最佳实践—如何选择实例规格

本文涉及的产品
云原生数据库 PolarDB 分布式版,标准版 2核8GB
简介: 实例规格越高代表实例的性能越强,本文介绍了选择实例规格的方法。 PolarDB-X实例主要由计算节点和存储节点联合提供服务,单个节点按照CPU/MEM来划分实例的多种规格,多个节点一起组成PolarDB-X实例。实例规格请参见规格说明。

节点规格类型

系列 规格码 CPU和内存 最大存储 最大连接数 最大IOPS 特点
通用 polarx.x4.medium.2e 2核8G 3072GB 20000 4000 定位入门级,用于测试、体验和极小负载的场景。
polarx.x4.large.2e 4核16G 3072GB 20000 7000 CPU和MEM配比为1:4,复用计算资源享受规模红利,性价比高。
polarx.x4.xlarge.2e 8核32G 3072GB 20000 12000
polarx.x4.2xlarge.2e 16核64G 3072GB 20000 14000
独享 polarx.x8.large.2e 4核32G 3072GB 20000 9000 CPU和MEM配比为1:8,独占分配到的计算资源(如CPU),性能表现更加稳定。
polarx.x8.xlarge.2e 8核64G 3072GB 20000 18000
polarx.x8.2xlarge.2e 16核128G 3072GB 20000 36000
polarx.x8.4xlarge.2e 32核128G 3072GB 20000 36000
polarx.x8.4xlarge.2e 32核256G 3072GB 20000 72000
独占 polarx.st.8xlarge.25 60核470G 6144GB 20000 120000 独占物理机规格,可以有更好的资源使用保障。
polarx.st.12xlarge.25 90核720G 6144GB 20000 140000

实例规格=节点数×节点规格 (计算节点+存储节点)

举例如下:

polarx.x8.xlarge.2e独享规格,节点数为2个,性能数据如下:存储6TB (3072GB×2)、连接数40000 (20000×2)、最大IOPS 36000 (18000×2)。

按照存储容量选择

按照业务的存储空间估算逻辑:

  1. 业务的数据存储会随着时间而持续增加,可以预估1~2年内的业务增长量,判断需要的最大存储空间。
  2. PolarDB-X的数据存储分为:数据空间、系统文件空间、日志空间等,比较建议单节点的存储使用量保持在70%以下。

示例:

当前业务的存储空间为1500GB,每天新增约10GB,按照1年的业务预估来看,总计约5150GB的存储。按照使用量70%来计算,预估需要5150GB / 0.7 = 7357GB的存储空间诉求,如果按照独享规格polarx.x8.xlarge.2e (节点存储上限3TB),最后判断需要CEILING(7357GB/3072GB) = CEILING(2.39) = 3个节点。

按照并发量选择

按照业务的并发量的估算逻辑:

  1. PolarDB-X的节点规格资源限制,包含CPU、MEM、连接数、IOPS等。在面向事务型场景下,一般比较常见是CPU瓶颈为主,可通过业务的QPS预期进行估算和推导。
  2. 按照常见的sysbench/TPC-C的偏交易混合读写场景,单core估算可支持的QPS为1000~3000,按照独享规格polarx.x8.xlarge.2e单节点预估可支持1~2万的QPS。
    说明 业务的流量模型和通用benchmark会有比较多的差异,单节点的QPS仅供估算参考,比较建议基于业务流量进行实际压测。
  3. 常规的峰值流量,PolarDB-X建议单节点的资源使用量保持在70%以下。

示例:

当前业务的QPS峰值预估为10万QPS,预留70%的资源余量,预计需要支持14万QPS的资源,按照PolarDB-X单节点支持2万的能力来估算,预估需要7个节点。

按照多维度组合选择

示例:

当前业务的QPS峰值预估为10万QPS,当前业务的存储空间为1500GB,每天新增约10GB,按照1年的业务预估来看,总计约5150GB的存储。

建议的选择逻辑:

  1. 分布式数据库由多个节点组成,会有类似的木桶效应,比如突发流量导致个别节点达到资源瓶颈,会导致整体实例出现部分慢SQL的现象。因此,节点规格推荐独享型,建议生产环境8核64G起步,默认存储空间有3072GB(3TB)。
  2. 分别按照存储容量和并发量分别估算需要的节点数和CPU规格,比如例子中需要CPU 56核、存储7357GB,可以按照最小覆盖原则进行计算。存储空间最小需要3个节点覆盖,PolarDB-X提供了存储包的按量付费模式,存储需要的节点数可以作为下限,上限可以选择CPU核数的最小覆盖,可以选择7个节点的8核64G或4个节点的16核128G。
  3. 业务流量如果包含报表分析的场景,因涉及更多数据计算的代价,建议选择4个节点的16核128G,优先大节点规格,提高木桶边的上限。另外的场景下,建议选择7个节点的8核64G,更多的节点数可以支撑更大的存储空间,未来实例规格的升配也优先建议升配单个节点规格。
相关文章
|
存储 安全 Linux
s3fs挂载S3对象桶
s3fs(Simple Storage Service File System)是一个基于FUSE(Filesystem in Userspace)的文件系统,它允许将S3(Simple Storage Service)或其他兼容S3 API的对象存储服务挂载到本地文件系统中,从而能够像访问本地磁盘一样访问远程对象存储。以下是通过s3fs挂载OBS(Object Storage Service,对象存储服务,这里以华为云OBS为例)对象桶的基本步骤: ### 一、环境准备 1. **安装s3fs**: - 对于CentOS系统,可以使用yum安装s3fs-fuse: ```
1940 7
|
Kubernetes Ubuntu 搜索推荐
containerd配置HTTP私仓
在240个字符内,以下是摘要: 在Ubuntu 22.04上,配置K8S基础环境后,安装Docker并设置镜像加速,接着部署私有的Harbor仓库(HTTP访问)。要将镜像推送到Harbor,需编辑Docker的`daemon.json`加入不安全注册表,然后重启服务。通过`docker login`、`docker tag`和`docker push`推送到Harbor。此外,配置`containerd`以信任Harbor的HTTP地址,更新`/etc/containerd/certs.d/`,重启服务后,使用`ctr`拉取和推送镜像至Harbor。
containerd配置HTTP私仓
|
边缘计算 人工智能 物联网
物联网未来展望:5G、AI与边缘计算的融合之路
本篇详细探讨了物联网领域的未来展望,包括5G与物联网的融合、人工智能在物联网中的应用,以及边缘计算与物联网的发展趋势。通过代码示例,读者可以了解如何利用5G网络进行物联网设备间的高效数据传输,以及如何应用人工智能技术进行智能感知和数据分析。此外,我们还介绍了边缘计算在物联网中的重要作用,以及如何在边缘设备上进行数据处理和分析。通过本篇内容,读者将对物联网未来的技术发展有更全面的认识,为把握物联网领域的机遇提供有益的前瞻性指导。
937 0
|
弹性计算 虚拟化 异构计算
阿里云GPU服务器NVIDIA A10 GPU卡包年包月、按小时收费价格表
阿里云GPU服务器NVIDIA A10 GPU卡包年包月、按小时收费价格表
1508 0
|
存储 云安全 安全
如何保障云上数据安全?一文详解云原生全链路加密
对于云上客户而言,其云上数据被妥善的安全保护是其最重要的安全需求,也是云上综合安全能力最具象的体现。本文作者将从云安全体系出发,到云数据安全,再到云原生安全体系对全链路加密进行一次梳理,从而回答:在云原生时代,全链路加密需要做什么?如何做到?以及未来要做什么?
如何保障云上数据安全?一文详解云原生全链路加密
|
弹性计算 Ubuntu 物联网
我的ECS使用体验报告
学生用户初次使用阿里云服务器的体验报告
|
SQL 缓存 运维
超干货连载(一)RDS for MySQL 三节点企业版 Learner 只读实例解析
本文介绍三节点企业版只读实例的相关功能和技术实现。
1549 0
超干货连载(一)RDS for MySQL 三节点企业版 Learner 只读实例解析
|
机器学习/深度学习 弹性计算 人工智能
|
SQL Oracle 关系型数据库