做了ride的硬盘能直接读取吗

做了ride的硬盘能直接读取吗,第1张

raid1是镜像,两块盘的互相对等,可以的。
常见做raid的硬盘接口有sata和sas,sata盘可以直接接到工作机挂从盘,只要盘是好的或故障不严重,可以直接访问数据。对于sas或scsi的盘麻烦点,需要一台带有该接口卡的工作机,把盘接上线缆,进系统后即可访问raid1成员盘。特别注意有些卡必须要初始化或给盘做配置才能访问,不要用这种卡,会导致数据丢失。最好是换另一品牌卡来恢复数据,比如原来raid1是lsi的卡做的,现在接到promise的卡上来读,可以避免盘上的raid配置信息起作用。

如果是指Xenserver:将移动硬盘插入到物理服务器上,在xencenter找到需要读取移动硬盘的虚拟机,选择存储选项卡,然后选择添加磁盘,在界面中选择刚才插入到物理服务器上的移动硬盘,此时访问虚拟机可以直接读取到。
如果是指Xendesktop/Xenapp:默认是可以直接读取到本地机器上的移动硬盘的,除非在DDC中下了禁止策略。

缓存 有关系 但是 不是说8M就是 每秒8M
缓存(Cache memory)是硬盘控制器上的一块内存芯片,具有极快的存取速度,它是硬盘内部存储和外界接口之间的缓冲器。由于硬盘的内部数据传输速度和外界介面传输速度不同,缓存在其中起到一个缓冲的作用。缓存的大小与速度是直接关系到硬盘的传输速度的重要因素,能够大幅度地提高硬盘整体性能。当硬盘存取零碎数据时需要不断地在硬盘与内存之间交换数据,如果有大缓存,则可以将那些零碎数据暂存在缓存中,减小外系统的负荷,也提高了数据的传输速度。
硬盘的缓存主要起三种作用:一是预读取。当硬盘受到CPU指令控制开始读取数据时,硬盘上的控制芯片会控制磁头把正在读取的簇的下一个或者几个簇中的数据读到缓存中(由于硬盘上数据存储时是比较连续的,所以读取命中率较高),当需要读取下一个或者几个簇中的数据的时候,硬盘则不需要再次读取数据,直接把缓存中的数据传输到内存中就可以了,由于缓存的速度远远高于磁头读写的速度,所以能够达到明显改善性能的目的;二是对写入动作进行缓存。当硬盘接到写入数据的指令之后,并不会马上将数据写入到盘片上,而是先暂时存储在缓存里,然后发送一个“数据已写入”的信号给系统,这时系统就会认为数据已经写入,并继续执行下面的工作,而硬盘则在空闲(不进行读取或写入的时候)时再将缓存中的数据写入到盘片上。虽然对于写入数据的性能有一定提升,但也不可避免地带来了安全隐患——如果数据还在缓存里的时候突然掉电,那么这些数据就会丢失。对于这个问题,硬盘厂商们自然也有解决办法:掉电时,磁头会借助惯性将缓存中的数据写入零磁道以外的暂存区域,等到下次启动时再将这些数据写入目的地;第三个作用就是临时存储最近访问过的数据。有时候,某些数据是会经常需要访问的,硬盘内部的缓存会将读取比较频繁的一些数据存储在缓存中,再次读取时就可以直接从缓存中直接传输。
缓存容量的大小不同品牌、不同型号的产品各不相同,早期的硬盘缓存基本都很小,只有几百KB,已无法满足用户的需求。2MB和8MB缓存是现今主流硬盘所采用,而在服务器或特殊应用领域中还有缓存容量更大的产品,甚至达到了16MB、64MB等。
大容量的缓存虽然可以在硬盘进行读写工作状态下,让更多的数据存储在缓存中,以提高硬盘的访问速度,但并不意味着缓存越大就越出众。缓存的应用存在一个算法的问题,即便缓存容量很大,而没有一个高效率的算法,那将导致应用中缓存数据的命中率偏低,无法有效发挥出大容量缓存的优势。算法是和缓存容量相辅相成,大容量的缓存需要更为有效率的算法,否则性能会大大折扣,从技术角度上说,高容量缓存的算法是直接影响到硬盘性能发挥的重要因素。更大容量缓存是未来硬盘发展的必然趋势。
retadidas - 二级 2007-3-7 02:02

cpu不可以直接存取硬盘上的数据,因为cpu直接访问的是内存,硬盘属于外部存储,数据必须先到内存才能被访问。

CPU对数据进行判断以及逻辑处理,本身不能存储数据,这时cpu从内存取数据进行逻辑计算,如果内存没有数据,才会从硬盘读数据到内存,再对数据进行处理就像人吃饭一样,cpu就是人,内存就是碗,硬盘就是饭锅。

关于cpu工作的一些方式。

当cpu进程等待,需要在内存中保持上下文,会造成内存开销的增加,内存不够用的时候会用到虚拟内存,导致虚拟内存的增加,这时磁盘IO开销就会增加,内存里数据不够用,才用磁盘中取数据(就是磁盘I/O)。当程序要读取的数据不在主存中时,会触发一个缺页异常,此时系统会向磁盘发出读盘信号,磁盘会找到数据的起始位置并向后连续读取一页或几页载入内存中,然后异常返回,程序继续运行。


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zz/13114098.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-05-30
下一篇 2023-05-30

发表评论

登录后才能评论

评论列表(0条)

保存