“你們的數(shù)據(jù)庫(kù)性能怎么樣？”

“能不能滿(mǎn)足我們的業(yè)務(wù)？”

“和其他數(shù)據(jù)庫(kù)對(duì)比性能有優(yōu)勢(shì)么？”

......

客戶(hù)在使用數(shù)據(jù)庫(kù)時(shí)常有這樣的擔(dān)心和疑問(wèn)。

本文從測(cè)試方案、測(cè)試工具、測(cè)試場(chǎng)景、測(cè)試結(jié)果等方面詳細(xì)介紹了GaussDB(for Influx)和開(kāi)源InfluxDB集群在X86架構(gòu)下的性能測(cè)試情況。測(cè)試結(jié)果顯示，GaussDB(for Influx)較企業(yè)版InfluxDB集群能提供更高的寫(xiě)入性能、更低的訪問(wèn)延遲以及更高的數(shù)據(jù)壓縮率。

1測(cè)試方案

1.1資源配置

服務(wù)端配置

1.2測(cè)試工具

測(cè)試工具為開(kāi)源性能工具TS-benchMark。

2測(cè)試設(shè)計(jì)

2.1測(cè)試模型

本次測(cè)試采用風(fēng)力發(fā)電數(shù)據(jù)模型，每個(gè)風(fēng)場(chǎng)50個(gè)設(shè)備，每個(gè)設(shè)備50個(gè)傳感器，1個(gè)風(fēng)場(chǎng)1個(gè)線(xiàn)程，通過(guò)load數(shù)據(jù)的線(xiàn)程數(shù)來(lái)控制時(shí)間線(xiàn)的大小，通過(guò)收集時(shí)間的長(zhǎng)短來(lái)控制數(shù)據(jù)量。

模型每條數(shù)據(jù)大小約為24字節(jié)，具體的類(lèi)型如下：

Timestamp | farm | device | sensor | value

2.2測(cè)試數(shù)據(jù)量

測(cè)試數(shù)據(jù)分為兩個(gè)場(chǎng)景，大數(shù)據(jù)量和小數(shù)據(jù)量，具體數(shù)據(jù)量如下：

注：企業(yè)版InfluxDB在插入到47億數(shù)據(jù)時(shí)OOM，以下性能對(duì)比都基于此數(shù)據(jù)量。

2.3測(cè)試場(chǎng)景

2.3.1數(shù)據(jù)寫(xiě)入場(chǎng)景

lbatch_size(每個(gè)批次寫(xiě)入的數(shù)據(jù)量) 固定為50，線(xiàn)程數(shù)分別從1、2、4、8、16、32、64、128、256、512 遞增；

l線(xiàn)程數(shù)（客戶(hù)端并發(fā)請(qǐng)求的連接數(shù)）固定為8， batch_size分別從50、100、150、200、250、300 遞增。

2.3.2數(shù)據(jù)查詢(xún)場(chǎng)景

單線(xiàn)程進(jìn)行不同語(yǔ)句的查詢(xún)，并統(tǒng)計(jì)其時(shí)延信息。

第一類(lèi)查詢(xún)： 所有TAG查詢(xún)

select *

from sensor

where f='f1' and d='d2' and s='s1' and time>=1514768400000000000 and time<=1514772000000000000

第二類(lèi)查詢(xún)： TAG+VALUE查詢(xún)

select *

from sensor

where f='f1' and s='d2' and value>=3.0 and time>=1514768400000000000 and time<1514854800000000000

第三類(lèi)查詢(xún)： 聚合查詢(xún)

select mean(value)

from sensor

where f='f1' and s='s1' and time>=1514768400000000000 and time<=1514854800000000000 group by f,d,s,time(1h)

第四類(lèi)查詢(xún)： 或條件查詢(xún)

select *

from sensor

where f='f1' and (s='s1' or s='s2' or s='s3' or s='s4' or s='s5') and time>=1514768400000000000 and time<=1514769150000000000

第五類(lèi)查詢(xún)： 單個(gè)TAG查詢(xún)

select *

from sensor

where f='f1' and time>=1514768400000000000 and time<=1514769150000000000

3測(cè)試結(jié)果分析

3.1寫(xiě)入吞性能比對(duì)

在小數(shù)據(jù)量場(chǎng)景下，GaussDB(for Influx)的寫(xiě)入性能是企業(yè)版InfluxDB的13倍左右，在大數(shù)據(jù)量的場(chǎng)景下可以達(dá)到1.8倍左右。

3.2查詢(xún)性能對(duì)比

1）第一類(lèi)查詢(xún)（所有TAG查詢(xún)）：無(wú)論是大數(shù)據(jù)量還是小數(shù)據(jù)量場(chǎng)景下，GaussDB(for Influx)的吞吐量是開(kāi)源InfluxDB企業(yè)版的2倍左右。

2）第二類(lèi)查詢(xún)（TAG+VALUE查詢(xún)）：在小數(shù)據(jù)量場(chǎng)景下，開(kāi)源InfluxDB企業(yè)版性能高于GaussDB(for Influx)，GaussDB(for Influx)在大數(shù)據(jù)量和小數(shù)據(jù)量場(chǎng)景下性能基本持平。

3）第三類(lèi)查詢(xún)（聚合查詢(xún)）：GaussDB(for Influx)查詢(xún)性能明顯優(yōu)于開(kāi)源InfluxDB企業(yè)版，在小數(shù)據(jù)量場(chǎng)景下是開(kāi)源版本的14倍，大數(shù)據(jù)量下也是開(kāi)源版本的8倍左右。

4）第四類(lèi)查詢(xún)（或條件查詢(xún)）：GaussDB(for Influx)查詢(xún)性能在兩種場(chǎng)景下比較穩(wěn)定，開(kāi)源企業(yè)版InfluxDB在兩種場(chǎng)景下差異較大；GaussDB(for Influx)在小數(shù)據(jù)量場(chǎng)景下表現(xiàn)優(yōu)于開(kāi)源版，在大數(shù)據(jù)量場(chǎng)景下低于開(kāi)源版。

5）第五類(lèi)查詢(xún)（單個(gè)TAG查詢(xún)）：GaussDB(for Influx)查詢(xún)性能在兩種場(chǎng)景下比較穩(wěn)定，在大數(shù)據(jù)量場(chǎng)景下低于開(kāi)源版。

3.3數(shù)據(jù)壓縮率對(duì)比

在250萬(wàn)時(shí)間線(xiàn)場(chǎng)景下，GaussDB(for Influx)導(dǎo)入了151億條數(shù)據(jù)，導(dǎo)入前數(shù)據(jù)大小為337.5G，導(dǎo)入后為49.8G，壓縮率為6.8；開(kāi)源企業(yè)版導(dǎo)入了47億條數(shù)據(jù)，導(dǎo)入前105G，導(dǎo)入后21.3G，壓縮率為4.9。GaussDB(for Influx)壓縮率是開(kāi)源企業(yè)版的1.4倍左右。

Influx引擎采用LSM tree架構(gòu)，隨著后臺(tái)compaction的進(jìn)行，壓縮率會(huì)進(jìn)一步提升，當(dāng)前數(shù)據(jù)對(duì)比是數(shù)據(jù)剛導(dǎo)入時(shí)的結(jié)果。

4總結(jié)

在GaussDB(for Influx)2節(jié)點(diǎn)對(duì)比開(kāi)源版3節(jié)點(diǎn)場(chǎng)景下，GaussDB(for Influx)給客戶(hù)帶來(lái)了更高的寫(xiě)入能力、更穩(wěn)定的查詢(xún)能力、更高的壓縮率。GaussDB(for Influx)寫(xiě)入能力在小數(shù)據(jù)量場(chǎng)景下是開(kāi)源企業(yè)版的13倍，在大數(shù)據(jù)量場(chǎng)景下是開(kāi)源企業(yè)版的1.8倍；查詢(xún)能力在兩種場(chǎng)景下表現(xiàn)穩(wěn)定，在大部分查詢(xún)場(chǎng)景下優(yōu)于開(kāi)源企業(yè)版；在壓縮率方面，同樣數(shù)據(jù)模型下，高出開(kāi)源版本40%。

除了以上優(yōu)勢(shì)外，GaussDB(for Influx)還在集群化、冷熱分級(jí)存儲(chǔ)、高可用方面也做了深度優(yōu)化，能更好地滿(mǎn)足時(shí)序應(yīng)用的各種場(chǎng)景。

審核編輯：湯梓紅