开发者社区> 马柯> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

DRDS实例性能评估分析

简介: 一.         DRDS性能评估分析目标 通常我们在分布式数据库选项过程中会对DRDS进行性能评估分析,我认为主要包含以下3个目的: 1.评估DRDS性能,判断DRDS是否满足预期的性能需求
+关注继续查看

一.DRDS实例性能评估分析目标

通常我们在分布式数据库选项过程中会对DRDS实例进行性能评估分析,我认为主要包含以下3个目的:

1.评估DRDS性能,判断DRDS是否满足预期的性能需求

2.获取DRDS性能容量及各负载条件下性能表现,为容量规划提供参考依据

3.定位诊断DRDS性能瓶颈及原因并调整优化

 

二.性能评估分析主要性能指标

 

1.资源指标:

CPU 利用率:DRDS 服务节点的CPU资源平均利用率

网络输入流量:DRDS 服务节点的网络输入流量的总和

网络输出流量:DRDS 服务节点的网络输出流量的总和

连接数:应用到 DRDS 的连接总数

活跃线程数:DRDS 用来执行 SQL 的线程数

 

产品业务性能指标:

逻辑 QPS:DRDS 服务节点每秒处理的 SQL 语句数目的总和

物理 QPS:DRDS 服务节点每秒发送到 RDS 的 SQL 操作数总和

逻辑 RT:DRDS 对于每条 SQL 的平均响应时间

物理 RT:DRDS 发送到 RDS 的 SQL 的平均响应时间

 

压测工具性能指标:

每秒SQL数:每秒压测工具执行的SQL数量总和

平均响应时间:压测工具的每个请求从发生到接受响应的平均延迟时间

 

三.性能评估分析原理及方法

c110c537a96de3cfe7e701950b0ad4c76a0cd7f9

上面这图是比较典型的负载、资源、吞吐量、响应时间之间的趋势关系


图例说明:

1.轻负载区:随着负载的增加,响应时间变化不大,系统资源利用率和TPS几乎线性增长
2.重负载区:随着负载持续的增加,资源开始趋于饱和,TPS到达拐点

3.崩溃区:随着负载的进一步增加,这时候的系统资源主要消耗在资源竞争和调度上,TPS反而开始保持平稳状态或开始下降,请求队列里的请求开始膨胀,响应时间开始快速上升

 

结合这个原理,一些经过实践总结的简单公式也可以帮助我们分析,前提条件,模拟的虚拟并发用户数没有思考时间,上一个请求完成后马上请求下一个:

从压测工具端来看:

                  TPS或QPS=并发用户数  /  响应时间 

                  并发用户数 = TPS * 响应时间

                  响应时间 = 并发用户数 * TPS

 

DRDS端来看: 

                 QPS=活跃线程数  /  SQL逻辑时间 

                 活跃线程数= QPS * SQL逻辑时间

                 SQL逻辑时间=活跃线程数 *  QPS

 

 

四.性能评估压测工具使用

请查看地址:https://yq.aliyun.com/articles/133785

 

五.性能评估分析案例

 

1.压测环境


DRDS规格: 4C4G

压测表结构:一张用户表,按u_id进行分库

eba4b4f74e890af7301fc22430fc9be4380ebb7a

2.压测模型:

SQL类型

SQL语句

SQL比例

插入

INSERT INTO `marcotest`.`user_tbl`

(`u_name`,

`u_phone`,

`u_national`

)

VALUES

(?,?,'China');

20%

查询

select * from `marcotest`.`user_tbl` where u_id=?

70%

更新

update `marcotest`.`user_tbl` set u_phone=? where u_id=?

10%

 

 3.压测结果

通过Jmeter按压测模型来对DRDS发起压力,压测结果如下:

 

8并发:

a52427d073e6cdf3de03b113d5e78ea24cfe3c85

16并发:

50cb761a5ce5d89e6a38ca473408446c1ebe95a5

32并发:

80b4e9c8dd14a15e87486faba7909fd84bc6b66c

48并发:

b967d535a47bc241e6238f20bfcda7abb19ccd64

64并发:

b213b84ab17ec53c80da01926f04aa4f676ddaa8

80并发:

57e4f19f373cec99786f6d4425cf7e6dd843d9c7


 

DRDS CPU资源利用率:


1e1d42ab802aa8eb39f6757898ca01e3be621c72

 

整理后的结果数据:

并发用户数

平均响应时间(ms)

每秒SQL数(个)

CPU平均利用率(百分比)

8

4

1778

40%

16

4

3490

70%

32

5.5

5413

85%

48

7.5

6095

90%

64

9.5

6387

95%

80

12

6483

99%

 

4.性能分析:

3b6d7c8d4af4ce6080b77972eab171b061b7d45d

250b65330d68d6cf3462f222c52abcfbe7668432

      在当前测试环境下,按压测模型进行压测,从结果数据结合分析方法原理来看,当并发超过32后以后QPS增长缓慢,并且CPU利用率趋于饱和,可以判断这个时候资源基本快达到瓶颈,导致吞吐量上涨受限。另外我们可以看到资源没有瓶颈的时候,响应时间基本保持平缓趋势,一旦资源饱和时,上涨趋势比较明显。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
AVS3关键技术、性能和复杂度分析
本文由北京大学的范逵博士在LiveVideoStack线上分享第三季,第七期的内容整理而成,本次分享将主要从AVS3关键技术介绍、AVS3性能测试两个方面介绍AVS3基准档次中新采纳的编码工具,并分析这些编码工具的性能和计算复杂度。
676 0
“性能优化的思路”--实例分析
      性能优化是一个离我们很近的话题。流程优化、软件优化、硬件优化、系统优化,更为具体的有apache优化、nginx优化、mysql优化、lvs优化、haproxy优化等等。这么多东西需要优化,我们都能学会吗?能,只要你想学。
720 0
x3d
csdn css
body{color:#666;}a:link,a:visited,a:active,#csdnblog_header h1 a,.user_article h1 a{color:#000;text-decoration:none;}a:hover,#csdnblog_header h1 a:hover,.
507 0
sudo 详解+实例
    sudo详解 [ 感谢原创作者]sudo 授权许可使用的su,也是受限制的su1. sudo 的适用条件由于su 对切换到超级权限用户root后,权限的无限制性,所以su并不能担任多个管理员所管理的系统。
732 0
+关注
马柯
云计算屌丝一枚,专注于上云服务技术咨询支持
4
文章
1
问答
来源圈子
更多
作为全球云计算的领先者,阿里云为全球230万企业提供着云计算服务,服务范围覆盖200多个国家和地区。我们致力于为企业、政府等组织机构提供安全可靠的云计算服务,给用户带来极速愉悦的服务体验。
+ 订阅
文章排行榜
最热
最新
相关电子书
更多
低代码开发师(初级)实战教程
立即下载
阿里巴巴DevOps 最佳实践手册
立即下载
冬季实战营第三期:MySQL数据库进阶实战
立即下载