Thin Provision的示例分析
“Thin Provision”, also known as “over-allocating”, is an important emerging storage technology that automatically optimizes configuration.。本文探讨了自动化简化配置，阐述了其工作原理、使用限制以及有关使用建议。
如果应用程序所使用的存储空间已满，就会崩溃。为了避免潜在的应用程序故障，存储管理员通常给应用程序分配比实际需要更大的存储容量。这种方法为未来的增长留出了空间并降低了应用程序发生故障的风险。但却需要比实际更多的物理磁盘容量，造成浪费。
这款自动化简配软件无需事先分配未被使用的磁盘空间，从而提高存储利用率。图1显示了传统情况下，存储管理员如何分配比应用需要的存储空间更多的存储空间 - 提前规划未来的增长，确保应用程序不会因为磁盘空间已满而崩溃。图1中卷A仅有100G物理数据，但基于增长预测可能被分配多得多的存储空间（ 500GB ，在本例中） ，分配给该卷的未使用存储不能由其他应用程序使用。在许多情况下，这500 GB从不使用且基本上被白白浪费了。这种情况被称为“搁浅的存储”。
通俗来说，自动精简配置就相当于在同一个房间里吹气球，只要房间里还有空隙，你就可以把气球吹大，是一种按需分配的。
在大多数情况下，实现自动化的存储池配置都会遵循“根据应用程序的需求从一个普通的存储池中提供存储”的基本原则。为有效利用自动精简配置技术，可以将其与存储虚拟化技术组合使用。有了自动精简配置，存储管理员就可以像往常一样分配逻辑存储（例如500G）给应用程序，但仅在需要时才真正占用物理容量。当该存储的利用率接近预定阈值时（例如90％,450G） ，该阵列会自动从虚拟存储池中分配空间来扩展该卷，而不需要存储管理员的人工干预。卷可以往常一样超额分配（over allocated ），因此应用程序认为它有充足的存储空间，但实际上并没有浪费存储空间。基本上，自动精简配置技术能够消除已经分配但未被使用的空间浪费。
自动精简配置技术也存在一些局限性，目前不推荐在以下情况下使用：
从卷中删除的数据需要被回收，会造成存储控制器的开销和成本增加。
使用未使用的块而不是重复使用释放的块的文件系统（例如NTFS微软文件）会导致卷在重复使用存储之前扩大其最大分配的大小，这种文件系统会降低自动精简配置带来的益处。
元数据横跨整个卷的应用程序将削减自动精简配置的优势。
如果应用程序希望数据是连续的，和/或围绕该假设优化I / O性能，使用精简配置不是好的选择。
如果阵列无法提供足够快的速度来提供新的实时存储，应用程序将无法运行成功。尽量使用高性能的存储控制器和和良好的监控存储over-provisioning的minotor以避免降低可用性。
未来随着自动化优化配置技术的发展，应用程序和文件系统可能会被重新设计和修改，以避免这些问题。自动精简配置的经济实用的理由很简单：它使存储分配自动化，从而显著降低了存储管理员的工作，它可以减少了服务应用程序所需的存储数量。它也会降低所需的磁盘数，从而导致能量消耗的大幅度减少。
在建立虚拟化数据中心时，应认真考虑自动化缩减配置的主要优势，即提高存储空间的整体利用率。然而，用户需要了解相关注意事项，还要仔细核对应用程序的存储和管理要求，以免做出错误的选择。
什么是Thin Provision？
Thin Provision是一项存储管理技术，它能够在物理存储池中为应用程序提供逻辑存储空间，并根据实际使用情况动态分配物理存储空间。这使得管理员可以在过度购买存储设备的同时，实现高效利用存储资源。
减少存储成本的捷径
假设有一家公司需要存储3TB数据，但是不应过度购买存储设备。在实现Thin Provision模式之前，该公司需要购买3TB存储设备来存储数据，但是由于实际使用情况需要存储不到3TB的数据，因此将会浪费存储设备，进而增加额外的存储成本。利用Thin Provision技术，管理员可以为该公司提供超过3TB的存储空间，但毫不费力地存储实际使用的数据，从而减少存储成本。
降低存储设备的使用率
Thin Provision技术不仅能够降低用于存储数据的存储设备量，还能进一步减少存储设备使用率。举个例子，在虚拟化环境下，管理员为虚拟机创建逻辑存储空间，这将导致虚拟机真正使用的存储容量大大减少。而这些未使用的存储空间可以立即释放，以供其他虚拟机使用，从而降低存储设备的使用率。
Thin Provision技术的注意事项
当使用Thin Provision技术时，管理员应该特别关注存储池的大小和物理存储空间的预配程度。如果一个存储池的大小不足以存储正在使用的逻辑存储空间，将可能影响应用程序的正常运行。此外，预分配的物理存储空间也必须具有足够的容量来存储逻辑存储空间，否则也会导致性能下降和应用程序的异常。因此，对于大型数据集存储和其他Storage as a Service（StaaS）场景，自动化工具的使用就显得至关重要。
