自动分层存储（ATS）是去年被讨论最多的存储阵列话题之一。它指的是在不同磁盘类型和RAID级别之间迁移数据块的功能，这可满足性能和空间使用之间的适当平衡，并避免所谓的热点。

　　该领域的先驱者是Compellent（现已被戴尔收购）；它从2004年就开始提供这类功能，但现在所有分层领导厂商的产品都已具备了同样的功能。只是EMC、HDS、HP-3Par、IBM和NetApp为该功能赋予的名称不同，且都按照自己的方式来实现，因为他们各自的架构不同，而关于存储级别虚拟化层的理念也不同。因此，本文并不会直接告诉你哪一种ATS最好，而是全方位的考量用于评估不同ATS实现最重要的指标。

　　LUN或子LUN

　　早期的一些厂商曾尝试在I/O请求下降至一定阀值时，利用“半自动”功能将LUN从快速磁盘（FC）迁移至低成本高容量磁盘（SATA）。这种方式非常简单，但由于涉及大数据迁移和粒度不足的问题，实际情况下几乎无法使用：其中的风险便是下移一个LUN之后，还需要为一个新I/O峰值再迁移回来…想一想当你在注重IOPS的阵列中拥有一个TB级的LUN时，这将意味着什么！

　　而现在ATS的子LUN实现相比之前要先进一些：一个LUN被分成多个数据块，而每个数据块可以被放置到不同层级的磁盘中，有时甚至可由不同RAID级别来保护。

　　引擎和算法

　　每个厂商都依据时间/事件和/或访问频率，开发了自有的用于迁移层级间数据块的迁移引擎。每种实现方式都依赖于整体架构。但大体上可考虑以下两种方式：“阵列中的全部”或“阵列外的部分”。

　　当实现的方式为“阵列中全部”的时候，所有监控功能都是位于其控制器和软件内部，所有功能都独立于软件/操作系统。但是，当部分迁移进程是在阵列外部实现的时候（即O/S代理商监控IOPS或外部分析工具），数据迁移就会面临危险，因为该环境更加难以管理并由外部因素所决定。

　　粒度

　　粒度意味着效率，效率也意味着更加节省成本：你可以发现数据块的大小不尽相同，512KB至1GB不等（一些厂商已经打算将数据块减少至32KB）！因此，粒度由于以下原因变得非常重要：

　　你拥有更多的粒度，你就可以在后端移动更少的数据；

　　小数据块可以向较高或者较低存储层移动，以更好地分布数据分布和快速/粒度更高地进行调整；

　　而大数据块往往具有以下风险：

　　在迁移大量数据之前，算法需要在等待的，同时面临迁移数据为时已晚的风险！

　　如果你拥有少量的活动数据，比如一个大型LUN中几MB的数据，那么就可能有必须将GB级的数据移至更昂贵的上层存储的风险。