postgresql集群方案hot standby初级测试(二) ——处理数据能力

本文涉及的产品
云原生数据库 PolarDB PostgreSQL 版,标准版 2核4GB 50GB
云原生数据库 PolarDB MySQL 版,通用型 2核4GB 50GB
简介:

先写上数据库配置:

一个主数据库,两个从数据库

主数据库:Intel(R) Pentium(R) D CPU 2.80GHz *2                   |        MemTotal:      1027072 kB

从库1     :Pentium(R) Dual-Core  CPU      E5200  @ 2.50GHz|        MemTotal:      2066020 kB

从库2     :Pentium(R) Dual-Core  CPU      E5200  @ 2.50GHz|        MemTotal:      2066020 kB

 

本人自己写了c语言的测试脚本,用到了libpq c库,这里附上源码:

  1. #include <stdio.h>  
  2. #include <libpq-fe.h>  
  3. #include <pthread.h>  
  4. #include <sys/time.h>  
  5.   
  6. /* 
  7. 首先创建一个简单的表只有userid和name 
  8. CREATE TABLE t_user 
  9. ( 
  10.   userid character varying(25), 
  11.   name character varying(25) 
  12. ) 
  13. */  
  14.   
  15. void thread(char *count){  
  16.     int i,j;  
  17.     const char *conninfo;  
  18.     char char_time[1024];  
  19.     PGresult *res;  
  20.     PGconn *conn;  
  21.     j = atoi(count);  
  22.     struct timeval tpstart,tpend;  
  23.     float timeuser;  
  24.     gettimeofday(&tpstart,NULL);  
  25.     //数据库配置(主机地址,用户名,端口,数据库名)  
  26.     conninfo = "hostaddr=192.168.30.150 user=postgres port=5433 dbname=lengzijian";  
  27.     conn = PQconnectdb(conninfo);  
  28.     for(i = 0;i<j;i++){  
  29.         sprintf(char_time,"insert into t_user values ('%d','lengzijian')",i);  
  30.         res = PQexec(conn, char_time);  
  31.         if(!res||PQresultStatus(res)!=PGRES_COMMAND_OK)   
  32.         {  
  33.             printf("insert failed:%s--[%d]\n",PQerrorMessage(conn),i);   
  34.             PQclear(res);   
  35.         }  
  36.         PQclear(res);  
  37.     }  
  38.     gettimeofday(&tpend,NULL);  
  39.     timeuser=1000000*(tpend.tv_sec-tpstart.tv_sec)+tpend.tv_usec-tpstart.tv_usec;  
  40.     timeuser /=1000000;  
  41.     //输出每个线程的运行时间,方便计算平均值  
  42.     printf("Used Time:%f\n",timeuser);  
  43.     PQfinish(conn);  
  44.       
  45. }   
  46. //第一个变量表示线程数,第二个参数表示并发量(每个线程的插入测试)  
  47. int main(int argc,char *argv[])  
  48. {  
  49.     int i, j;  
  50.     j = atoi(argv[1]);  
  51.     pthread_t id[j];   
  52.     int ret;  
  53.     if(argc < 3){  
  54.         printf("Not enough arguments, exiting...");  
  55.         return -1;  
  56.     }   
  57.   
  58.     for(i=0;i<j;i++)  
  59.         ret=pthread_create(&id[i],NULL,(void *) thread,argv[2]);   
  60.   
  61.     /* 关闭数据库连接并清理 */  
  62.     for(i=0;i<j;i++)  
  63.         pthread_join(id[i],NULL);   
  64.       
  65. }  


编译方法:

  1. gcc test.c -lpq #千万别忘了-lpq  


 

使用方法:

  1. ./a.out 1 1000         #表示1个线程1000个插入操作  


 

由于本人机器并非服务器,所以数据只用来参考,希望读者可以用上面的代码,测试服务器上主机后,发送给本人,本人不胜感激!!!!

直接上数据:

线程数量

每个线程插入次数

总时间(s)

每秒处理次数

1

1000

0.684

1461.988304

1

10000

6.56

1524.390244

1

50000

33.008

1514.784295

1

100000

76.972

1299.173726

2

1000

0.83

2409.638554

2

10000

7.96

2512.562814

2

50000

41

2439.02439

2

100000

95.675

2090.410243

3

1000

1.15

2608.695652

3

10000

11.99

2502.085071

3

50000

70.98

2113.271344

3

100000

163.4

1835.985312

5

1000

1.22

4098.360656

5

10000

15.9

3144.654088

5

50000

82.9

3015.681544

5

100000

118.4034

4222.852386

10

1000

1.830302

5463.579234

10

10000

16.94417

5901.736326

10

50000

87.61617

5706.709487

10

100000

179.2664

5578.290561



本文转自h2内存数据库博客园博客,原文链接:http://www.cnblogs.com/h2-database/archive/2012/07/09/2583251.html,如需转载请自行联系原作者

相关实践学习
使用PolarDB和ECS搭建门户网站
本场景主要介绍基于PolarDB和ECS实现搭建门户网站。
阿里云数据库产品家族及特性
阿里云智能数据库产品团队一直致力于不断健全产品体系,提升产品性能,打磨产品功能,从而帮助客户实现更加极致的弹性能力、具备更强的扩展能力、并利用云设施进一步降低企业成本。以云原生+分布式为核心技术抓手,打造以自研的在线事务型(OLTP)数据库Polar DB和在线分析型(OLAP)数据库Analytic DB为代表的新一代企业级云原生数据库产品体系, 结合NoSQL数据库、数据库生态工具、云原生智能化数据库管控平台,为阿里巴巴经济体以及各个行业的企业客户和开发者提供从公共云到混合云再到私有云的完整解决方案,提供基于云基础设施进行数据从处理、到存储、再到计算与分析的一体化解决方案。本节课带你了解阿里云数据库产品家族及特性。
相关文章
|
2月前
|
机器学习/深度学习 人工智能 监控
提升软件质量的关键路径:高效测试策略与实践在软件开发的宇宙中,每一行代码都如同星辰般璀璨,而将这些星辰编织成星系的过程,则依赖于严谨而高效的测试策略。本文将引领读者探索软件测试的奥秘,揭示如何通过精心设计的测试方案,不仅提升软件的性能与稳定性,还能加速产品上市的步伐,最终实现质量与效率的双重飞跃。
在软件工程的浩瀚星海中,测试不仅是发现缺陷的放大镜,更是保障软件质量的坚固防线。本文旨在探讨一种高效且创新的软件测试策略框架,它融合了传统方法的精髓与现代技术的突破,旨在为软件开发团队提供一套系统化、可执行性强的测试指引。我们将从测试规划的起点出发,沿着测试设计、执行、反馈再到持续优化的轨迹,逐步展开论述。每一步都强调实用性与前瞻性相结合,确保测试活动能够紧跟软件开发的步伐,及时适应变化,有效应对各种挑战。
|
29天前
|
Web App开发 定位技术 iOS开发
Playwright 是一个强大的工具,用于在各种浏览器上测试应用,并模拟真实设备如手机和平板。通过配置 `playwright.devices`,可以轻松模拟不同设备的用户代理、屏幕尺寸、视口等特性。此外,Playwright 还支持模拟地理位置、区域设置、时区、权限(如通知)和配色方案,使测试更加全面和真实。例如,可以在配置文件中设置全局的区域设置和时区,然后在特定测试中进行覆盖。同时,还可以动态更改地理位置和媒体类型,以适应不同的测试需求。
Playwright 是一个强大的工具,用于在各种浏览器上测试应用,并模拟真实设备如手机和平板。通过配置 `playwright.devices`,可以轻松模拟不同设备的用户代理、屏幕尺寸、视口等特性。此外,Playwright 还支持模拟地理位置、区域设置、时区、权限(如通知)和配色方案,使测试更加全面和真实。例如,可以在配置文件中设置全局的区域设置和时区,然后在特定测试中进行覆盖。同时,还可以动态更改地理位置和媒体类型,以适应不同的测试需求。
35 1
|
2月前
|
机器学习/深度学习 存储 测试技术
从0到1:如何规划一套流量回放自动化测试方案
本文介绍了流量回放自动化测试的完整方法,从企业战略到交付的四个关键环节:Discovery(深度挖掘)、Define(定义目标)、Design(详细设计)和Delivery(交付与反馈)。通过这些步骤,帮助企业优化系统性能和稳定性,确保产品的高质量。
60 4
|
2月前
|
SQL 分布式计算 NoSQL
大数据-170 Elasticsearch 云服务器三节点集群搭建 测试运行
大数据-170 Elasticsearch 云服务器三节点集群搭建 测试运行
44 4
|
2月前
|
存储 NoSQL 大数据
大数据-51 Redis 高可用方案CAP-AP 主从复制 一主一从 全量和增量同步 哨兵模式 docker-compose测试
大数据-51 Redis 高可用方案CAP-AP 主从复制 一主一从 全量和增量同步 哨兵模式 docker-compose测试
36 3
|
2月前
|
分布式计算 大数据 Spark
大数据-95 Spark 集群 SparkSQL Action与Transformation操作 详细解释与测试案例(二)
大数据-95 Spark 集群 SparkSQL Action与Transformation操作 详细解释与测试案例(二)
42 1
|
2月前
|
存储 大数据 Apache
大数据-146 Apache Kudu 安装运行 Dockerfile 模拟集群 启动测试
大数据-146 Apache Kudu 安装运行 Dockerfile 模拟集群 启动测试
23 0
|
2月前
|
存储 SQL 分布式计算
大数据-135 - ClickHouse 集群 - 数据类型 实际测试
大数据-135 - ClickHouse 集群 - 数据类型 实际测试
38 0
|
2月前
|
存储 SQL 分布式计算
大数据-95 Spark 集群 SparkSQL Action与Transformation操作 详细解释与测试案例(一)
大数据-95 Spark 集群 SparkSQL Action与Transformation操作 详细解释与测试案例(一)
43 0
|
SQL Cloud Native 关系型数据库
ADBPG(AnalyticDB for PostgreSQL)是阿里云提供的一种云原生的大数据分析型数据库
ADBPG(AnalyticDB for PostgreSQL)是阿里云提供的一种云原生的大数据分析型数据库
1289 1