteil von 25 % zu.

Die Messungen wurden an einem S-Server durchgeführt. Die Dateien waren 500 MB groß und lagen auf zwei NK2-Volumes. Die I/O-Länge war 4 KB und die Laufzeit der Messungen betrug jeweils 5 Minuten. Die Messungen wurden jeweils ohne und mit einem AutoDAB-Cache durchgeführt. Der AutoDAB-Cache mit CACHING-MODE=*READ hatte die Cache-Größe von 2.000 MB im Hauptspeicher.

Die folgende Tabelle zeigt die Ergebnisse der Messungen:

Messung	Zugriffsart	IO/s ohne DAB-Cache	MB/s ohne DAB-Cache	IO/s mit DAB-Cache	MB/s mit DAB-Cache
1	sequentiell	32.809	128	58.106	226
1	random	32.935	128	78.832	307
2	random	31.018	121	79.746	311

Es zeigt sich eine deutliche Erhöhung des I/O-Durchsatzes mit AutoDAB. Auch der Gesamtdurchsatz wird deutlich erhöht.

Der Grund dafür sind folgende Gesichtspunkte:

• Je besser die Hitrate in einem DAB-Cache, umso mehr kann die vorhandene CPU-Leistung in IO-Durchsatz umgewandelt werden.

• In Messung 1 erzeugen die sequenziell bearbeiteten Dateien auf Grund eines sehr großen Prefetch, d.h. Datenbereiche werden im Voraus in den Cache eingelagert, eine sehr hohe Hitrate und werden dann auf Grund des geringen Datenvolumes praktisch resident im DAB-Cache gehalten.

• In Messung 1 steht durch den von DAB effektiv genutzten Cache-Speicher noch ein großer Anteil für das Caching der Dateien mit Random-Zugriffsmuster zur Verfügung, das nun ebenfalls zur Durchsatzsteigerung beiträgt.

• In Messung 2 werden die Random-Dateien auf Grund der intelligenten Algorithmen des AutoDAB ebenfalls mit sehr hohen Hitraten bedient.