如何根據(jù)性能選擇內(nèi)存NoSQL數(shù)據(jù)庫

本文主要內(nèi)容是測試了不同NoSQL數(shù)據(jù)庫在測試工具YCSB中的表現(xiàn)。我們選取了3款流行的內(nèi)存(in-memory)數(shù)據(jù)庫管理系統(tǒng)：Redis，Tarantool 以及 CouchBase，還有緩存系統(tǒng)Memchached。Memchached雖然不屬于數(shù)據(jù)庫管理系統(tǒng)但常作為快速存儲系統(tǒng)使用。

10年積累的成都做網(wǎng)站、成都網(wǎng)站建設(shè)經(jīng)驗(yàn)，可以快速應(yīng)對客戶對網(wǎng)站的新想法和需求。提供各種問題對應(yīng)的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認(rèn)識你，你也不認(rèn)識我。但先做網(wǎng)站設(shè)計(jì)后付款的網(wǎng)站建設(shè)流程，更有香河免費(fèi)網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

測試環(huán)境由4臺在Microsoft Azure Cloud中的虛擬機(jī)組成的計(jì)算機(jī)組組成。這些虛擬機(jī)同屬于一個(gè)數(shù)據(jù)中心。nosql-1和nosql-2用作測試Tarantool和CouchBase，nosql-3和nosql-4用作測試Redis，Azure Redis Cache 以及 Memcached。這些機(jī)器都安裝和配置了相應(yīng)數(shù)據(jù)庫和測試項(xiàng)目。虛擬機(jī)的配置為4核A3 CPU，7GB RAM，120GB硬盤。

數(shù)據(jù)庫及設(shè)置

內(nèi)存數(shù)據(jù)庫管理系統(tǒng)會存儲所有在主內(nèi)存中的數(shù)據(jù)并在磁碟上進(jìn)行持續(xù)更新操作；透過日志記錄每個(gè)數(shù)據(jù)的修改以確保連貫性。由于是以append-only方式進(jìn)行日志寫入，因此它很少遇到瓶頸問題；讀取/寫入都不會造成頻繁的磁碟頭移動。

Redis在2009推出，目前的最新版本是3.0.5。我們這里使用的版本是3.0.4，以append-only(只附加)方式進(jìn)行數(shù)據(jù)管理，與其配合使用的是Microsoft Azure Redis Cache工具。

Tarantool是一款開源NoSQL數(shù)據(jù)庫管理系統(tǒng)。我們使用的是Tarantool 1.6.7-126-gb35aff9，日志采用write-ahead(先寫)模式。Memcached是一款分布式內(nèi)存緩存系統(tǒng)，這里使用是Memcached 1.4.14-0ubuntu9。

Couchbase Server是開源分布式NoSQL面向文檔數(shù)據(jù)庫，這里使用的版本是Couchbase 4.0.0-4047-1。

YCSB測試工具

Yahoo! Cloud Serving Benchmark(YCSB)是功能強(qiáng)大的NoSQL數(shù)據(jù)庫性能測試工具，它提供了6種主要的負(fù)載工作類型，以字母A到F來區(qū)分。

負(fù)載A負(fù)責(zé)更新操作，極值是50/50的讀寫操作，如用于進(jìn)行新近操作記錄。負(fù)載B負(fù)責(zé)讀取操作，極值是95/5的讀寫操作，如用于進(jìn)行圖片標(biāo)簽管理，多進(jìn)行標(biāo)簽讀取操作。負(fù)載C負(fù)載100%的讀取操作，如用于進(jìn)行用戶屬性獲取。負(fù)載D以先進(jìn)先出方式進(jìn)行插入操作，如用戶進(jìn)行最新數(shù)據(jù)讀取。負(fù)載E負(fù)責(zé)小范圍記錄讀取而不是單個(gè)記錄讀取，如線程會話。負(fù)載F負(fù)責(zé)記錄的讀取，修改和寫入，如用戶信息管理。

我們對配置文件作了兩處參數(shù)修改：數(shù)據(jù)條目recordcount設(shè)為200000，操作條目operationcount設(shè)為5000000。YCSB是多線程工具，我們將以8, 16, 32, 64, 128 及256 線程來進(jìn)行測試。詳細(xì)的測試腳本請點(diǎn)擊這里進(jìn)行下載。

下列測試結(jié)果圖以顏色進(jìn)行測試對象區(qū)分，

Tarantool (HASH) （藍(lán)）

Tarantool (TREE)（淺藍(lán)）

Redis （紅）

Azure Redis Cache （橙）

Memcached （綠）

CouchBase（黑）

更多圖片請點(diǎn)擊［這里］查看。

結(jié)論

Tarantool在所有負(fù)載類型測試中皆取得了最優(yōu)成績。它創(chuàng)建了一個(gè)無鎖內(nèi)存引擎，以協(xié)同多任務(wù)方式進(jìn)行操作而不是互斥或并行處理方式。根據(jù)以下性能圖表現(xiàn)，我們的結(jié)論是Tarantool的高吞吐量處理是其最大優(yōu)勢之一。因此在多數(shù)場合下，Tarantool是用戶的最佳選擇。

ssdb、minio性能測試c

項(xiàng)目上需要找一個(gè)硬盤型的NoSQL，用于將 Redis 中的冷數(shù)據(jù)落入硬盤。初步選型了幾款 key-value 類型的NoSQL，分別有 levelDB、 rocksDB、 TiDB、 SSDB、swapDB、 Kvrocks、Tikv 。均為基于 levelDB 開發(fā)的幾款NoSQL。其中因?yàn)?levelDB、rocksDB 無網(wǎng)絡(luò)接口，不方便做分布式和高可用。， TiDB 過重，還有 swapDB 社區(qū)不夠活躍且相關(guān)client API不完備。暫時(shí)選型 SSDB 。

項(xiàng)目需要存儲的其實(shí)是一個(gè)略長的二進(jìn)制字符串，初步認(rèn)為，使用 對象存儲 方案其實(shí)也可以替代NoSQL，所以壓測對象添加當(dāng)前非常火的云原生對象存儲 MinIO

硬件名|配置 系統(tǒng)| Ubuntu(基于win10 wsl版的docker啟動) 內(nèi)存| 16GB(實(shí)際可用6.08G) CPU| Intel i5-8400

測試項(xiàng)目： 1. 寫50M數(shù)據(jù)100次 2. 隨機(jī)讀取任意key 100次（對LRU機(jī)制不友好）

寫

數(shù)據(jù)導(dǎo)入成功！

數(shù)據(jù)序列化成功！

a 數(shù)據(jù)大小:50.99295234680176 MB

第1次寫入總用時(shí): 797 ms

第2次寫入總用時(shí): 848 ms

第3次寫入總用時(shí): 3621 ms

第4次寫入總用時(shí): 813 ms

第5次寫入總用時(shí): 1862 ms

第6次寫入總用時(shí): 838 ms

第7次寫入總用時(shí): 2235 ms

第8次寫入總用時(shí): 836 ms

第9次寫入總用時(shí): 900 ms

第10次寫入總用時(shí): 1027 ms

第11次寫入總用時(shí): 1101 ms

第12次寫入總用時(shí): 880 ms

第13次寫入總用時(shí): 1956 ms

第14次寫入總用時(shí): 866 ms

第15次寫入總用時(shí): 2422 ms

第16次寫入總用時(shí): 852 ms

第17次寫入總用時(shí): 4511 ms

第18次寫入總用時(shí): 875 ms

第19次寫入總用時(shí): 2736 ms

第20次寫入總用時(shí): 814 ms

第21次寫入總用時(shí): 7172 ms

第22次寫入總用時(shí): 891 ms

第23次寫入總用時(shí): 7820 ms

第24次寫入總用時(shí): 836 ms

第25次寫入總用時(shí): 22103 ms

第26次寫入總用時(shí): 877 ms

第27次寫入總用時(shí): 2712 ms

第28次寫入總用時(shí): 841 ms

第29次寫入總用時(shí): 1928 ms

第30次寫入總用時(shí): 916 ms

第31次寫入總用時(shí): 839 ms

第32次寫入總用時(shí): 826 ms

第33次寫入總用時(shí): 7759 ms

第34次寫入總用時(shí): 843 ms

第35次寫入總用時(shí): 10670 ms

第36次寫入總用時(shí): 843 ms

第37次寫入總用時(shí): 9361 ms

第38次寫入總用時(shí): 821 ms

第39次寫入總用時(shí): 810 ms

第40次寫入總用時(shí): 794 ms

第41次寫入總用時(shí): 13281 ms

第42次寫入總用時(shí): 833 ms

第43次寫入總用時(shí): 811 ms

第44次寫入總用時(shí): 798 ms

第45次寫入總用時(shí): 18843 ms

第46次寫入總用時(shí): 911 ms

第47次寫入總用時(shí): 9428 ms

第48次寫入總用時(shí): 898 ms

第49次寫入總用時(shí): 17582 ms

第50次寫入總用時(shí): 903 ms

第51次寫入總用時(shí): 831 ms

第52次寫入總用時(shí): 800 ms

第53次寫入總用時(shí): 14602 ms

第54次寫入總用時(shí): 827 ms

第55次寫入總用時(shí): 5898 ms

第56次寫入總用時(shí): 856 ms

第57次寫入總用時(shí): 5693 ms

第58次寫入總用時(shí): 1050 ms

第59次寫入總用時(shí): 882 ms

第60次寫入總用時(shí): 1020 ms

第61次寫入總用時(shí): 15060 ms

第62次寫入總用時(shí): 902 ms

第63次寫入總用時(shí): 1062 ms

第64次寫入總用時(shí): 915 ms

第65次寫入總用時(shí): 7572 ms

第66次寫入總用時(shí): 823 ms

第67次寫入總用時(shí): 9649 ms

第68次寫入總用時(shí): 832 ms

第69次寫入總用時(shí): 10403 ms

第70次寫入總用時(shí): 907 ms

第71次寫入總用時(shí): 978 ms

第72次寫入總用時(shí): 789 ms

第73次寫入總用時(shí): 2111 ms

第74次寫入總用時(shí): 947 ms

第75次寫入總用時(shí): 4675 ms

第76次寫入總用時(shí): 944 ms

第77次寫入總用時(shí): 8592 ms

第78次寫入總用時(shí): 832 ms

第79次寫入總用時(shí): 2940 ms

第80次寫入總用時(shí): 842 ms

第81次寫入總用時(shí): 19835 ms

第82次寫入總用時(shí): 862 ms

第83次寫入總用時(shí): 7646 ms

第84次寫入總用時(shí): 873 ms

第85次寫入總用時(shí): 1002 ms

第86次寫入總用時(shí): 842 ms

第87次寫入總用時(shí): 9057 ms

第88次寫入總用時(shí): 801 ms

第89次寫入總用時(shí): 5117 ms

第90次寫入總用時(shí): 918 ms

第91次寫入總用時(shí): 798 ms

第92次寫入總用時(shí): 853 ms

第93次寫入總用時(shí): 7728 ms

第94次寫入總用時(shí): 810 ms

第95次寫入總用時(shí): 3969 ms

第96次寫入總用時(shí): 814 ms

第97次寫入總用時(shí): 2050 ms

第98次寫入總用時(shí): 819 ms

第99次寫入總用時(shí): 9566 ms

第100次寫入總用時(shí): 833 ms/pre

隨機(jī)讀

第1次讀取 15總用時(shí): 2251 ms

第2次讀取 73總用時(shí): 2045 ms

第3次讀取 98總用時(shí): 1548 ms

第4次讀取 20總用時(shí): 2683 ms

第5次讀取 46總用時(shí): 1156 ms

第6次讀取 69總用時(shí): 1160 ms

第7次讀取 46總用時(shí): 1520 ms

第8次讀取 51總用時(shí): 1381 ms

第9次讀取 48總用時(shí): 1000 ms

第10次讀取 69總用時(shí): 1400 ms

第11次讀取 82總用時(shí): 1236 ms

第12次讀取 22總用時(shí): 1140 ms

第13次讀取 36總用時(shí): 864 ms

第14次讀取 66總用時(shí): 843 ms

第15次讀取 47總用時(shí): 922 ms

第16次讀取 17總用時(shí): 885 ms

第17次讀取 14總用時(shí): 864 ms

第18次讀取 64總用時(shí): 888 ms

第19次讀取 74總用時(shí): 815 ms

第20次讀取 33總用時(shí): 866 ms

第21次讀取 36總用時(shí): 822 ms

第22次讀取 78總用時(shí): 975 ms

第23次讀取 40總用時(shí): 1186 ms

第24次讀取 54總用時(shí): 857 ms

第25次讀取 92總用時(shí): 963 ms

第26次讀取 43總用時(shí): 955 ms

第27次讀取 38總用時(shí): 853 ms

第28次讀取 47總用時(shí): 926 ms

第29次讀取 62總用時(shí): 877 ms

第30次讀取 70總用時(shí): 890 ms

第31次讀取 88總用時(shí): 895 ms

第32次讀取 15總用時(shí): 937 ms

第33次讀取 3總用時(shí): 993 ms

第34次讀取 99總用時(shí): 892 ms

第35次讀取 76總用時(shí): 818 ms

第36次讀取 30總用時(shí): 1020 ms

第37次讀取 89總用時(shí): 863 ms

第38次讀取 99總用時(shí): 819 ms

第39次讀取 62總用時(shí): 818 ms

第40次讀取 1總用時(shí): 871 ms

第41次讀取 66總用時(shí): 809 ms

第42次讀取 68總用時(shí): 847 ms

第43次讀取 72總用時(shí): 910 ms

第44次讀取 50總用時(shí): 1128 ms

第45次讀取 47總用時(shí): 898 ms

第46次讀取 26總用時(shí): 909 ms

第47次讀取 35總用時(shí): 872 ms

第48次讀取 30總用時(shí): 826 ms

第49次讀取 79總用時(shí): 904 ms

第50次讀取 66總用時(shí): 863 ms

第51次讀取 2總用時(shí): 885 ms

第52次讀取 65總用時(shí): 900 ms

第53次讀取 67總用時(shí): 1023 ms

第54次讀取 16總用時(shí): 934 ms

第55次讀取 63總用時(shí): 892 ms

第56次讀取 9總用時(shí): 894 ms

第57次讀取 71總用時(shí): 896 ms

第58次讀取 20總用時(shí): 947 ms

第59次讀取 89總用時(shí): 865 ms

第60次讀取 57總用時(shí): 872 ms

第61次讀取 62總用時(shí): 856 ms

第62次讀取 14總用時(shí): 881 ms

第63次讀取 19總用時(shí): 950 ms

第64次讀取 14總用時(shí): 876 ms

第65次讀取 86總用時(shí): 968 ms

第66次讀取 12總用時(shí): 911 ms

第67次讀取 93總用時(shí): 877 ms

第68次讀取 59總用時(shí): 886 ms

第69次讀取 79總用時(shí): 878 ms

第70次讀取 49總用時(shí): 869 ms

第71次讀取 91總用時(shí): 964 ms

第72次讀取 38總用時(shí): 838 ms

第73次讀取 73總用時(shí): 915 ms

第74次讀取 8總用時(shí): 875 ms

第75次讀取 96總用時(shí): 827 ms

第76次讀取 98總用時(shí): 826 ms

第77次讀取 95總用時(shí): 892 ms

第78次讀取 36總用時(shí): 843 ms

第79次讀取 44總用時(shí): 872 ms

第80次讀取 89總用時(shí): 863 ms

第81次讀取 24總用時(shí): 883 ms

第82次讀取 89總用時(shí): 804 ms

第83次讀取 49總用時(shí): 876 ms

第84次讀取 81總用時(shí): 873 ms

第85次讀取 72總用時(shí): 914 ms

第86次讀取 68總用時(shí): 861 ms

第87次讀取 73總用時(shí): 893 ms

第88次讀取 4總用時(shí): 880 ms

第89次讀取 3總用時(shí): 987 ms

第90次讀取 76總用時(shí): 896 ms

第91次讀取 16總用時(shí): 1010 ms

第92次讀取 73總用時(shí): 903 ms

第93次讀取 83總用時(shí): 933 ms

第94次讀取 52總用時(shí): 945 ms

第95次讀取 48總用時(shí): 901 ms

第96次讀取 26總用時(shí): 942 ms

第97次讀取 37總用時(shí): 883 ms

第98次讀取 44總用時(shí): 866 ms

第99次讀取 89總用時(shí): 921 ms

第100次讀取 61總用時(shí): 896 ms/pre

寫

數(shù)據(jù)導(dǎo)入成功！

第1次寫入總用時(shí): 956 ms

第2次寫入總用時(shí): 912 ms

第3次寫入總用時(shí): 1241 ms

第4次寫入總用時(shí): 1564 ms

第5次寫入總用時(shí): 942 ms

第6次寫入總用時(shí): 3666 ms

第7次寫入總用時(shí): 1629 ms

第8次寫入總用時(shí): 1712 ms

第9次寫入總用時(shí): 977 ms

第10次寫入總用時(shí): 1515 ms

第11次寫入總用時(shí): 911 ms

第12次寫入總用時(shí): 1009 ms

第13次寫入總用時(shí): 1024 ms

第14次寫入總用時(shí): 1206 ms

第15次寫入總用時(shí): 984 ms

第16次寫入總用時(shí): 943 ms

第17次寫入總用時(shí): 954 ms

第18次寫入總用時(shí): 1033 ms

第19次寫入總用時(shí): 1008 ms

第20次寫入總用時(shí): 1121 ms

第21次寫入總用時(shí): 963 ms

第22次寫入總用時(shí): 949 ms

第23次寫入總用時(shí): 889 ms

第24次寫入總用時(shí): 1066 ms

第25次寫入總用時(shí): 1289 ms

第26次寫入總用時(shí): 1125 ms

第27次寫入總用時(shí): 1111 ms

第28次寫入總用時(shí): 953 ms

第29次寫入總用時(shí): 964 ms

第30次寫入總用時(shí): 1125 ms

第31次寫入總用時(shí): 998 ms

第32次寫入總用時(shí): 1993 ms

第33次寫入總用時(shí): 926 ms

第34次寫入總用時(shí): 920 ms

第35次寫入總用時(shí): 926 ms

第36次寫入總用時(shí): 1169 ms

第37次寫入總用時(shí): 1325 ms

第38次寫入總用時(shí): 1170 ms

第39次寫入總用時(shí): 1074 ms

第40次寫入總用時(shí): 1011 ms

第41次寫入總用時(shí): 931 ms

第42次寫入總用時(shí): 984 ms

第43次寫入總用時(shí): 1563 ms

第44次寫入總用時(shí): 905 ms

第45次寫入總用時(shí): 944 ms

第46次寫入總用時(shí): 1147 ms

第47次寫入總用時(shí): 1429 ms

第48次寫入總用時(shí): 934 ms

第49次寫入總用時(shí): 1133 ms

第50次寫入總用時(shí): 912 ms

第51次寫入總用時(shí): 953 ms

第52次寫入總用時(shí): 1127 ms

第53次寫入總用時(shí): 1065 ms

第54次寫入總用時(shí): 1323 ms

第55次寫入總用時(shí): 1003 ms

第56次寫入總用時(shí): 1489 ms

第57次寫入總用時(shí): 1377 ms

第58次寫入總用時(shí): 940 ms

第59次寫入總用時(shí): 1317 ms

第60次寫入總用時(shí): 912 ms

第61次寫入總用時(shí): 898 ms

第62次寫入總用時(shí): 934 ms

第63次寫入總用時(shí): 1005 ms

第64次寫入總用時(shí): 1729 ms

第65次寫入總用時(shí): 983 ms

第66次寫入總用時(shí): 1684 ms

第67次寫入總用時(shí): 908 ms

第68次寫入總用時(shí): 895 ms

第69次寫入總用時(shí): 1171 ms

第70次寫入總用時(shí): 1372 ms

第71次寫入總用時(shí): 1261 ms

第72次寫入總用時(shí): 1024 ms

第73次寫入總用時(shí): 1048 ms

第74次寫入總用時(shí): 904 ms

第75次寫入總用時(shí): 941 ms

第76次寫入總用時(shí): 928 ms

第77次寫入總用時(shí): 1806 ms

第78次寫入總用時(shí): 1052 ms

第79次寫入總用時(shí): 1030 ms

第80次寫入總用時(shí): 1092 ms

第81次寫入總用時(shí): 1117 ms

第82次寫入總用時(shí): 950 ms

第83次寫入總用時(shí): 933 ms

第84次寫入總用時(shí): 928 ms

第85次寫入總用時(shí): 935 ms

第86次寫入總用時(shí): 1908 ms

第87次寫入總用時(shí): 994 ms

第88次寫入總用時(shí): 1097 ms

第89次寫入總用時(shí): 930 ms

第90次寫入總用時(shí): 1052 ms

第91次寫入總用時(shí): 1119 ms

第92次寫入總用時(shí): 958 ms

第93次寫入總用時(shí): 987 ms

第94次寫入總用時(shí): 973 ms

第95次寫入總用時(shí): 2036 ms

第96次寫入總用時(shí): 891 ms

第97次寫入總用時(shí): 954 ms

第98次寫入總用時(shí): 951 ms

第99次寫入總用時(shí): 1044 ms

第100次寫入總用時(shí): 1366 ms/pre

隨機(jī)讀

第1次讀取 46總用時(shí): 40 ms

第2次讀取 8總用時(shí): 36 ms

第3次讀取 28總用時(shí): 26 ms

第4次讀取 80總用時(shí): 10 ms

第5次讀取 77總用時(shí): 13 ms

第6次讀取 27總用時(shí): 49 ms

第7次讀取 86總用時(shí): 20 ms

第8次讀取 0總用時(shí): 45 ms

第9次讀取 54總用時(shí): 34 ms

第10次讀取 24總用時(shí): 153 ms

第11次讀取 78總用時(shí): 29 ms

第12次讀取 0總用時(shí): 17 ms

第13次讀取 91總用時(shí): 56 ms

第14次讀取 5總用時(shí): 99 ms

第15次讀取 23總用時(shí): 138 ms

第16次讀取 37總用時(shí): 120 ms

第17次讀取 40總用時(shí): 156 ms

第18次讀取 88總用時(shí): 41 ms

第19次讀取 76總用時(shí): 32 ms

第20次讀取 49總用時(shí): 102 ms

第21次讀取 20總用時(shí): 179 ms

第22次讀取 40總用時(shí): 68 ms

第23次讀取 6總用時(shí): 215 ms

第24次讀取 36總用時(shí): 197 ms

第25次讀取 37總用時(shí): 30 ms

第26次讀取 68總用時(shí): 154 ms

第27次讀取 14總用時(shí): 314 ms

第28次讀取 27總用時(shí): 91 ms

第29次讀取 51總用時(shí): 255 ms

第30次讀取 66總用時(shí): 166 ms

第31次讀取 86總用時(shí): 140 ms

第32次讀取 29總用時(shí): 374 ms

第33次讀取 96總用時(shí): 235 ms

第34次讀取 68總用時(shí): 72 ms

第35次讀取 74總用時(shí): 264 ms

第36次讀取 11總用時(shí): 334 ms

第37次讀取 55總用時(shí): 316 ms

第38次讀取 31總用時(shí): 287 ms

第39次讀取 93總用時(shí): 233 ms

第40次讀取 44總用時(shí): 499 ms

第41次讀取 26總用時(shí): 312 ms

第42次讀取 76總用時(shí): 33 ms

第43次讀取 11總用時(shí): 31 ms

第44次讀取 86總用時(shí): 191 ms

第45次讀取 96總用時(shí): 217 ms

第46次讀取 20總用時(shí): 145 ms

第47次讀取 1總用時(shí): 772 ms

第48次讀取 69總用時(shí): 477 ms

第49次讀取 9總用時(shí): 320 ms

第50次讀取 46總用時(shí): 42 ms

第51次讀取 34總用時(shí): 823 ms

第52次讀取 76總用時(shí): 115 ms

第53次讀取 62總用時(shí): 635 ms

第54次讀取 99總用時(shí): 596 ms

第55次讀取 64總用時(shí): 657 ms

第56次讀取 66總用時(shí): 97 ms

第57次讀取 18總用時(shí): 461 ms

第58次讀取 91總用時(shí): 247 ms

第59次讀取 46總用時(shí): 147 ms

第60次讀取 12總用時(shí): 702 ms

第61次讀取 79總用時(shí): 545 ms

第62次讀取 47總用時(shí): 956 ms

第63次讀取 17總用時(shí): 853 ms

第64次讀取 97總用時(shí): 771 ms

第65次讀取 74總用時(shí): 368 ms

第66次讀取 84總用時(shí): 790 ms

第67次讀取 72總用時(shí): 866 ms

第68次讀取 82總用時(shí): 742 ms

第69次讀取 93總用時(shí): 313 ms

第70次讀取 57總用時(shí): 917 ms

第71次讀取 61總用時(shí): 1185 ms

第72次讀取 66總用時(shí): 162 ms

第73次讀取 5總用時(shí): 168 ms

第74次讀取 68總用時(shí): 275 ms

第75次讀取 43總用時(shí): 1108 ms

第76次讀取 74總用時(shí): 281 ms

第77次讀取 65總用時(shí): 955 ms

第78次讀取 22總用時(shí): 1169 ms

第79次讀取 88總用時(shí): 501 ms

第80次讀取 80總用時(shí): 1685 ms

第81次讀取 92總用時(shí): 1286 ms

第82次讀取 89總用時(shí): 1680 ms

第83次讀取 30總用時(shí): 1537 ms

第84次讀取 41總用時(shí): 1576 ms

第85次讀取 2總用時(shí): 2193 ms

第86次讀取 52總用時(shí): 1817 ms

第87次讀取 8總用時(shí): 323 ms

第88次讀取 81總用時(shí): 1409 ms

第89次讀取 40總用時(shí): 577 ms

第90次讀取 88總用時(shí): 598 ms

第91次讀取 19總用時(shí): 2324 ms

第92次讀取 75總用時(shí): 2275 ms

第93次讀取 29總用時(shí): 668 ms

第94次讀取 77總用時(shí): 2773 ms

第95次讀取 62總用時(shí): 484 ms

第96次讀取 84總用時(shí): 883 ms

第97次讀取 32總用時(shí): 2945 ms

第98次讀取 44總用時(shí): 884 ms

第99次讀取 66總用時(shí): 631 ms

第100次讀取 38總用時(shí): 2739 ms/pre

非常奇怪的是 MinIO 整體性能略優(yōu)于 SSDB 但是理論上不太應(yīng)該， SSDB 怎么說也是半內(nèi)存半硬盤的NoSQL不應(yīng)該比純硬盤的 MinIO 性能要差，有可能是 SSDB 寫到一定數(shù)據(jù)量后把本機(jī)內(nèi)存寫爆了，導(dǎo)致讀寫非常慢。但這變相驗(yàn)證了 SSDB 在極端情況下的不穩(wěn)定。

分庫分表 VS newsql數(shù)據(jù)庫

最近與同行 科技 交流，經(jīng)常被問到分庫分表與分布式數(shù)據(jù)庫如何選擇，網(wǎng)上也有很多關(guān)于中間件+傳統(tǒng)關(guān)系數(shù)據(jù)庫（分庫分表）與NewSQL分布式數(shù)據(jù)庫的文章，但有些觀點(diǎn)與判斷是我覺得是偏激的，脫離環(huán)境去評價(jià)方案好壞其實(shí)有失公允。

本文通過對兩種模式關(guān)鍵特性實(shí)現(xiàn)原理對比，希望可以盡可能客觀、中立的闡明各自真實(shí)的優(yōu)缺點(diǎn)以及適用場景。

首先關(guān)于“中間件+關(guān)系數(shù)據(jù)庫分庫分表”算不算NewSQL分布式數(shù)據(jù)庫問題，國外有篇論文pavlo-newsql-sigmodrec，如果根據(jù)該文中的分類，Spanner、TiDB、OB算是第一種新架構(gòu)型，Sharding-Sphere、Mycat、DRDS等中間件方案算是第二種（文中還有第三種云數(shù)據(jù)庫，本文暫不詳細(xì)介紹）。

基于中間件（包括SDK和Proxy兩種形式）+傳統(tǒng)關(guān)系數(shù)據(jù)庫（分庫分表）模式是不是分布式架構(gòu)？我覺得是的，因?yàn)榇鎯Υ_實(shí)也分布式了，也能實(shí)現(xiàn)橫向擴(kuò)展。但是不是"偽"分布式數(shù)據(jù)庫？從架構(gòu)先進(jìn)性來看，這么說也有一定道理。"偽"主要體現(xiàn)在中間件層與底層DB重復(fù)的SQL解析與執(zhí)行計(jì)劃生成、存儲引擎基于B+Tree等，這在分布式數(shù)據(jù)庫架構(gòu)中實(shí)際上冗余低效的。為了避免引起真?zhèn)畏植际綌?shù)據(jù)庫的口水戰(zhàn)，本文中NewSQL數(shù)據(jù)庫特指這種新架構(gòu)NewSQL數(shù)據(jù)庫。

NewSQL數(shù)據(jù)庫相比中間件+分庫分表的先進(jìn)在哪兒？畫一個(gè)簡單的架構(gòu)對比圖：

這些大多也是NewSQL數(shù)據(jù)庫產(chǎn)品主要宣傳的點(diǎn)，不過這些看起來很美好的功能是否真的如此？接下來針對以上幾點(diǎn)分別闡述下的我的理解。

這是把雙刃劍。

CAP限制

想想更早些出現(xiàn)的NoSQL數(shù)據(jù)庫為何不支持分布式事務(wù)（最新版的mongoDB等也開始支持了），是缺乏理論與實(shí)踐支撐嗎？并不是，原因是CAP定理依然是分布式數(shù)據(jù)庫頭上的頸箍咒，在保證強(qiáng)一致的同時(shí)必然會犧牲可用性A或分區(qū)容忍性P。為什么大部分NoSQL不提供分布式事務(wù)？

那么NewSQL數(shù)據(jù)庫突破CAP定理限制了嗎？并沒有。NewSQL數(shù)據(jù)庫的鼻主Google Spanner（目前絕大部分分布式數(shù)據(jù)庫都是按照Spanner架構(gòu)設(shè)計(jì)的）提供了一致性和大于5個(gè)9的可用性，宣稱是一個(gè)“實(shí)際上是CA”的，其真正的含義是 系統(tǒng)處于 CA 狀態(tài)的概率非常高，由于網(wǎng)絡(luò)分區(qū)導(dǎo)致的服務(wù)停用的概率非常小 ，究其真正原因是其打造私有全球網(wǎng)保證了不會出現(xiàn)網(wǎng)絡(luò)中斷引發(fā)的網(wǎng)絡(luò)分區(qū)，另外就是其高效的運(yùn)維隊(duì)伍,這也是cloud spanner的賣點(diǎn)。詳細(xì)可見CAP提出者Eric Brewer寫的《Spanner, TrueTime 和CAP理論》。

完備性 ：

兩階段提交協(xié)議是否嚴(yán)格支持ACID，各種異常場景是不是都可以覆蓋？

2PC在commit階段發(fā)送異常，其實(shí)跟最大努力一階段提交類似也會有部分可見問題，嚴(yán)格講一段時(shí)間內(nèi)并不能保證A原子性和C一致性（待故障恢復(fù)后recovery機(jī)制可以保證最終的A和C）。完備的分布式事務(wù)支持并不是一件簡單的事情，需要可以應(yīng)對網(wǎng)絡(luò)以及各種硬件包括網(wǎng)卡、磁盤、CPU、內(nèi)存、電源等各類異常，通過嚴(yán)格的測試。之前跟某友商交流，他們甚至說目前已知的NewSQL在分布式事務(wù)支持上都是不完整的，他們都有案例跑不過，圈內(nèi)人士這么篤定，也說明了 分布式事務(wù)的支持完整程度其實(shí)是層次不齊的。

但分布式事務(wù)又是這些NewSQL數(shù)據(jù)庫的一個(gè)非常重要的底層機(jī)制，跨資源的DML、DDL等都依賴其實(shí)現(xiàn)，如果這塊的性能、完備性打折扣，上層跨分片SQL執(zhí)行的正確性會受到很大影響。

性能

傳統(tǒng)關(guān)系數(shù)據(jù)庫也支持分布式事務(wù)XA，但為何很少有高并發(fā)場景下用呢？ 因?yàn)閄A的基礎(chǔ)兩階段提交協(xié)議存在網(wǎng)絡(luò)開銷大，阻塞時(shí)間長、死鎖等問題，這也導(dǎo)致了其實(shí)際上很少大規(guī)模用在基于傳統(tǒng)關(guān)系數(shù)據(jù)庫的OLTP系統(tǒng)中。

NewSQL數(shù)據(jù)庫的分布式事務(wù)實(shí)現(xiàn)也仍然多基于兩階段提交協(xié)議，例如google percolator分布式事務(wù)模型，

采用原子鐘+MVCC+ Snapshot Isolation（SI），這種方式通過TSO(Timestamp Oracle)保證了全局一致性，通過MVCC避免了鎖，另外通過primary lock和secondary lock將提交的一部分轉(zhuǎn)為異步，相比XA確實(shí)提高了分布式事務(wù)的性能。

但不管如何優(yōu)化，相比于1PC，2PC多出來的GID獲取、網(wǎng)絡(luò)開銷、prepare日志持久化還是會帶來很大的性能損失，尤其是跨節(jié)點(diǎn)的數(shù)量比較多時(shí)會更加顯著，例如在銀行場景做個(gè)批量扣款，一個(gè)文件可能上W個(gè)賬戶，這樣的場景無論怎么做還是吞吐都不會很高。

雖然NewSQL分布式數(shù)據(jù)庫產(chǎn)品都宣傳完備支持分布式事務(wù)，但這并不是說應(yīng)用可以完全不用關(guān)心數(shù)據(jù)拆分，這些數(shù)據(jù)庫的最佳實(shí)踐中仍然會寫到，應(yīng)用的大部分場景盡可能避免分布式事務(wù)。

既然強(qiáng)一致事務(wù)付出的性能代價(jià)太大，我們可以反思下是否真的需要這種強(qiáng)一致的分布式事務(wù)？尤其是在做微服務(wù)拆分后，很多系統(tǒng)也不太可能放在一個(gè)統(tǒng)一的數(shù)據(jù)庫中。嘗試將一致性要求弱化，便是柔性事務(wù)，放棄ACID(Atomicity,Consistency, Isolation, Durability)，轉(zhuǎn)投BASE(Basically Available,Soft state,Eventually consistent)，例如Saga、TCC、可靠消息保證最終一致等模型，對于大規(guī)模高并發(fā)OLTP場景，我個(gè)人更建議使用柔性事務(wù)而非強(qiáng)一致的分布式事務(wù)。關(guān)于柔性事務(wù)，筆者之前也寫過一個(gè)技術(shù)組件，最近幾年也涌現(xiàn)出了一些新的模型與框架（例如阿里剛開源的Fescar），限于篇幅不再贅述，有空再單獨(dú)寫篇文章。

HA與異地多活

主從模式并不是最優(yōu)的方式，就算是半同步復(fù)制，在極端情況下（半同步轉(zhuǎn)異步）也存在丟數(shù)問題，目前業(yè)界公認(rèn)更好的方案是基于paxos分布式一致性協(xié)議或者其它類paxos如raft方式，Google Spanner、TiDB、cockcoachDB、OB都采用了這種方式，基于Paxos協(xié)議的多副本存儲，遵循過半寫原則，支持自動選主，解決了數(shù)據(jù)的高可靠，縮短了failover時(shí)間，提高了可用性，特別是減少了運(yùn)維的工作量，這種方案技術(shù)上已經(jīng)很成熟，也是NewSQL數(shù)據(jù)庫底層的標(biāo)配。

當(dāng)然這種方式其實(shí)也可以用在傳統(tǒng)關(guān)系數(shù)據(jù)庫，阿里、微信團(tuán)隊(duì)等也有將MySQL存儲改造支持paxos多副本的，MySQL也推出了官方版MySQL Group Cluster，預(yù)計(jì)不遠(yuǎn)的未來主從模式可能就成為 歷史 了。

需要注意的是很多NewSQL數(shù)據(jù)庫廠商宣傳基于paxos或raft協(xié)議可以實(shí)現(xiàn)【異地多活】，這個(gè)實(shí)際上是有前提的，那就是異地之間網(wǎng)絡(luò)延遲不能太高 。以銀行“兩地三中心”為例，異地之間多相隔數(shù)千里，延時(shí)達(dá)到數(shù)十毫秒，如果要多活，那便需異地副本也參與數(shù)據(jù)庫日志過半確認(rèn)，這樣高的延時(shí)幾乎沒有OLTP系統(tǒng)可以接受的。

數(shù)據(jù)庫層面做異地多活是個(gè)美好的愿景，但距離導(dǎo)致的延時(shí)目前并沒有好的方案。 之前跟螞蟻團(tuán)隊(duì)交流，螞蟻異地多活的方案是在應(yīng)用層通過MQ同步雙寫交易信息，異地DC將交易信息保存在分布式緩存中，一旦發(fā)生異地切換，數(shù)據(jù)庫同步中間件會告之?dāng)?shù)據(jù)延遲時(shí)間，應(yīng)用從緩存中讀取交易信息，將這段時(shí)間內(nèi)涉及到的業(yè)務(wù)對象例如用戶、賬戶進(jìn)行黑名單管理，等數(shù)據(jù)同步追上之后再將這些業(yè)務(wù)對象從黑名單中剔除。由于雙寫的不是所有數(shù)據(jù)庫操作日志而只是交易信息，數(shù)據(jù)延遲只影響一段時(shí)間內(nèi)數(shù)據(jù)，這是目前我覺得比較靠譜的異地度多活方案。

另外有些系統(tǒng)進(jìn)行了單元化改造，這在paxos選主時(shí)也要結(jié)合考慮進(jìn)去，這也是目前很多NewSQL數(shù)據(jù)庫欠缺的功能。

Scale橫向擴(kuò)展與分片機(jī)制

paxos算法解決了高可用、高可靠問題，并沒有解決Scale橫向擴(kuò)展的問題，所以分片是必須支持的。NewSQL數(shù)據(jù)庫都是天生內(nèi)置分片機(jī)制的，而且會根據(jù)每個(gè)分片的數(shù)據(jù)負(fù)載(磁盤使用率、寫入速度等)自動識別熱點(diǎn)，然后進(jìn)行分片的分裂、數(shù)據(jù)遷移、合并，這些過程應(yīng)用是無感知的，這省去了DBA的很多運(yùn)維工作量。以TiDB為例，它將數(shù)據(jù)切成region，如果region到64M時(shí)，數(shù)據(jù)自動進(jìn)行遷移。

分庫分表模式下需要應(yīng)用設(shè)計(jì)之初就要明確各表的拆分鍵、拆分方式（range、取模、一致性哈希或者自定義路由表）、路由規(guī)則、拆分庫表數(shù)量、擴(kuò)容方式等。相比NewSQL數(shù)據(jù)庫，這種模式給應(yīng)用帶來了很大侵入和復(fù)雜度，這對大多數(shù)系統(tǒng)來說也是一大挑戰(zhàn)。

這里有個(gè)問題是NewSQL數(shù)據(jù)庫統(tǒng)一的內(nèi)置分片策略（例如tidb基于range）可能并不是最高效的，因?yàn)榕c領(lǐng)域模型中的劃分要素并不一致，這導(dǎo)致的后果是很多交易會產(chǎn)生分布式事務(wù)。 舉個(gè)例子，銀行核心業(yè)務(wù)系統(tǒng)是以客戶為維度，也就是說客戶表、該客戶的賬戶表、流水表在絕大部分場景下是一起寫的，但如果按照各表主鍵range進(jìn)行分片，這個(gè)交易并不能在一個(gè)分片上完成，這在高頻OLTP系統(tǒng)中會帶來性能問題。

分布式SQL支持

常見的單分片SQL，這兩者都能很好支持。NewSQL數(shù)據(jù)庫由于定位與目標(biāo)是一個(gè)通用的數(shù)據(jù)庫，所以支持的SQL會更完整，包括跨分片的join、聚合等復(fù)雜SQL。中間件模式多面向應(yīng)用需求設(shè)計(jì)，不過大部分也支持帶拆分鍵SQL、庫表遍歷、單庫join、聚合、排序、分頁等。但對跨庫的join以及聚合支持就不夠了。

NewSQL數(shù)據(jù)庫一般并不支持存儲過程、視圖、外鍵等功能，而中間件模式底層就是傳統(tǒng)關(guān)系數(shù)據(jù)庫，這些功能如果只是涉及單庫是比較容易支持的。

NewSQL數(shù)據(jù)庫往往選擇兼容MySQL或者PostgreSQL協(xié)議，所以SQL支持僅局限于這兩種，中間件例如驅(qū)動模式往往只需做簡單的SQL解析、計(jì)算路由、SQL重寫，所以可以支持更多種類的數(shù)據(jù)庫SQL。

SQL支持的差異主要在于分布式SQL執(zhí)行計(jì)劃生成器，由于NewSQL數(shù)據(jù)庫具有底層數(shù)據(jù)的分布、統(tǒng)計(jì)信息，因此可以做CBO，生成的執(zhí)行計(jì)劃效率更高，而中間件模式下沒有這些信息，往往只能基于規(guī)則RBO（Rule-Based-Opimization），這也是為什么中間件模式一般并不支持跨庫join，因?yàn)閷?shí)現(xiàn)了效率也往往并不高，還不如交給應(yīng)用去做。

存儲引擎

傳統(tǒng)關(guān)系數(shù)據(jù)庫的存儲引擎設(shè)計(jì)都是面向磁盤的，大多都基于B+樹。B+樹通過降低樹的高度減少隨機(jī)讀、進(jìn)而減少磁盤尋道次數(shù)，提高讀的性能，但大量的隨機(jī)寫會導(dǎo)致樹的分裂，從而帶來隨機(jī)寫，導(dǎo)致寫性能下降。NewSQL的底層存儲引擎則多采用LSM，相比B+樹LSM將對磁盤的隨機(jī)寫變成順序?qū)懀蟠筇岣吡藢懙男阅堋２贿^LSM的的讀由于需要合并數(shù)據(jù)性能比B+樹差，一般來說LSM更適合應(yīng)在寫大于讀的場景。當(dāng)然這只是單純數(shù)據(jù)結(jié)構(gòu)角度的對比，在數(shù)據(jù)庫實(shí)際實(shí)現(xiàn)時(shí)還會通過SSD、緩沖、bloom filter等方式優(yōu)化讀寫性能，所以讀性能基本不會下降太多。NewSQL數(shù)據(jù)由于多副本、分布式事務(wù)等開銷，相比單機(jī)關(guān)系數(shù)據(jù)庫SQL的響應(yīng)時(shí)間并不占優(yōu)，但由于集群的彈性擴(kuò)展，整體QPS提升還是很明顯的，這也是NewSQL數(shù)據(jù)庫廠商說分布式數(shù)據(jù)庫更看重的是吞吐，而不是單筆SQL響應(yīng)時(shí)間的原因。

成熟度與生態(tài)

分布式數(shù)據(jù)庫是個(gè)新型通用底層軟件，準(zhǔn)確的衡量與評價(jià)需要一個(gè)多維度的測試模型，需包括發(fā)展現(xiàn)狀、使用情況、社區(qū)生態(tài)、監(jiān)控運(yùn)維、周邊配套工具、功能滿足度、DBA人才、SQL兼容性、性能測試、高可用測試、在線擴(kuò)容、分布式事務(wù)、隔離級別、在線DDL等等，雖然NewSQL數(shù)據(jù)庫發(fā)展經(jīng)過了一定時(shí)間檢驗(yàn)，但多集中在互聯(lián)網(wǎng)以及傳統(tǒng)企業(yè)非核心交易系統(tǒng)中，目前還處于快速迭代、規(guī)模使用不斷優(yōu)化完善的階段。

相比而言，傳統(tǒng)關(guān)系數(shù)據(jù)庫則經(jīng)過了多年的發(fā)展，通過完整的評測，在成熟度、功能、性能、周邊生態(tài)、風(fēng)險(xiǎn)把控、相關(guān)人才積累等多方面都具有明顯優(yōu)勢，同時(shí)對已建系統(tǒng)的兼容性也更好。

對于互聯(lián)網(wǎng)公司，數(shù)據(jù)量的增長壓力以及追求新技術(shù)的基因會更傾向于嘗試NewSQL數(shù)據(jù)庫，不用再考慮庫表拆分、應(yīng)用改造、擴(kuò)容、事務(wù)一致性等問題怎么看都是非常吸引人的方案。

對于傳統(tǒng)企業(yè)例如銀行這種風(fēng)險(xiǎn)意識較高的行業(yè)來說，NewSQL數(shù)據(jù)庫則可能在未來一段時(shí)間內(nèi)仍處于 探索 、審慎試點(diǎn)的階段。基于中間件+分庫分表模式架構(gòu)簡單，技術(shù)門檻更低，雖然沒有NewSQL數(shù)據(jù)庫功能全面，但大部分場景最核心的訴求也就是拆分后SQL的正確路由，而此功能中間件模式應(yīng)對還是綽綽有余的，可以說在大多數(shù)OLTP場景是夠用的。

限于篇幅，其它特性例如在線DDL、數(shù)據(jù)遷移、運(yùn)維工具等特性就不在本文展開對比。

總結(jié)

如果看完以上內(nèi)容，您還不知道選哪種模式，那么結(jié)合以下幾個(gè)問題，先思考下NewSQL數(shù)據(jù)庫解決的點(diǎn)對于自身是不是真正的痛點(diǎn)：

如果以上有2到3個(gè)是肯定的，那么你可以考慮用NewSQL數(shù)據(jù)庫了，雖然前期可能需要一定的學(xué)習(xí)成本，但它是數(shù)據(jù)庫的發(fā)展方向，未來收益也會更高，尤其是互聯(lián)網(wǎng)行業(yè)，隨著數(shù)據(jù)量的突飛猛進(jìn)，分庫分表帶來的痛苦會與日俱增。當(dāng)然選擇NewSQL數(shù)據(jù)庫你也要做好承擔(dān)一定風(fēng)險(xiǎn)的準(zhǔn)備。

如果你還未做出抉擇，不妨再想想下面幾個(gè)問題：

如果這些問題有多數(shù)是肯定的，那還是分庫分表吧。在軟件領(lǐng)域很少有完美的解決方案，NewSQL數(shù)據(jù)庫也不是數(shù)據(jù)分布式架構(gòu)的銀彈。相比而言分庫分表是一個(gè)代價(jià)更低、風(fēng)險(xiǎn)更小的方案，它最大程度復(fù)用傳統(tǒng)關(guān)系數(shù)據(jù)庫生態(tài)，通過中間件也可以滿足分庫分表后的絕大多數(shù)功能，定制化能力更強(qiáng)。 在當(dāng)前NewSQL數(shù)據(jù)庫還未完全成熟的階段，分庫分表可以說是一個(gè)上限低但下限高的方案，尤其傳統(tǒng)行業(yè)的核心系統(tǒng)，如果你仍然打算把數(shù)據(jù)庫當(dāng)做一個(gè)黑盒產(chǎn)品來用，踏踏實(shí)實(shí)用好分庫分表會被認(rèn)為是個(gè)穩(wěn)妥的選擇。

很多時(shí)候軟件選型取決于領(lǐng)域特征以及架構(gòu)師風(fēng)格，限于筆者知識與所屬行業(yè)特點(diǎn)所限，以上僅為個(gè)人粗淺的一些觀點(diǎn)，歡迎討論。

為什么PostgreSQL比MongoDB還快

PostgreSQL9.4帶來了全新的NoSQL特性，并且根據(jù)EnterpriseDB的測試，其加載，插入和查詢的性能都已經(jīng)幾倍于MongoDB了。

雖然我是PG的鐵桿粉絲，但是關(guān)系數(shù)據(jù)庫背負(fù)了ACID的重型裝甲，在性能上居然能打敗輕裝上陣的NoSQL數(shù)據(jù)庫總覺得有點(diǎn)離譜。

所以我在自己的環(huán)境里驗(yàn)證了一下EnterpriseDB的測試結(jié)果，并且小探一下PG取勝的原因。

1. EnterpriseDB的測試結(jié)果

以下是EnterpriseDB的測試結(jié)果(數(shù)據(jù)量為5000萬)

（還可以參考這篇譯文： ）

2. 我的驗(yàn)證結(jié)果

測試觀點(diǎn)

為了使測試結(jié)果更加單純，我準(zhǔn)備單純比拼CPU消耗(盡量排除IO和網(wǎng)絡(luò)的干擾)，設(shè)定以下測試條件。

1）所有數(shù)據(jù)都要放進(jìn)內(nèi)存

2）C/S都跑在同一臺單機(jī)上

所以，只在單機(jī)上進(jìn)行10萬條小數(shù)據(jù)量的測試。

注）EnterpriseDB的測試環(huán)境是32G內(nèi)存的Amazon Web Services M3.2XLARGE實(shí)例，總數(shù)據(jù)量超過內(nèi)存了。

測試環(huán)境

測試環(huán)境為個(gè)人PC上的VMware虛擬機(jī)

PC

CPU:Intel Core i5-3470 3.2G(4核)

MEM:6GB

SSD:OCZ-VERTEX4 128GB(VMware虛擬機(jī)所在磁盤，非系統(tǒng)盤)

OS:Win7

VMware虛擬機(jī)

CPU:4核

MEM:1GB

OS:CentOS 6.5

PG:PostgreSQL 9.4.0(shared_buffers = 428MB,其他是默認(rèn)值)

MG:MongoDB 3.0.2

測試步驟

測試步驟非常簡單,可以參考：

但是，在測試前，有些東西要改。

1)把數(shù)據(jù)量減小到10萬

pg_nosql_benchmark-master/pg_nosql_benchmark:

declare -a json_rows=(10000000)

==

declare -a json_rows=(100000)

2)修改mongo的一處腳本(注)

pg_nosql_benchmark-master/lib/mongo_func_lib.sh:

collectionsize="$(echo ${output}|awk -F"," '{print $5}'|cut -d":" -f2)"

==

collectionsize="$(echo ${output}|awk -F"," '{print $6}'|cut -d":" -f2)"

注)pg_nosql_benchmark原來是基于MongoDB 2.6設(shè)計(jì)的，MongoDB 3.0的db.json_tables.stats()輸出可能變了，所以這邊要修改一下。

Renix Perf IP網(wǎng)絡(luò)性能測試工具及測試用例參數(shù)詳解

1.1基于軟件的網(wǎng)絡(luò)及應(yīng)用服務(wù)性能測試工具

雙臂測試

單臂測試

1.2通過測試端點(diǎn)產(chǎn)生網(wǎng)絡(luò)流量對網(wǎng)絡(luò)性能進(jìn)行測量

TCP、UDP、PING

語音、視頻、HTTP、FTP、MAIL、組播

1.3測試端點(diǎn)軟件可以免費(fèi)安裝部署

局域網(wǎng)公網(wǎng)

2.1控制端（TestConsole）

●安裝于Windows7(64位）

●4核CPU，8GB內(nèi)存以上

150GB硬盤

2.2測試端點(diǎn)（TestPoint）

●軟件測試端點(diǎn)支持Linux、Windows、Android、VxWorks、各種國產(chǎn)OS

●硬件測試端點(diǎn)

3.1專有硬件盒子

3.2支持的OS

Windows；Linux；Android；國產(chǎn)OS

3.3支持的CPU架構(gòu)x86；PCPU；ARM；MIPS；Alpha?

3.4網(wǎng)絡(luò)接口 以太網(wǎng)；WiFi；3G、4G、5G

真實(shí)的協(xié)議棧，有狀態(tài)的Layer3-7應(yīng)用流量的產(chǎn)生和分析

測試端點(diǎn)支持計(jì)算平臺廣泛，支持高效的客戶定制化開發(fā)

支持大數(shù)據(jù)量存儲，超長時(shí)間的不間斷測試

Windows控制端、SQL及NoSQL數(shù)據(jù)存儲

運(yùn)行于64位 Windows測試管理測試端點(diǎn)資源；測試端點(diǎn)映射；測試用例測試報(bào)告

TestPoint輸入測試控制端IP運(yùn)行后注冊到測試控制端顯示每個(gè)TestPoint主機(jī)名、IP等信息

創(chuàng)建邏輯（虛擬）測試端點(diǎn)

將測試端點(diǎn)資源中測試端點(diǎn)映射到邏輯測試端點(diǎn)

測試資源與測試配置解耦合

測試配置可分享

無真實(shí)測試端點(diǎn)可預(yù)先做測試配置

更換測試端點(diǎn)后，無需重新再配置

定義測試用例名稱與測試時(shí)長用例依次串行方式執(zhí)行

測試鏈路配置協(xié)議，測試端點(diǎn)1和測試端點(diǎn)2，以及協(xié)議參數(shù)

1.1通過PC或者手機(jī)的WLAN接口包圍無線CPE，TestPoint產(chǎn)生流量執(zhí)行CPE性能測試，

1.2常見測試項(xiàng)目：

無線基準(zhǔn)性能測試

無線衰減測試

天線方向性測試

無線信道測試

信道競爭測試

無線并發(fā)測試

無線遠(yuǎn)近距離測試

穩(wěn)定性測試

環(huán)境適應(yīng)性測試

2.1 在虛擬化平臺的VM中部署TestPoint，測試vSwitch的交換性能

2.2常見測試指標(biāo)：吞吐量；時(shí)延；丟失率；亂序

3.1在服務(wù)器不同類型OS中部署TestPoint，通過多對一的方式測試服務(wù)器網(wǎng)絡(luò)性能

3.2常見測試指標(biāo)：吞吐量TCP業(yè)務(wù)交易速率\交易時(shí)間UDP業(yè)務(wù)交易速率\交易時(shí)間

在網(wǎng)絡(luò)端到端兩頭部署TestPoint，通過一對一的方式測試網(wǎng)絡(luò)的承載指標(biāo)常見測試指標(biāo)：TCP\UDP吞吐量；單向延遲；抖動；亂序

分享文章：nosql性能測試,淺談nosql技術(shù)及應(yīng)用論文
文章鏈接：http://chinadenli.net/article39/dsicgsh.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站設(shè)計(jì)公司、網(wǎng)站改版、網(wǎng)頁設(shè)計(jì)公司、面包屑導(dǎo)航、做網(wǎng)站、網(wǎng)站設(shè)計(jì)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)