VPS میں NVMe یا SSD: کیا واقعی فرق پڑتا ہے؟
NVMe کم latency اور زیادہ IOPS دے سکتا ہے، مگر VPS میں hypervisor اور ہمسایہ صارفین اصل رفتار طے کرتے ہیں۔ اپنے سرور پر fio سے پیمائش کریں۔
کیا VPS پر NVMe اہم ہے؟
VPS پر NVMe اس وقت اہم ہوتا ہے جب آپ کا سافٹ ویئر بہت سی چھوٹی read اور write کارروائیاں بھیجے اور ہر کارروائی کے مکمل ہونے کا انتظار کرے۔ ایسی site کے لیے اس کا اثر بہت کم ہوتا ہے جو cached صفحات فراہم کرتی ہو، یا ایسے program کے لیے جو اپنا وقت network پر انتظار کرتے ہوئے گزارتا ہو۔ storage medium صرف ایک عامل ہے۔ disk کے سامنے موجود hypervisor اور اسی host کا اشتراک کرنے والے دیگر guests آپ کو حاصل ہونے والی حقیقی حد مقرر کرتے ہیں۔
NVMe میں کیا تبدیلی آتی ہے، اور کیا تبدیل نہیں ہوتا
NVMe (non-volatile memory express) فلیش میموری کی کوئی قسم نہیں ہے۔ یہ فلیش تک رسائی کے لیے استعمال ہونے والا protocol اور connection ہے۔ NVMe device، PCIe (peripheral component interconnect express) lanes پر چلتی ہے اور NVMe protocol استعمال کرتی ہے۔ SATA (serial ATA) SSD، SATA link پر چلتی ہے اور AHCI (advanced host controller interface) استعمال کرتی ہے۔ دونوں میں آپ کے bytes محفوظ کرنے والی memory chips ایک جیسی ہو سکتی ہیں۔
دو چیزیں مختلف ہوتی ہیں، اور دونوں کا تعلق storage کے بجائے command path سے ہے۔
Queues۔ AHCI ہر SATA port کو ایک command list دیتا ہے جس میں زیادہ سے زیادہ 32 command slots ہوتے ہیں۔ اس لیے SATA drive ایک وقت میں 32 سے زیادہ commands نہیں رکھ سکتی۔ NVMe ہزاروں queues کی اجازت دیتا ہے۔ عملی طور پر ہر CPU core کے لیے ایک queue ہو سکتی ہے، اور ہر queue کی گہرائی 32 سے کہیں زیادہ ہوتی ہے۔ ایک وقت میں ایک block پڑھنے والا process یہ فرق محسوس نہیں کر سکتا۔ 64 زیرِ التوا reads والی database اسے محسوس کر سکتی ہے: SATA پر 33rd request کو free slot کے لیے انتظار کرنا پڑتا ہے، اس سے پہلے کہ device اسے دیکھ بھی سکے؛ جبکہ NVMe device تمام requests قبول کر کے ان پر بیک وقت کام کرتی ہے۔
Link width۔ SATA III link، 6 Gbit/s کی رفتار سے چلتی ہے۔ Protocol overhead نکالنے کے بعد حقیقی data کی رفتار تقریباً 550 MB/s رہ جاتی ہے۔ یہ ایک مقررہ حد ہے، چاہے اس کے پیچھے کوئی بھی flash موجود ہو۔ چار PCIe lanes کئی gigabytes فی second منتقل کرتی ہیں، اس لیے SATA کے مقابلے میں بہت زیادہ گنجائش ملتی ہے۔ تاہم link پھر بھی حد بن سکتی ہے: Micron کے مطابق PCIe Gen5 SSDs random workloads میں PCIe Gen5 link کو saturate کرنے کی صلاحیت رکھتی ہیں۔
Latency کے بارے میں توقعات عموماً درست نہیں ہوتیں۔ Queue depth 1 میں، یعنی جب ایک وقت میں صرف ایک request زیرِ عمل ہو، SATA SSD، 4k read کا جواب تقریباً 100 سے 150 microseconds میں دیتی ہے۔ NVMe تقریباً 80 سے 100 microseconds میں جواب دیتی ہے۔ دونوں تیز ہیں، اور ایک request پر چلنے والا کوئی بھی کام یہ فرق محسوس نہیں کرے گا۔ Concurrency بڑھنے پر فرق نمایاں ہوتا ہے۔ Queue depth، یعنی ایک وقت میں زیرِ عمل requests کی تعداد، یہ طے کرتی ہے کہ دونوں media ایک جیسے نظر آئیں گے یا بہت مختلف۔
Network block storage تیسری قسم ہے اور اس کی physics مختلف ہوتی ہے۔ Write، network کے ذریعے storage cluster تک پہنچتی ہے اور cluster میں محفوظ ہونے کے بعد ہی اس کی acknowledgment ملتی ہے۔ اس لیے اس کی latency microseconds کے بجائے milliseconds میں ناپی جاتی ہے۔ اس latency کے بدلے آپ کو durability ملتی ہے: volume اس host کے بعد بھی برقرار رہتی ہے جس سے وہ attached ہے، اور اس کا snapshot لیا اور اسے resize کیا جا سکتا ہے۔
عام شائع طور پر شائع کیے جانے والے اعداد: NVMe، SATA SSD اور network storage
اس چارٹ کے پیچھے کا ڈیٹا
[
{
"disk": "Local NVMe SSD",
"iops_4k_read": "184,000",
"p99_latency_ms": 0.4,
"seq_read_mbps": "3,400"
},
{
"disk": "Local SATA SSD",
"iops_4k_read": "90,000",
"p99_latency_ms": 1.2,
"seq_read_mbps": "550"
},
{
"disk": "Network block storage",
"iops_4k_read": "12,500",
"p99_latency_ms": 6.5,
"seq_read_mbps": "250"
}
]مقامی NVMe device کے لیے عموماً queue depth 32 پر 184,000 random 4k read IOPS (input/output operations per second) درج کیے جاتے ہیں۔ SATA SSD پر یہی test تقریباً 90,000 درج ہوتا ہے، کیونکہ ہر port پر AHCI کے 32 command slots اور 6 Gbit/s link اس کی رفتار محدود کرتے ہیں۔ Network block storage عموماً hardware کے بجائے provider کی مقررہ حد سے محدود ہوتی ہے، اور 12,500 ایک عام documented ceiling ہے۔
Latency اسی بات کو اس unit میں بیان کرتی ہے جسے صارفین محسوس کرتے ہیں۔ p99 read latency سے مراد وہ وقت ہے جس کے اندر 99 فیصد requests مکمل ہو جاتی ہیں، جبکہ صرف سب سے سست 1 فیصد requests کو زیادہ وقت لگتا ہے۔ مقامی NVMe پر یہ تقریباً 0.4 ms اور SATA پر 1.2 ms ہے۔ اگر path میں network شامل ہو تو یہ 6.5 ms ہو جاتی ہے، جو NVMe کے اعداد سے دس گنا سے بھی زیادہ ہے۔
Sequential reads میں فرق سب سے زیادہ، لیکن عملی طور پر سب سے کم مفید ہے: 3,400 MB/s کے مقابلے میں 550 MB/s۔ Server پر تقریباً کوئی بھی عمل ایک بڑی file کو شروع سے آخر تک پوری رفتار سے نہیں پڑھتا۔ Random column اور latency column اس workload کو بیان کرتے ہیں جو database، mail queue یا package manager حقیقت میں انجام دیتا ہے۔
یہ اعداد کہاں سے آتے ہیں، اور آپ کے اعداد مختلف کیوں ہوں گے
یہ 3 rows مقامی devices کے vendor datasheet figures اور network storage کے documented per-volume limits پر مبنی ہیں۔ یہ اعداد July 2026 تک تازہ اور rounded ہیں۔ ان میں 4k block size، random reads اور queue depth 32 فرض کیے گئے ہیں۔ تمام vendors اس کے علاوہ workers کی ایک جیسی تعداد استعمال نہیں کرتے۔ مثال کے طور پر Samsung کی 990 PRO datasheet اپنے headline random figures کے لیے "QD 32 Thread 16" درج کرتی ہے، اس لیے queue depth 32 پر ایک single fio job، datasheet کے figure کے پیچھے موجود test سے کم load والا test ہے۔ آپ کا VPS ایک shared host پر guest ہے، اس لیے آپ کی machine پر یہی test عموماً کم result دیتا ہے، اور results مختلف runs میں بھی بدلتے ہیں۔ ان rows کو تینوں classes کے درمیان فرق کی عمومی شکل سمجھیں، ایسا target نہیں جسے لازماً حاصل کرنا ہو۔
ڈسک کو محسوس کرنے والے ورک لوڈز
ایک اصول ان سب کی وضاحت کرتا ہے: ورک لوڈ ڈسک کو صرف اس وقت محسوس کرتا ہے جب وہ ڈسک کا انتظار کرتا ہے۔ Linux حال ہی میں استعمال ہونے والے فائل ڈیٹا کو RAM میں page cache کے اندر رکھتا ہے، اس لیے فائل کی دوسری read کبھی storage تک نہیں پہنچتی۔ اگر working set، یعنی زیرِ استعمال اصل ڈیٹا، RAM میں سما جائے تو پہلی بار کے بعد reads، memory reads بن جاتی ہیں۔ writes مختلف ہوتی ہیں۔ application جس بھی write کو fsync() کے ذریعے flush کرتی ہے، application کے آگے بڑھنے سے پہلے وہ stable storage پر موجود ہونی چاہیے۔
وہ کام جن میں commit ہوتا ہے۔ PostgreSQL، MySQL اور SQLite، commit کے وقت fsync() یا fdatasync() کو call کرتے ہیں، اور ہر commit device کے جواب کا انتظار کرتا ہے۔ اس لیے ایک connection کی commit rate bandwidth کے بجائے write latency سے متعین ہوتی ہے۔ جو device 0.2 ms میں flush مکمل کرتا ہے، وہ اس device کے مقابلے میں فی سیکنڈ کہیں زیادہ commits کی اجازت دیتا ہے جو 5 ms لیتا ہے، اور throughput کی کوئی مقدار اس فرق کو تبدیل نہیں کر سکتی۔ جب flush برقرار نہیں رہ پاتا تو MySQL error log میں یہ بات درج کرتا ہے:
[Note] InnoDB: page_cleaner: 1000ms intended loop took 4589ms. The settings might not be optimal.PostgreSQL اسے اپنی checkpoint lines میں رپورٹ کرتا ہے۔ یہاں بڑی sync= value کا مطلب ہے کہ خود flush سست تھا:
LOG: checkpoint complete: wrote 8192 buffers (25.0%); write=27.694 s, sync=11.207 s, total=39.001 sوہ کام جن میں بہت سی چھوٹی files استعمال ہوتی ہیں۔ ہر file میں metadata operations شامل ہوتے ہیں، جو ایک بڑی sequential read میں نہیں ہوتے۔ npm install، git clone کسی بڑے repository کے، container images کو unpack کرنا، Maildir mail store، اور بڑے tree پر چلنے والا backup، سب اپنا وقت چھوٹی random access پر صرف کرتے ہیں۔ ایک VPS پر restic backup job ہر اس file کو read اور hash کرتا ہے جسے اس نے پہلے نہیں دیکھا، اس لیے دس لاکھ files کے backup کا wall-clock time random read latency کے ساتھ قریب سے وابستہ ہوتا ہے۔ یہی بات du -sh پر بھی لاگو ہوتی ہے، جو صرف metadata read کرتا ہے۔
وہ databases بھی اسی زمرے میں آتے ہیں جو RAM سے بڑے ہو جائیں۔ جب index page cache میں نہیں سما پاتا تو ہر lookup ایک random read بن جاتا ہے، اور ڈسک دوبارہ critical path میں آ جاتی ہے۔
کون سے ورک لوڈز ڈسک کی کارکردگی سے متاثر نہیں ہوتے
بلاگ یا چھوٹی کمپنی کی ویب سائٹ۔ صفحات چھوٹے ہوتے ہیں، اور پہلی درخواست کے بعد page cache ان سب کو محفوظ کر لیتا ہے۔ اس کے بعد حد rendering کے لیے CPU یا assets کے لیے bandwidth ہوتی ہے۔ کم ٹریفک والی سائٹ پیش کرنے والا Ubuntu 24.04 پر LAMP stack گرم ہونے کے بعد تقریباً کوئی disk IO نہیں کرتا۔
Media streaming۔ ایک 4K stream 40 Mbit/s کی رفتار سے 5 MB/s پڑھتی ہے۔ ایسی دس streams 50 MB/s پڑھتی ہیں، جسے network block storage بھی آسانی سے فراہم کر دیتا ہے۔ VPS پر Jellyfin media server آپ کی network egress allowance سے محدود ہوتا ہے، اور transcoding کے وقت CPU سے؛ storage medium سے نہیں۔
Local model inference۔ LLM کو خود ہوسٹ کرنے کے لیے VPS پر Ollama چلانا model file کو ایک بار پڑھتا ہے، پھر RAM میں کام کرتا ہے۔ NVMe، 20 GB model کے load time کو منٹوں سے سیکنڈز تک کم کر دیتا ہے۔ اس سے tokens per second تبدیل نہیں ہوتے، کیونکہ ان کی حد memory bandwidth اور CPU مقرر کرتے ہیں۔
ہر وہ کام جو کسی بیرونی سروس کا منتظر ہو۔ جو worker ہر job پر HTTP request کے لیے 800 ms صرف کرتا ہے، وہ بہتر disk کے ساتھ زیادہ تیزی سے کام نہیں کرے گا۔
ہائپر وائزر کی اہمیت میڈیا جتنی ہی کیوں ہے
آپ براہِ راست device سے رابطہ نہیں کرتے۔ آپ اس virtual disk سے رابطہ کرتے ہیں جسے hypervisor پیش کرتا ہے، عموماً virtio کے ذریعے، اور اس layer کے کئی فیصلے NVMe اور SATA کے فرق سے زیادہ اہم ہوتے ہیں۔
آپ guest کے اندر سے medium نہیں دیکھ سکتے۔ lsblk -d -o NAME,ROTA,SIZE,MODEL، vda کو خالی model کے ساتھ دکھاتا ہے، کیونکہ virtio drive کی شناخت آگے منتقل نہیں کرتا۔ cat /sys/block/vda/queue/rotational وہ معلومات دکھاتا ہے جو hypervisor ظاہر کرتا ہے، اس لیے وہاں 0 ہونا flash کا ثبوت نہیں ہے۔ nvme list، جو nvme-cli package کا حصہ ہے، زیادہ تر VPS پر کچھ بھی درج نہیں کرتا، حتیٰ کہ host میں بہت سی NVMe drives موجود ہوں، کیونکہ آپ کی disk virtio device ہے، NVMe device نہیں۔ جس plan میں NVMe لکھا ہو، وہ عموماً host میں موجود hardware کی وضاحت کرتا ہے۔ آپ کا volume پھر بھی network-attached ہو سکتا ہے۔
Host cache mode، medium سے زیادہ numbers تبدیل کرتا ہے۔ Host پر writeback caching فعال ہو تو guest write اسی وقت مکمل ہو سکتی ہے جب host نے data اپنی RAM میں رکھ لیا ہو۔ اس سے ایسے benchmark کے نتائج بہتر دکھائی دیتے ہیں جو flush نہیں کرتا۔ اگر host flushes کو بھی نظرانداز کرنے کے لیے configured ہو، یعنی وہ mode جسے QEMU unsafe کہتا ہے، تو guest کا fsync() بھی host RAM سے return ہو جاتا ہے۔ اس سے ایسا benchmark result حاصل ہوتا ہے جو کوئی physical device فراہم نہیں کر سکتی۔ اس کا مطلب یہ بھی ہے کہ host crash ہونے پر وہ writes ضائع ہو سکتی ہیں جنہیں database محفوظ سمجھتا ہے۔ none cache mode میں host page cache استعمال نہیں ہوتا، اس لیے numbers کم مگر حقیقت پر مبنی ہوتے ہیں۔
Caps اور burst credits۔ بہت سے providers ہر volume یا plan کے لیے IOPS محدود کرتے ہیں، اور بہت سے network volumes burst allowance استعمال کرتے ہیں۔ Burst allowance credits کا ایک pool ہوتا ہے۔ Credits باقی رہنے تک volume تیزی سے چلتا ہے، پھر بہت کم baseline پر آ جاتا ہے۔ اس کی علامت آسانی سے پہچانی جا سکتی ہے۔ Import یا restore کئی منٹ تک تیزی سے چلتا ہے، پھر اچانک نمایاں طور پر سست ہو جاتا ہے اور اسی رفتار پر رہتا ہے، جبکہ آپ کی configuration میں کچھ بھی تبدیل نہیں ہوا ہوتا۔ آپ کے credits ختم ہو گئے ہیں۔
Neighbours۔ Shared host پر آپ کی disk latency اس بات کے ساتھ بدلتی ہے کہ دوسرے guests کیا کر رہے ہیں۔ اسی لیے test ایک سے زیادہ مرتبہ کرنا ضروری ہے۔ یہی test صبح چلائیں اور شام کو دوبارہ چلائیں، پھر دونوں نتائج کا فرق دیکھیں۔ مصروف host پر ایک ہی volume پر دو runs کے درمیان فرق اکثر دو مختلف media کے شائع شدہ فرق سے بھی زیادہ ہوتا ہے۔
آپ کے VPS میں موجود اصل ڈسک کی پیمائش کیسے کریں
معیاری IO benchmark fio انسٹال کریں اور پیمائش کریں۔ پہلے تین احتیاطیں سمجھ لیں۔ یہ test ایک file بناتا ہے، اس لیے disk space استعمال کرتا ہے اور آپ کے billed IOPS allowance میں شمار ہوتا ہے۔ runs مختصر رکھیں۔ کسی ایسے volume پر full queue depth کے ساتھ test نہ چلائیں جو live traffic فراہم کر رہا ہو، کیونکہ اس سے آپ کی اپنی application کے ساتھ storage resources کے لیے مقابلہ ہوگا۔
sudo apt update && sudo apt install -y fio ioping sysstat
cd /var/tmpqueue depth 32 پر random read، کیونکہ vendors عموماً اسی depth کے اعداد بتاتے ہیں۔ بہت سے vendors ایک وقت میں کئی threads بھی چلاتے ہیں، اس لیے ایک single job عموماً datasheet کے اعداد سے کم نتیجہ دیتی ہے:
fio --name=randread --filename=fio.test --size=1G --bs=4k --rw=randread \
--ioengine=libaio --direct=1 --iodepth=32 --numjobs=1 \
--runtime=30 --time_based --group_reportingاہم line read: سے شروع ہوتی ہے۔
read: IOPS=184k, BW=719MiB/s (754MB/s)(21.1GiB/30001msec)--direct=1 guest page cache کو bypass کرتا ہے، اس لیے نتیجہ آپ کے guest کی RAM کے بجائے virtual disk کی کارکردگی بیان کرتا ہے۔ یہ host پر موجود کسی cache کو bypass نہیں کرتا۔ host page cache اس path میں شامل ہے یا نہیں، اس کا انحصار host کے cache mode پر ہے۔ QEMU اسے صرف cache.direct=on کے ساتھ skip کرتا ہے، اور آپ guest کے اندر سے یہ setting نہیں دیکھ سکتے۔ --direct=1 کو چھوڑ دیں تو آپ memory کی پیمائش کریں گے، جو ایسا number واپس کرتی ہے جس تک کوئی disk نہیں پہنچ سکتی۔ اگر space موجود ہو تو --size=4G یا اس سے بڑی value استعمال کریں، کیونکہ 1G file پوری طرح host کے cache میں رہ سکتی ہے اور نتیجہ مصنوعی طور پر بہتر دکھا سکتی ہے۔
queue depth 1 میں ایک وقت میں صرف ایک request زیرِ عمل رہتی ہے، اس لیے یہ raw latency دکھاتی ہے۔ یہی latency وہ process محسوس کرتی ہے جو ایک کے بعد ایک synchronous reads انجام دیتی ہے۔ asynchronous IO استعمال کرنے والا single thread بیک وقت کئی requests زیرِ عمل رکھ سکتا ہے، اس لیے وہ اس number تک محدود نہیں ہوتا:
fio --name=lat --filename=fio.test --size=1G --bs=4k --rw=randread \
--ioengine=libaio --direct=1 --iodepth=1 --runtime=30 --time_basedcommit test database کے رویے کی پیش گوئی کرتا ہے۔ یہ 4k لکھتا ہے اور ہر write کے بعد fdatasync() چلاتا ہے، اس لیے رپورٹ کی گئی rate میں flush بھی شامل ہوتا ہے:
fio --name=commit --filename=fio.test --size=1G --bs=4k --rw=randwrite \
--ioengine=psync --fdatasync=1 --runtime=30 --time_based
rm -f fio.testاس run سے حاصل ہونے والا IOPS figure تقریباً اتنے چھوٹے transactions فی second کے برابر ہوتا ہے جتنے ایک database connection زیادہ سے زیادہ commit کر سکتا ہے، کیونکہ commit اسی flush کے مکمل ہونے کا انتظار کرتا ہے۔
fio کے بغیر فوری sample لینے کے لیے:
ioping -c 20 .--- . (ext4 /dev/vda1) ioping statistics ---
19 requests completed in 4.13 ms, 76 KiB read, 4.60 k iops, 17.9 MiB/s
min/avg/max/mdev = 174.2 us / 217.6 us / 386.1 us / 51.3 usmdev value، یعنی mean deviation، average جتنی ہی اہم ہے۔ idle box پر بڑی deviation اس بات کی نشاندہی کرتی ہے کہ storage backend shared اور مصروف ہے۔
نتیجہ کیسے پڑھیں
July 2026 تک، چھوٹے VPS کے لیے یہ اعداد معقول سمجھے جاتے ہیں۔ queue depth 32 پر 4k random read کے دسیوں ہزار IOPS، اور queue depth 1 پر تقریباً 0.3 ms سے کم latency، local flash کے مطابق ہیں۔ تاہم، بڑے DRAM cache والا storage array بھی تقریباً 0.2 ms میں جواب دے سکتا ہے۔ queue depth 1 پر کئی milliseconds کی latency network path یا host پر IOPS cap کی نشاندہی کرتی ہے، چاہے plan کا نام کچھ بھی ہو۔ صرف 250 IOPS کی hypervisor limit ایک وقت میں ایک request کو تقریباً 4 ms تک محدود رکھتی ہے۔ Sequential reads کا تقریباً 550 MB/s پر رک جانا SATA link کے مطابق ہے، لیکن host پر مقرر bandwidth cap بھی یہی مستقل حد دکھا سکتا ہے۔ اس لیے اسے ثبوت کے بجائے اشارہ سمجھیں۔ اگر کوئی عدد کسی ایک device کی ممکنہ کارکردگی سے بہت زیادہ ہو تو path میں caching موجود ہے، اور یہ تقریباً ہمیشہ host پر ہوتی ہے۔
یہ دیکھنے کے لیے کہ آپ کا live workload disk پر کیا اثر ڈال رہا ہے:
iostat -x 1 3
vmstat 1 5
cat /proc/pressure/ioiostat -x کے output میں r_await اور w_await پڑھیں۔ یہ وہ اوسط milliseconds ہیں جن تک request نے انتظار کیا۔ aqu-sz بھی دیکھیں، جو queue length کی اوسط ہے۔ Virtual disk پر %util کو نظرانداز کریں۔ یہ اس وقت کا تناسب بتاتا ہے جس میں کم از کم ایک request زیرِ التوا تھی۔ یہ اس device پر saturation کے بارے میں کچھ نہیں بتاتا جو بیک وقت بہت سی requests مکمل کر سکتی ہے۔ اس لیے %util کا 100 اور r_await کا 0.2 ms ایک مصروف مگر صحت مند disk کی نشاندہی کرتے ہیں۔ vmstat میں wa column، CPU time کے اس percentage کو ظاہر کرتا ہے جو IO کے انتظار میں صرف ہوا۔ اگر آپ کے kernel میں /proc/pressure/io موجود ہو تو اس کی some avg10= value اس تناسب کی decaying average ہوتی ہے جس میں کم از کم ایک task IO کی وجہ سے رکا ہوا تھا۔ اس کا time constant 10 seconds ہے۔ یہ اس سوال کا سب سے براہِ راست جواب ہے کہ آیا storage آپ کی bottleneck ہے۔
disk-bound VPS کی صورتِ حال
idle CPU کے ساتھ load average زیادہ ہو اور wa میں vmstat کی قدر بڑی ہو، تو اس کا مطلب ہے کہ processes disk کے پیچھے queue میں ہیں۔ Kernel کا سب سے واضح signal dmesg -T میں موجود یہ message ہے:
INFO: task jbd2/vda1-8:194 blocked for more than 120 seconds.یہ line اس لیے ظاہر ہوتی ہے کہ storage کے جواب کا انتظار کرتے ہوئے ایک kernel thread نے دو منٹ سے زیادہ وقت گزارا، اس لیے hung task watchdog نے اسے log کر دیا۔ jbd2 ext4 journal thread ہے۔ اس کا مطلب ہے کہ stall filesystem کے commit path میں تھا، نہ کہ کسی ایک خراب رویے والے program میں۔ جو بھی کام journal commit مکمل ہونے کا منتظر ہو، مثلاً fsync()، وہ بھی اس کے پیچھے رک جاتا ہے۔ VPS پر یہ عموماً storage backend یا ختم ہو چکے IOPS allowance کی طرف اشارہ کرتا ہے۔
Application کی علامات بھی اسی pattern کے مطابق ظاہر ہوتی ہیں۔ Median response time قابل قبول رہتا ہے، جبکہ سب سے سست requests کا tail طویل ہو جاتا ہے، کیونکہ صرف وہ requests disk تک پہنچنے کی قیمت ادا کرتی ہیں۔ apt upgrade کئی منٹ تک Unpacking پر رکا رہتا ہے، کیونکہ dpkg لکھتے وقت data flush کرتا ہے۔ بڑے repository میں git status مکمل ہونے میں کئی seconds لیتا ہے۔ یہ metadata اور flush کے اخراجات ہیں، اس لیے زیادہ bandwidth مدد نہیں کرے گی۔
جب ڈسک حد بن جائے تو کیا کریں
IOPS خریدنے سے پہلے RAM خریدیں۔ اگر working set page cache میں سما جائے تو read operations ڈسک تک پہنچتے ہی نہیں۔ میموری کو دوگنا کرنا اکثر تیز تر storage class پر منتقل ہونے سے زیادہ مؤثر ہوتا ہے، اور عموماً اس کی لاگت بھی کم ہوتی ہے۔
جہاں ڈیٹا اجازت دے، flush operations کی تعداد کم کریں۔ PostgreSQL میں synchronous_commit = off کے ذریعے commit ڈسک پر write مکمل ہونے سے پہلے واپس آ سکتا ہے۔ اگر server بند ہو جائے تو آپ آخری fraction of a second کی transactions کھو سکتے ہیں۔ database corrupt نہیں ہوتا، کیونکہ write-ahead log اب بھی ترتیب کے ساتھ لکھا جاتا ہے۔ یہ سمجھوتا analytics copy کے لیے موزوں ہے، مگر payments کے لیے نہیں۔ MySQL میں innodb_flush_log_at_trx_commit = 2 بھی یہی سمجھوتا ہے۔
چھوٹی files کو batch کریں۔ ایک million چھوٹی files کی transfer یا backup میں فی file لاگت غالب ہوتی ہے۔ اس لیے پہلے archive بنانا اور ایک stream منتقل کرنا، high-latency storage پر tree کو file بہ file copy کرنے سے زیادہ تیز ہوتا ہے۔
Thin volumes پر discard کو فعال رکھیں۔ Thin provisioned storage میں backend کو اس وقت تک معلوم نہیں ہوتا کہ کوئی block خالی ہے جب تک filesystem اسے نہ بتائے۔ جو volume کبھی trim نہیں ہوتا، اس کی write performance آہستہ آہستہ کم ہو جاتی ہے۔ Ubuntu اس مقصد کے لیے weekly timer فراہم کرتا ہے:
systemctl status fstrim.timer
sudo fstrim -avfstrim -av ہر mount point کے لیے trim کیے گئے bytes دکھاتا ہے۔ اگر پیغام آئے کہ discard operation supported نہیں ہے، تو اس کا مطلب ہے کہ virtual disk discard کو host تک منتقل نہیں کرتی۔ اس صورت میں آپ کو کچھ درست کرنے کی ضرورت نہیں۔
IO scheduler کی tuning چھوڑ دیں۔ virtio disk پر cat /sys/block/vda/queue/scheduler عموماً پہلے ہی none دکھاتا ہے، اور اصل scheduling host پر ہوتی ہے، جہاں آپ کو رسائی حاصل نہیں۔ noatime کو بھی چھوڑ دیں: Ubuntu بطور default relatime کے ساتھ mount کرتا ہے، جو تقریباً ہر atime write سے پہلے ہی بچاتا ہے۔
پلان کا انتخاب
اگر سرور پر database، mail server، CI runner یا packages پر منحصر کوئی build چلتا ہو تو NVMe کے لیے ادائیگی کریں۔ Cached website یا ایسی app کے لیے premium ادا نہ کریں جس کا زیادہ وقت external calls میں صرف ہوتا ہے۔ اگر آپ کو یقین نہیں ہے تو غالباً disk آپ کی حد نہیں ہے، کیونکہ زیادہ تر چھوٹے VPS workloads میں سب سے پہلے RAM یا bandwidth ختم ہوتی ہے۔
پہلے دن measurements لیں، جب آپ نئے VPS پر پہلے دس منٹ کے مراحل مکمل کر رہے ہوں، اور output کو ایک file میں محفوظ کریں۔ Baseline سے آپ بعد میں ثابت کر سکتے ہیں کہ host سست ہوا ہے، نہ کہ آپ کا code۔ ایسے providers کو ترجیح دیں جو storage class اور کسی بھی IOPS cap کی وضاحت تحریری طور پر کرتے ہوں۔ اگر کسی plan میں NVMe لکھا ہو لیکن queue depth 1 read میں 4 ms لگیں، تو آپ کو local NVMe latency نہیں مل رہی: یا تو volume کسی NVMe-equipped host پر network storage ہے، یا host آپ کے IOPS کو اتنا محدود کر رہا ہے کہ ہر request کو 4 ms درکار ہوں۔ Provider سے پوچھیں کہ ان میں سے کون سی صورت ہے۔ دونوں چیزیں فروخت کے لیے مناسب ہیں، لیکن خریدنے کے لیے مختلف چیزیں ہیں۔
FAQ
کیا VPS پر NVMe ہمیشہ SATA SSD سے تیز ہوتا ہے؟
نہیں۔ queue depth 1 پر دونوں کی کارکردگی قریب ہوتی ہے، اور 4k read میں تاخیر تقریباً 80 سے 150 microseconds ہوتی ہے۔ جو پروگرام ایک وقت میں صرف ایک request بھیجتا ہے، وہ دونوں میں فرق محسوس نہیں کر سکتا۔ جب کئی requests زیرِ تکمیل ہوں تو NVMe آگے نکل جاتا ہے، کیونکہ AHCI فی port زیادہ سے زیادہ 32 command slots فراہم کرتا ہے، جبکہ NVMe ہزاروں زیادہ گہری queues فراہم کرتا ہے۔ shared host پر دیگر guests کا load آپ کی latency کو storage medium سے زیادہ تبدیل کر سکتا ہے۔ اس لیے plan name دیکھنے کے بجائے اپنے volume کو fio سے measure کریں۔
میں کیسے جانچوں کہ میرا VPS واقعی NVMe استعمال کرتا ہے؟
آپ اسے براہِ راست نہیں جانچ سکتے، کیونکہ virtio physical device کو چھپا دیتا ہے۔ lsblk، vda کو model string کے بغیر دکھاتا ہے، nvme list کچھ واپس نہیں کرتا، اور /sys/block/vda/queue/rotational صرف وہی معلومات رپورٹ کرتا ہے جو hypervisor ظاہر کرتا ہے۔ اس کے بجائے کارکردگی measure کریں، اور نتیجے کو ثبوت نہیں بلکہ قرینۂ ثبوت سمجھیں۔ queue depth 1 پر تقریباً 0.3 ms سے کم random 4k read latency مقامی flash کے ساتھ مطابقت رکھتی ہے، اگرچہ DRAM cache والی storage array بھی اتنی تیزی سے جواب دے سکتی ہے۔ کئی milliseconds کی latency network hop یا host پر IOPS cap کی طرف اشارہ کرتی ہے۔ اگر sequential reads تقریباً 550 MB/s پر رک جائیں تو یہ SATA link یا bandwidth cap کی علامت ہو سکتی ہے۔
کیا NVMe میری website کو تیزی سے load کراتا ہے؟
عام طور پر نہیں۔ پہلی request کے بعد Linux files کو RAM میں page cache سے فراہم کرتا ہے، اس لیے disk idle ہو جاتی ہے۔ چھوٹے VPS پر page speed عموماً application CPU time اور bandwidth سے محدود ہوتی ہے۔ اگر website ہر request پر write کرے تو disk دوبارہ critical path میں آ جاتی ہے۔ مثال کے طور پر database-backed cart جو بار بار commit کرتا ہے، کیونکہ ہر commit مکمل ہونے کے لیے flush کا انتظار کرتا ہے۔
VPS کے لیے اچھا fio result کیا ہوتا ہے؟
July 2026 تک، local flash پر چھوٹا VPS عموماً queue depth 32 پر دسیوں ہزار 4k random read IOPS فراہم کرتا ہے، جبکہ queue depth 1 پر latency 0.3 ms سے کم ہوتی ہے۔ Network block storage عموماً چند ہزار IOPS فراہم کرتا ہے، اور latency چند milliseconds ہوتی ہے۔ test مختلف اوقات میں تین بار چلائیں۔ runs کے درمیان زیادہ فرق average سے زیادہ معلومات فراہم کرتا ہے، کیونکہ اس سے ظاہر ہوتا ہے کہ host پر موجود دیگر guests آپ کی کارکردگی کو کس حد تک متاثر کرتے ہیں۔
کیا مجھے اپنا database network block storage پر رکھنا چاہیے؟
آپ ایسا کر سکتے ہیں، اور بہت سی managed services ایسا کرتی ہیں، لیکن commit path کی کارکردگی متاثر ہوتی ہے۔ ہر flush network سے گزرتا ہے، اس لیے ایک single connection مقامی flash کے مقابلے میں فی سیکنڈ کم چھوٹی transactions commit کرتا ہے۔ اس کے بدلے آپ کو ایسی durability ملتی ہے جو host کے ناکام ہونے کے بعد بھی برقرار رہتی ہے۔ اگر آپ write-heavy database کے لیے network storage منتخب کریں تو کام کو بڑی transactions میں group کریں، تاکہ کم flushes میں زیادہ rows شامل ہو سکیں۔