《PolarDB-X开源分布式数据库实战进阶》——对PolarDB-X进行TP负载测试(2)

简介: 《PolarDB-X开源分布式数据库实战进阶》——对PolarDB-X进行TP负载测试(2)

《PolarDB-X开源分布式数据库实战进阶》——对PolarDB-X进行TP负载测试(1) https://developer.aliyun.com/article/1228682?groupCode=polardbforpg



 

image.png

 

上图列举了TPC-C的五种不同事务类型,包括New-Order下单、Payment支付、Delivery发货、Order-Status查询交易状况、Stock-Level查询库存状况。而最终衡量TPC-C性能结果使用tmpC,表示每分钟执行New-Order事务数,因为New-Order事务反映了下单场景中高频率且响应时间严格的读写混合事务的执行状况,是整个TPC-C workload的核心。Stock -Level库存查询状况中只包含一条查询,使用了子查询和join语句查询仓库的库存状况。

 

New-Order执行的步骤包括以下几步:

 

第一步,从warehouse 表和 customer 表中查询出信息。

 

第二步,更新对应的district地区信息。

 

第三步,向orders表和new_orders表插入一条新记录。

 

第四步,由于客户的一笔订单中会下单多件商品,需要针对购买的每一件商品更新stock表的库存信息,并向order_line表插入一行新记录。

 

第五步,提交事务。

从上述流程也可以体现出TPC-C和Sysbench的差别还在于TPC-C的事务遵循实际业务的规律与约束,而Sysbench则是纯随机的增删改查,不具备TPC-C测试的特性。因此,TPC-C具备数据完整性和一致性的概念,其规范包含了对数据完整性的约束。该约束与TPC-C的运行时间无关,比如orders表里持久化保存了所有下单记录,运行时间越来越长,orders表也会越来越大。从完整性约束中,可以推导出6条SQL(详情见后文),用于验证TPC-C的数据完整性。

 

image.png

 

TPC-H主要用于测评OLAP分析型查询的能力,而Sysbench和TPC-C则用于测评OLTP在线事务处理的能力。TPC-H包含了8张数据表、22条复杂的SQL查询,大多查询中还包含了多表join子查询、group-by等聚合操作。对于数据库的考验除了优化器的Join Reorder、join算法的选择,还有执行器、各种算子实现与多机并行执行等逻辑实现。

 

用户在使用上述3类测试工具的过程中会面临一系列问题,比如工具的编译、部署、执行结果如何收集统计、如何方便快捷地可视化呈现以及导入大规模数据应该如何选择合适的并发度等。

 

image.png

 

针对以上问题,我们推出了Benchmark Boot一站式压测平台,主打一站式、兼容性、易用性、可视化,一站式体现在内置了Sysbench、TPC-C、TPC-H三款精准测试工具,兼容性体现在可以在不同的系统平台安装部署,易用性则体现在整个压测流程均为白屏化操作,最终的测试结果也可以通过表格、折线图、柱状图等形式进行可视化展示。

 

相关安装使用文档点击此处查看网址

 

image.png

 

Benchmark Boot的部署安装步骤非常简单,我们提供了一键安装命令,也提供了Docker镜像,省去了处理依赖安装问题的麻烦。使用Benchmark Boot要求压测机需要有不低于4C8G的配置,因为压测机规格太低容易成为性能瓶颈。同时,还需要一台有浏览器的前端机器。

 

image.png



《PolarDB-X开源分布式数据库实战进阶》——对PolarDB-X进行TP负载测试(3) https://developer.aliyun.com/article/1228676?groupCode=polardbforpg

相关文章
|
10月前
|
数据采集 JSON JavaScript
Cypress 插件实战:让测试更稳定,不再“偶尔掉链子”
本文分享如何通过自定义Cypress插件解决测试不稳定的痛点。插件可实现智能等待、数据预处理等能力,替代传统硬性等待,有效减少偶发性失败,提升测试效率和可维护性。文内包含具体实现方法与最佳实践。
|
11月前
|
存储 关系型数据库 测试技术
玩转n8n测试自动化:核心节点详解与测试实战指南
n8n中节点是自动化测试的核心,涵盖触发器、数据操作、逻辑控制和工具节点。通过组合节点,测试工程师可构建高效、智能的测试流程,提升测试自动化能力。
|
Web App开发 人工智能 JavaScript
主流自动化测试框架的技术解析与实战指南
本内容深入解析主流测试框架Playwright、Selenium与Cypress的核心架构与适用场景,对比其在SPA测试、CI/CD、跨浏览器兼容性等方面的表现。同时探讨Playwright在AI增强测试、录制回放、企业部署等领域的实战优势,以及Selenium在老旧系统和IE兼容性中的坚守场景。结合六大典型场景,提供技术选型决策指南,并展望AI赋能下的未来测试体系。
|
存储 人工智能 算法
AI测试平台实战:深入解析自动化评分和多模型对比评测
在AI技术迅猛发展的今天,测试工程师面临着如何高效评估大模型性能的全新挑战。本文将深入探讨AI测试平台中自动化评分与多模型对比评测的关键技术与实践方法,为测试工程师提供可落地的解决方案。
|
存储 关系型数据库 分布式数据库
喜报|阿里云PolarDB数据库(分布式版)荣获国内首台(套)产品奖项
阿里云PolarDB数据库管理软件(分布式版)荣获「2024年度国内首版次软件」称号,并跻身《2024年度浙江省首台(套)推广应用典型案例》。
|
Cloud Native 关系型数据库 分布式数据库
登顶TPC-C|云原生数据库PolarDB技术揭秘:Limitless集群和分布式扩展篇
阿里云PolarDB云原生数据库在TPC-C基准测试中以20.55亿tpmC的成绩刷新世界纪录,展现卓越性能与性价比。其轻量版满足国产化需求,兼具高性能与低成本,适用于多种场景,推动数据库技术革新与发展。
|
10月前
|
人工智能 自然语言处理 JavaScript
Playwright MCP在UI回归测试中的实战:构建AI自主测试智能体
Playwright MCP结合AI智能体,革新UI回归测试:通过自然语言驱动浏览器操作,降低脚本编写门槛,提升测试效率与覆盖范围。借助快照解析、智能定位与Jira等工具集成,实现从需求描述到自动化执行的闭环,推动测试迈向智能化、民主化新阶段。
|
12月前
|
人工智能 缓存 测试技术
Playwright进阶指南 (6) | 自动化测试实战
2025企业级测试解决方案全面解析:从单元测试到千级并发,构建高可用测试体系。结合Playwright智能工具,解决传统测试维护成本高、环境依赖强、执行效率低等痛点,提升测试成功率,内容从测试架构设计、电商系统实战框架、高级测试策略、Docker化部署、CI/CD集成及AI测试应用,助力测试工程师掌握前沿技术,打造高效稳定的测试流程。
Playwright进阶指南 (6) | 自动化测试实战
|
11月前
|
人工智能 数据可视化 测试技术
AI 时代 API 自动化测试实战:Postman 断言的核心技巧与实战应用
AI 时代 API 自动化测试实战:Postman 断言的核心技巧与实战应用
1294 11

相关产品

  • 云原生数据库 PolarDB