Mongodb千万级数据在python下的综合压力测试及应用探讨-阿里云开发者社区

开发者社区> 数据库> 正文
登录阅读全文

Mongodb千万级数据在python下的综合压力测试及应用探讨

简介:



曾经在收集数据的项目中,用过mongodb的数据存储,但是当数据很大的时候,还是比较的吃力。很可能当时的应用水平不高,也可以是当时的服务器不是很强。 所以这次能力比以前高点了,然后服务器比以前也高端了很多,好嘞 ~再测试下。

(更多的是单机测试,没有用复制分片的测试 ~)!


相比较MySQLMongoDB数据库更适合那些读作业较重的任务模型MongoDB能充分利用机器的内存资源。如果机器的内存资源丰富的话,MongoDB的查询效率会快很多。


这次测试的服务器是dell 的 r510!

235621353.jpg

内存还行,是48G的,本来想让同事给加满,但是最终还是没有说出口 ~  

235739466.jpg磁盘是10个2T的,但是因为格式化的时间太久了,哥们直接把其他的硬盘给拔出来了,就用了三个盘。。。data目录没有做raid,是为了让他们体现更好的硬盘速度。

235930831.jpg


既然说好了是在python下的应用测试,那就需要安装mongodb python下的模块 !

对了,不知道mongodb-server的安装要不要说下?

1
2
3
4
5
cat /etc/yum.repos.d/10.repo
[10gen]
name=10gen Repository
baseurl=http://downloads-distro.mongodb.org/repo/redhat/os/x86_64
gpgcheck=0


000408806.jpg

Pymongo的基本用法


1
2
3
4
5
6
7
8
9
10
11
12
13
from pymongo import * # 导包
con = Connection(...) # 链接
db = con.database # 链接数据库
db.authenticate('username''password') # 登录
db.drop_collection('users') #删除表
db.logout() # 退出
db.collection_names() # 查看所有表
db.users.count() # 查询数量
db.users.find_one({'name' 'xiaoming'}) # 单个对象
db.users.find({'age' 18}) # 所有对象
db.users.find({'id':64}, {'age':1,'_id':0}) # 返回一些字段 默认_id总是返回的 0不返回 1返回
db.users.find({}).sort({'age'1}) # 排序
db.users.find({}).skip(2).limit(5) # 切片


测试的代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
#!/usr/bin/env python
from pymongo import Connection
import time,datetime
import os,sys
connection = Connection('127.0.0.1'27017)
db = connection['xiaorui']
def func_time(func):
    def _wrapper(*args,**kwargs):
        start = time.time()
        func(*args,**kwargs)
        print func.__name__,'run:',time.time()-start
    return _wrapper
@func_time
def ainsert(num):
    posts = db.userinfo
    for in range(num):
        post = {"_id" : str(x),
        "author": str(x)+"Mike",
        "text""My first blog post!",
        "tags": ["xiaorui""xiaorui.cc""rfyiamcool.51cto"],
        "date": datetime.datetime.utcnow()}
        posts.insert(post)
if __name__ == "__main__":
    num = sys.argv[1]
    ainsert(int(num))

咱们就先来个百万的数据做做测试~

综合点的数据:

002508131.jpg

在top下看到的程序占用资源的情况 ~ 我们看到的是有两个进程的很突出,对头 ! 正是mongodb的服务和我们正在跑的python脚本 !

002605855.jpg


看下服务的io的情况 ~

002741677.jpg


脚本运行完毕,总结下运行的时间 ~

002816300.jpg


查看mongodb的状态~

他的insert也不到5k ~ 插入量也就800k左右 ~

它的输出有以下几列:


inserts/s 每秒插入次数

query/s 每秒查询次数

update/s 每秒更新次数

delete/s 每秒删除次数

getmore/s 每秒执行getmore次数

command/s 每秒的命令数,比以上插入、查找、更新、删除的综合还多,还统计了别的命令

flushs/s 每秒执行fsync将数据写入硬盘的次数。

mapped/s 所有的被mmap的数据量,单位是MB,

vsize 虚拟内存使用量,单位MB

res 物理内存使用量,单位MB

faults/s 每秒访问失败数(只有Linux有),数据被交换出物理内存,放到swap。不要超过100,否则就是机器内存太小,造成频繁swap写入。此时要升级内存或者扩展

locked % 被锁的时间百分比,尽量控制在50%以下吧

idx miss % 索引不命中所占百分比。如果太高的话就要考虑索引是不是少了

q t|r|w 当Mongodb接收到太多的命令而数据库被锁住无法执行完成,它会将命令加入队列。这一栏显示了总共、读、写3个队列的长度,都为0的话表示mongo毫无压力。高并发时,一般队列值会升高。

conn 当前连接数

time 时间戳

瞅下面的监控数据 !

003310317.jpg

然后我们在测试下在一千万的数据下的消耗时间情况 ~

共用了2294秒,每秒插入 4359个数据 ~

010140526.jpg看看他的内存的使用情况:

虚拟内存在8gb左右,真实内存在2gb左右

010245223.jpg

再换成多线程的模式跑跑 ~  个人不太喜欢用多线程,这东西属于管你忙不忙,老大说了要公平,我就算抢到了,但是没事干,我也不让给你。。。属于那种蛮干的机制 ~


nima,要比单个跑的慢呀 ~  线程这东西咋会这么不靠谱呀 ~

应该是没有做线程池pool,拉取队列。导致线程过多导致的。不然不可能比单进程都要慢~

还有就是像这些涉及到IO的东西,交给协程的事件框架更加合理点 !!!


1
2
3
4
5
6
7
8
9
10
11
12
def goodinsert(a):
    posts.insert(a)
def ainsert(num):
    for in range(num):
        post = {"_id" : str(x),
        "author": str(x)+"Mike",
        "text""My first blog post!",
        "tags": ["mongodb""python""pymongo"],
        "date": datetime.datetime.utcnow()}
#       goodinsert(post)
        a=threading.Thread(target=goodinsert,args=(post,))
        a.start()


023536618.jpg


python毕竟有gil的限制,虽然multiprocess号称可以解决多进程的。但是用过的朋友知道,这个东西更不靠谱 ~  属于坑人的东西 ~

要是有朋友怀疑是python的单进程的性能问题,那咱们就用supervisord跑了几个后台的python压力脚本 ~ supervisord的配置我就不说了,我以前的文章里面有详述的 ~

015034609.jpg

cpu方面是跑的有点均匀了,但是mongodb那边的压力总是上不去

当加大到16个后台进程做压力测试的时候 ~ 大家会发现insert很不稳定。 看来他的极限也就是2MB左右的数据 ~

015448335.jpg

当减少到8个压力进程的时候 ~ 我们发现他的insert慢慢的提供到正常了,也就是说  他真的是2MB的极限 ~

015559242.jpg

脚本里面是有做有序的id插入的,我们试试把id的插入给去掉,看看有没有提升~

结果和不插入id差不多的结果 ~

085221687.jpg

调优之后~ 再度测试

ulimit的优化

1
2
3
cat /etc/security/limits.conf
*       soft   nofile       102400
*       hard   nofile       102400


内核的tcp优化

1
2
3
4
5
6
7
8
9
10
11
12
13
14
cat /etc/sysctl.conf
net.ipv4.tcp_syncookies = 1
net.ipv4.tcp_tw_reuse = 1
net.ipv4.tcp_tw_recycle = 1
net.ipv4.tcp_timestsmps = 0
net.ipv4.tcp_synack_retries = 2
net.ipv4.tcp_syn_retries = 2
net.ipv4.tcp_wmem = 8192 436600 873200
net.ipv4.tcp_rmem = 32768 436600 873200
net.ipv4.tcp_mem = 94500000 91500000 92700000
net.ipv4.tcp_max_orphans = 3276800
net.ipv4.tcp_fin_timeout = 30
#直接生效
/sbin/sysctl -p

启动的时候,加上多核的优化参数

1
多核问题可以在启动时加入启动参数: numactl --interleave=all


insert的频率已经到了2w左右 ~  内存占用了8G左右 ~


143629965.png

143630829.png



我想到的一个方案:

当然不用非要celery,就算咱们用socket写分发,和zeromq的pub sub也可以实现这些的。这是celery的调度更加专业点。

021114653.jpg

刚才我们测试的都是insert,现在我们再来测试下在千万级别数据量下的查询如何:

查询正则的,以2开头的字符

1
2
3
posts = db.userinfo
for in posts.find({"author":re.compile('^2.Mike')}):
    print i


013606877.jpg

精确的查询:

查询在5s左右 ~

013944841.jpg


225244177.jpg225244313.jpg


225244670.jpg

225244798.jpg


总结:

典型的高读低写数据库 !






 本文转自 rfyiamcool 51CTO博客,原文链接:http://blog.51cto.com/rfyiamcool/1329351,如需转载请自行联系原作者




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。

分享:
数据库
使用钉钉扫一扫加入圈子
+ 订阅

分享数据库前沿,解构实战干货,推动数据库技术变革

其他文章