Oracle Data Guard压缩归档测试(二)(r12笔记第27天)

简介: 昨天对Data Guard的归档压缩进行了一个初步的测试,我今天又做了一些补充。    1.昨天测试的是默认50M的redo,如果redo增大,在IO bound的场景中,是否有很大的变化    2.对于归档压缩来说,数据量如果增大,是否会有较大的抖动,昨天测试的是20G的数据量,初始化了50%    3.对于整个数据初始化的过程中,主备的延迟到底有多大,是否有延迟回落的现象。

昨天对Data Guard的归档压缩进行了一个初步的测试,我今天又做了一些补充。

   1.昨天测试的是默认50M的redo,如果redo增大,在IO bound的场景中,是否有很大的变化

   2.对于归档压缩来说,数据量如果增大,是否会有较大的抖动,昨天测试的是20G的数据量,初始化了50%

   3.对于整个数据初始化的过程中,主备的延迟到底有多大,是否有延迟回落的现象。

   我们一个一个来做解答。

首先是redo的大小调整,我们需要设置redo大小为200M,备库的standby logfile也是200M。

然后是生成的数据量,我们这次测试时间长一些,测试的过程尽量完整一些,数据量也大一些,所以调整为50G.

最后的主备的延迟,这个我们先不去查看数据字典里的数据,我们手工DIY一下,如果在 高性能MySQL 这本书中,测试主从延迟,是有一种实现方式,采用federated存储引擎,达到Oracle中类似db link的数据访问。而在Oracle中,实现起来就很简单了。

我们创建一个DB link,然后在主库中创建一个表

create table sysbench_dba.sync_delay(insert_time timestamp);

然后在备库中反问主库的这个表,对比备库的时间戳即可,假设我们指定的DBA账户是sysbench_dba

sqlplus -s / as sysdba <<EOF
set time on
set head off
set feedback off
col pri_timestamp format a35
col std_timestamp format a35
col diff_timestamp format a35
set linesize 150
delete from sync_delay@sync_link;
insert into sysbench_dba.sync_delay@sync_link select systimestamp from dual;
commit;
with pri_timestamp as (select insert_time from sysbench_dba.sync_delay@sync_link)
select (select insert_time from pri_timestamp)pri_timestamp,systimestamp std_timestamp,(select insert_time from pri_timestamp)-systimestamp diff_timestamp from dual;
EOF

运行这个脚本之后,会得到如下的结果。三列分别是主库时间,备库时间,最后是时间差,即延迟。

07-APR-17 10.37.43.330302 AM        07-APR-17 10.37.48.557999 AM +08:00 -000000000 00:00:05.227697这个算出来的会有一些因素的干扰,但是本身也能够说明一些情况。


◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆

接下来我们初始化数据,这次创建50G的数据,预期的数据量大概是100G左右。

# ./oewizard  -s -c oewizard.xml -allindexes  -ts users -tc 16 -v -cl -scale 50 -create开启归档压缩设置。

edit database sdataguru set property RedoCompression='ENABLE';
edit database dataguru set property RedoCompression='ENABLE';

◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆◇◆

IO wait的对比,左边是压缩归档,右边是不压缩。数据量相同。可以看到几乎没有差别。

网络带宽,这个指标蛮有意思,我来详细解读一下。

左边是压缩归档,右边是为压缩。为什么左边的部分中间有些中断呢,是因为swingbench初始化数据的过程中,前期是插入数据,然后补充约束关系,创建索引。整体来看压缩归档的均值在50M左右,峰值150M,而未压缩归档的均值要高一些,近100M

,峰值300M左右。

而这个数据和之前的redo 50M的对比是怎么样呢,就是下面的4个方框。第一个代表是50M redo开启压缩,第二个代表50M redo不压缩, 第三个代表 200M redo压缩, 第四个代表 200M redo未压缩。

通过这个数据能够看出一个大题的体量。


目录
相关文章
|
2月前
|
机器学习/深度学习 JSON 算法
实例分割笔记(一): 使用YOLOv5-Seg对图像进行分割检测完整版(从自定义数据集到测试验证的完整流程)
本文详细介绍了使用YOLOv5-Seg模型进行图像分割的完整流程,包括图像分割的基础知识、YOLOv5-Seg模型的特点、环境搭建、数据集准备、模型训练、验证、测试以及评价指标。通过实例代码,指导读者从自定义数据集开始,直至模型的测试验证,适合深度学习领域的研究者和开发者参考。
830 3
实例分割笔记(一): 使用YOLOv5-Seg对图像进行分割检测完整版(从自定义数据集到测试验证的完整流程)
|
2月前
|
测试技术
自动化测试项目实战笔记(三):测试用户注册(验证码错误,成功,出现弹框时处理)
本文是关于自动化测试项目实战笔记,主要介绍了如何测试用户注册功能,包括验证码错误、注册成功以及弹框处理的测试步骤和代码实现。
115 2
自动化测试项目实战笔记(三):测试用户注册(验证码错误,成功,出现弹框时处理)
|
2月前
|
Java 关系型数据库 MySQL
自动化测试项目实战笔记(一):JDK、Tomcat、MySQL、Jpress环境安装和搭建
这篇文章是关于自动化测试项目实战笔记,涵盖了JDK、Tomcat、MySQL、Jpress环境的安装和搭建过程,以及测试用例和常见问题总结。
54 1
自动化测试项目实战笔记(一):JDK、Tomcat、MySQL、Jpress环境安装和搭建
|
2月前
|
机器学习/深度学习 弹性计算 自然语言处理
前端大模型应用笔记(二):最新llama3.2小参数版本1B的古董机测试 - 支持128K上下文,表现优异,和移动端更配
llama3.1支持128K上下文,6万字+输入,适用于多种场景。模型能力超出预期,但处理中文时需加中英翻译。测试显示,其英文支持较好,中文则需改进。llama3.2 1B参数量小,适合移动端和资源受限环境,可在阿里云2vCPU和4G ECS上运行。
126 1
|
2月前
|
人工智能 算法 测试技术
自动化测试项目实战笔记(二):解决验证码识别问题
这篇文章介绍了三种自动化测试中验证码识别的方法:使用Python的pytesseract和PIL模块、利用第三方API如万维易源,以及使用开源的ddddocr库,还提到了一些注意事项,比如如何获取验证码区域的截图。
91 2
|
2月前
|
JSON 算法 数据可视化
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
这篇文章是关于如何通过算法接口返回的目标检测结果来计算性能指标的笔记。它涵盖了任务描述、指标分析(包括TP、FP、FN、TN、精准率和召回率),接口处理,数据集处理,以及如何使用实用工具进行文件操作和数据可视化。文章还提供了一些Python代码示例,用于处理图像文件、转换数据格式以及计算目标检测的性能指标。
74 0
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
|
2月前
|
机器学习/深度学习 并行计算 数据可视化
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用PaddleClas框架完成多标签分类任务,包括数据准备、环境搭建、模型训练、预测、评估等完整流程。
147 0
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
|
2月前
|
机器学习/深度学习 JSON 算法
语义分割笔记(二):DeepLab V3对图像进行分割(自定义数据集从零到一进行训练、验证和测试)
本文介绍了DeepLab V3在语义分割中的应用,包括数据集准备、模型训练、测试和评估,提供了代码和资源链接。
295 0
语义分割笔记(二):DeepLab V3对图像进行分割(自定义数据集从零到一进行训练、验证和测试)
|
2月前
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
64 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
|
2月前
|
测试技术 数据安全/隐私保护 Python
自动化测试项目实战笔记(四):测试用户登录(账号密码错误,成功,出现弹框等情况)
本文介绍了使用Selenium进行自动化测试时如何测试用户登录的不同情况,包括账号密码错误、登录成功以及处理登录时出现的弹框,并提供了相应的Python代码实现。
89 0
自动化测试项目实战笔记(四):测试用户登录(账号密码错误,成功,出现弹框等情况)

推荐镜像

更多
下一篇
DataWorks