作者：林岚｜OC 开发者生态编辑

开发者 Shayon Mukherjee 在文章 《Every fast write moves work somewhere else》 中，从一次键值写入出发，比较内存页缓存、本地 SSD、对象存储和复制日志的不同成功语义。核心提醒很朴素：延迟下降通常意味着系统在更早的位置返回，把耐久性、复制或清理留到之后。

一句话结论：数据库“写入成功”没有脱离故障模型的统一含义；1 毫秒和 7 毫秒只有在说明数据此时位于哪里、能承受哪种故障、剩余工作由谁完成后才可比较。

在 Linux 上，write() 返回通常只代表字节进入页缓存，进程退出不会丢掉这些缓存，但内核崩溃或机器断电仍可能丢失尚未落盘的数据。fdatasync() 会等待文件数据和恢复所需元数据写到设备；fsync() 还覆盖更多元数据。使用 O_DIRECT 或 io_uring 可以改变 I/O 路径和提交效率，却不会让未同步写入自动获得耐久性。

本地 NVMe 上的 WAL 可以很快。数据库先按顺序追加变更，等待一次同步，再向客户端返回。多个请求还可以共享一次 flush，提高吞吐。但此时最新数据只有一台主机的一块盘；如果主机在上传远端副本前永久丢失，已经看到“成功”的客户端仍可能失去数据。

把成功点移到对象存储之后，可以获得独立于数据库主机的副本，代价是网络往返和对象服务确认。把 WAL 复制到三台服务器并等待两台持久化，可以承受一台节点故障，代价则包括网络、第二次磁盘同步、领导者选举、日志修复和成员变更。健康路径的延迟只展示了最容易的一段，恢复工作不会消失。

批处理也不是免费提速。100 个写入共用一次同步或一个对象请求，能大幅减少 IOPS 和请求费，但最早到达的请求要等待批次闭合，错误会影响整批，重试也会传输更多数据。若后台上传、压缩和垃圾回收没有队列上限，所谓快速写入只是把拥堵藏到越来越长的欠账里。

还有一个常被忽略的歧义：服务端已经持久化，网络却在响应到达客户端前中断。客户端不知道操作成功还是失败。更快硬件不能消除这个窗口，需要幂等操作 ID，让相同请求安全重试，并拒绝同一 ID 搭配不同内容。

这就是为什么 Big O 也不够。三种 PUT 都可能是 O(key bytes + payload bytes)，但一次本地 flush、一次远程 HTTP 确认和多数副本落盘的固定成本完全不同。性能报告必须把成功点、百分位和故障保证写在同一张表上。

关键事实

• write()、本地 fdatasync()、对象存储确认和多数副本确认承诺不同
• Group commit 用一次真实 flush 覆盖多个写入，提高吞吐但增加批次等待
• 本地 WAL 降低前台延迟，却会引入主机丢失前的未上传窗口
• 幂等操作 ID 用于处理服务端已提交但客户端未收到响应的歧义

OC 判断

“快 50 倍”经常是真的，也经常少说了最重要的半句：快在哪个成功点。数据库设计先要写出允许丢什么、允许停多久、谁负责恢复，再谈用 LLM 快速生成上传器或复制日志。代码可以生成，故障承诺不能含糊。

为什么重要

• 对数据库开发者：API 文档必须定义成功、超时、重试和崩溃后的状态。
• 对架构师：延迟基准应与故障域、复制点和后台欠账共同评审。
• 对业务团队：更低写入延迟可能换来更高数据丢失窗口或恢复复杂度。

参考来源

• Shayon Mukherjee：Every fast write moves work somewhere else
• Linux man-pages：fsync(2)
• Amazon S3：Conditional writes
• Raft paper：In Search of an Understandable Consensus Algorithm