RDS MySQL 5.7 4核和8核共享规格性能压测

本文涉及的产品
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
性能测试 PTS,5000VUM额度
简介: 写在前面 这次压测只用了一台ECS,也没有调整各种压测比和压测参数,把实例压到最高;这里的压测只是为了说明不同的参数对性能影响,要想得出一个结论,必须要在可对比的情况下,比如:实例规格一样,从压测机到被压测机网络延迟一样,MySQL的配置文件一样等等,否则都是耍流氓。

写在前面

这次压测只用了一台ECS,也没有调整各种压测比和压测参数,把实例压到最高;这里的压测只是为了说明不同的参数对性能影响,要想得出一个结论,必须要在可对比的情况下,比如:实例规格一样,从压测机到被压测机网络延迟一样,MySQL的配置文件一样等等,否则都是耍流氓。

压测环境

被压测的RDS实例规格

MySQL 5.7 物理机版 新规格8核32G 
MySQL 5.7 物理机版 新规格4核16G

RDS主要参数配置

MySQL [(none)]> SHOW global VARIABLES WHERE Variable_name in ("sync_binlog","innodb_flush_log_at_trx_commit","rpl_semi_sync_slave_enabled","rpl_semi_sync_master_enabled","query_cache_type","have_query_cache");
+--------------------------------+-------+
| Variable_name                  | Value |
+--------------------------------+-------+
| have_query_cache               | YES   |
| innodb_flush_log_at_trx_commit | 1|2     |
| query_cache_type               | OFF   |
| rpl_semi_sync_master_enabled   | ON|OFF    |
| rpl_semi_sync_slave_enabled    | OFF   |
| sync_binlog                    | 1|1000     |
+--------------------------------+-------+

关于参数

innodb_flush_log_at_trx_commit的作用可以参考:
MySQL · 参数故事 · innodb_flush_log_at_trx_commit
sync_binlog的作用可以参考:
MySQL · 答疑解惑 · binlog 位点刷新策略
MySQL · 引擎特性 · InnoDB 事务子系统介绍
半同步的作用可以参考:
MySQL · 源码分析 · MySQL BINLOG半同步复制数据安全性分析
MySQL · 源码分析 · MySQL 半同步复制数据一致性分析

网络延迟

从压测机ping RDS

64 bytes from *** (***): icmp_seq=1 ttl=64 time=1.69 ms
64 bytes from *** (***): icmp_seq=2 ttl=64 time=1.72 ms
64 bytes from *** (***): icmp_seq=3 ttl=64 time=1.72 ms
64 bytes from *** (***): icmp_seq=4 ttl=64 time=1.73 ms
64 bytes from *** (***): icmp_seq=5 ttl=64 time=1.73 ms
64 bytes from *** (***): icmp_seq=6 ttl=64 time=1.72 ms
64 bytes from *** (***): icmp_seq=7 ttl=64 time=1.73 ms
64 bytes from *** (***): icmp_seq=8 ttl=64 time=1.73 ms
64 bytes from *** (***): icmp_seq=9 ttl=64 time=1.72 ms

压测方法

sysbench /usr/share/sysbench/*** \
--mysql-host=*** \
--mysql-port=3306 \
--mysql-user=*** \
--mysql-password='***' \
--mysql-db=*** \
--db-driver=mysql \
--tables=10 \
--table-size=1000000 \
--report-interval=10 \
--threads=128 \
--time=120 prepare/run/cleanup

压测结果

8核32G 读写场景

双1

MySQL [(none)]> SHOW global VARIABLES WHERE Variable_name in ("sync_binlog","innodb_flush_log_at_trx_commit","rpl_semi_sync_slave_enabled","rpl_semi_sync_master_enabled","query_cache_type","have_query_cache");
+--------------------------------+-------+
| Variable_name                  | Value |
+--------------------------------+-------+
| have_query_cache               | YES   |
| innodb_flush_log_at_trx_commit | 1     |
| query_cache_type               | OFF   |
| rpl_semi_sync_master_enabled   | ON    |
| rpl_semi_sync_slave_enabled    | OFF   |
| sync_binlog                    | 1     |
+--------------------------------+-------+
6 rows in set (0.00 sec)

oltp_read_write.lua
SQL statistics:
    transactions:                        262843 (2187.92 per sec.)
    queries:                             5256860 (43758.44 per sec.)
General statistics:
    total time:                          120.1320s
    total number of events:              262843

Latency (ms):
         min:                                 20.91
         avg:                                 58.45
         max:                                339.70
         95th percentile:                     86.00
         sum:                            15361894.55

# mysqlslap -a --concurrency=128 --number-of-queries 10000 --iterations=5 --engine=innodb --debug-info -u*** -p*** -h*** -P3306 --create-schema=***
Benchmark
    Running for engine innodb
    Average number of seconds to run all queries: 11.504 seconds
    Minimum number of seconds to run all queries: 9.150 seconds
    Maximum number of seconds to run all queries: 16.737 seconds
    Number of clients running queries: 128
    Average number of queries per client: 78           

sync_binlog:1000和trx_commit=2

MySQL [(none)]> SHOW global VARIABLES WHERE Variable_name in ("sync_binlog","innodb_flush_log_at_trx_commit","rpl_semi_sync_slave_enabled","rpl_semi_sync_master_enabled","query_cache_type","have_query_cache");
+--------------------------------+-------+
| Variable_name                  | Value |
+--------------------------------+-------+
| have_query_cache               | YES   |
| innodb_flush_log_at_trx_commit | 2     |
| query_cache_type               | OFF   |
| rpl_semi_sync_master_enabled   | OFF   |
| rpl_semi_sync_slave_enabled    | OFF   |
| sync_binlog                    | 1000     |
+--------------------------------+-------+
6 rows in set (0.00 sec)
Threads started!

#oltp_read_write.lua
SQL statistics:
    queries performed:
        read:                            3809666
        write:                           1088476
        other:                           544238
        total:                           5442380
    transactions:                        272119 (2266.76 per sec.)
    queries:                             5442380 (45335.11 per sec.)
General statistics:
    total time:                          120.0462s
    total number of events:              272119

Latency (ms):
         min:                                 20.08
         avg:                                 56.45
         max:                                339.44
         95th percentile:                     84.47
         sum:                            15361371.70
# mysqlslap -a --concurrency=128 --number-of-queries 10000 --iterations=5 --engine=innodb --debug-info -u*** -p*** -h*** -P*** --create-schema=***
Benchmark
    Running for engine innodb
    Average number of seconds to run all queries: 9.238 seconds
    Minimum number of seconds to run all queries: 8.394 seconds
    Maximum number of seconds to run all queries: 9.624 seconds
    Number of clients running queries: 128
    Average number of queries per client: 78            

只读场景

#oltp_point_select.lua
SQL statistics:
    queries performed:
        read:                            11432749
        write:                           0
        other:                           0
        total:                           11432749
    transactions:                        11432749 (95255.06 per sec.)
    queries:                             11432749 (95255.06 per sec.)
General statistics:
    total time:                          120.0208s
    total number of events:              11432749

Latency (ms):
         min:                                  0.90
         avg:                                  1.34
         max:                                 18.23
         95th percentile:                      1.79
         sum:                            15351945.95    

4核16G读写场景

双1

MySQL [(none)]> SHOW global VARIABLES WHERE Variable_name in ("sync_binlog","innodb_flush_log_at_trx_commit","rpl_semi_sync_slave_enabled","rpl_semi_sync_master_enabled","query_cache_type","have_query_cache");
+--------------------------------+-------+
| Variable_name                  | Value |
+--------------------------------+-------+
| have_query_cache               | YES   |
| innodb_flush_log_at_trx_commit | 1     |
| query_cache_type               | OFF   |
| rpl_semi_sync_master_enabled   | ON    |
| rpl_semi_sync_slave_enabled    | OFF   |
| sync_binlog                    | 1     |
+--------------------------------+-------+

oltp_read_write.lua
SQL statistics:
    queries performed:
        read:                            1643950
        write:                           469700
        other:                           234850
        total:                           2348500
    transactions:                        117425 (977.46 per sec.)
    queries:                             2348500 (19549.17 per sec.)
General statistics:
    total time:                          120.1314s
    total number of events:              117425

Latency (ms):
         min:                                 28.19
         avg:                                130.88
         max:                                446.28
         95th percentile:                    155.80
         sum:                            15368416.16

# mysqlslap -a --concurrency=128 --number-of-queries 10000 --iterations=5 --engine=innodb --debug-info -u*** -p*** -h*** -P3306 --create-schema=***
Benchmark
    Running for engine innodb
    Average number of seconds to run all queries: 12.546 seconds
    Minimum number of seconds to run all queries: 12.445 seconds
    Maximum number of seconds to run all queries: 12.657 seconds
    Number of clients running queries: 128
    Average number of queries per client: 78            

sync_binlog:1000和trx_commit=2

mysql> SHOW global VARIABLES WHERE Variable_name in ("sync_binlog","innodb_flush_log_at_trx_commit","rpl_semi_sync_slave_enabled","rpl_semi_sync_master_enabled","query_cache_type","have_query_cache");
+--------------------------------+-------+
| Variable_name                  | Value |
+--------------------------------+-------+
| have_query_cache               | YES   |
| innodb_flush_log_at_trx_commit | 2     |
| query_cache_type               | OFF   |
| rpl_semi_sync_master_enabled   | OFF   |
| rpl_semi_sync_slave_enabled    | OFF   |
| sync_binlog                    | 1000  |
+--------------------------------+-------+

oltp_read_write.lua
SQL statistics:
    queries performed:
        read:                            1650866
        write:                           471676
        other:                           235838
        total:                           2358380
    transactions:                        117919 (981.66 per sec.)
    queries:                             2358380 (19633.27 per sec.)
General statistics:
    total time:                          120.1198s
    total number of events:              117919

Latency (ms):
         min:                                 21.31
         avg:                                130.32
         max:                                439.36
         95th percentile:                    155.80
         sum:                            15366638.87    

只读场景

oltp_point_select.lua
SQL statistics:
    queries performed:
        read:                            4924841
        write:                           0
        other:                           0
        total:                           4924841
    transactions:                        4924841 (41031.29 per sec.)
    queries:                             4924841 (41031.29 per sec.)

General statistics:
    total time:                          120.0248s
    total number of events:              4924841

Latency (ms):
         min:                                  0.90
         avg:                                  3.12
         max:                                 65.22
         95th percentile:                     28.16
         sum:                            15356974.94    

性能对比图

oltp_rw
oltp_point_select

相关实践学习
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
相关文章
|
2月前
|
测试技术 数据库 UED
Python 性能测试进阶之路:JMeter 与 Locust 的强强联合,解锁性能极限
【9月更文挑战第9天】在数字化时代,确保软件系统在高并发场景下的稳定性至关重要。Python 为此提供了丰富的性能测试工具,如 JMeter 和 Locust。JMeter 可模拟复杂请求场景,而 Locust 则能更灵活地模拟真实用户行为。结合两者优势,可全面评估系统性能并优化瓶颈。例如,在电商网站促销期间,通过 JMeter 模拟大量登录请求并用 Locust 模拟用户浏览和购物行为,可有效识别并解决性能问题,从而提升系统稳定性和用户体验。这种组合为性能测试开辟了新道路,助力应对复杂挑战。
113 2
|
2月前
|
缓存 Java 测试技术
谷粒商城笔记+踩坑(11)——性能压测和调优,JMeter压力测试+jvisualvm监控性能+资源动静分离+修改堆内存
使用JMeter对项目各个接口进行压力测试,并对前端进行动静分离优化,优化三级分类查询接口的性能
谷粒商城笔记+踩坑(11)——性能压测和调优,JMeter压力测试+jvisualvm监控性能+资源动静分离+修改堆内存
|
3月前
|
消息中间件 Kafka 测试技术
【Azure 事件中心】使用Kafka的性能测试工具(kafka-producer-perf-test)测试生产者发送消息到Azure Event Hub的性能
【Azure 事件中心】使用Kafka的性能测试工具(kafka-producer-perf-test)测试生产者发送消息到Azure Event Hub的性能
|
3月前
|
监控 Java 测试技术
实战派必看!Python性能测试中,JMeter与Locust如何助力性能调优
【8月更文挑战第6天】性能优化是软件开发的关键。本文介绍JMeter与Locust两款流行性能测试工具,演示如何用于Python应用的性能调优。JMeter可模拟大量用户并发访问,支持多种协议;Locust用Python编写,易于定制用户行为并模拟高并发。根据场景选择合适工具,确保应用在高负载下的稳定运行。
136 4
|
3月前
|
测试技术 数据库 UED
Python 性能测试进阶之路:JMeter 与 Locust 的强强联合,解锁性能极限
【8月更文挑战第6天】在数字化时代,确保软件在高并发下的稳定性至关重要。Python 提供了强大的性能测试工具,如 JMeter 和 Locust。JMeter 可配置复杂请求场景,而 Locust 则以 Python 脚本灵活模拟真实用户行为。两者结合,可全面评估系统性能。例如,对电商网站进行测试时,JMeter 模拟登录请求,Locust 定义浏览和购物行为,共同揭示系统瓶颈并指导优化,从而保证稳定高效的用户体验。
103 1
|
4月前
|
测试技术 Linux
linux 服务器运行jmeter 进行服务性能压测
linux 服务器运行jmeter 进行服务性能压测
407 0
|
4月前
|
Java 测试技术
用代码模拟调用接口方式压测现网服务器的服务性能
用代码模拟调用接口方式压测现网服务器的服务性能
36 0
|
1月前
|
测试技术 持续交付 Apache
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
【10月更文挑战第1天】Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
141 3
|
3月前
|
缓存 测试技术 Apache
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
【8月更文挑战第5天】性能测试确保应用高负载下稳定运行。Apache JMeter与Locust是两大利器,助力识别解决性能瓶颈。本文介绍这两款工具的应用与优化技巧,并通过实战示例展示性能测试流程。首先,通过JMeter测试静态与动态资源;接着,利用Locust的Python脚本模拟HTTP请求。文中提供安装指南、命令行运行示例与性能优化建议,帮助读者掌握性能测试核心技能。
130 0
|
20天前
|
测试技术 持续交付 Apache
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
45 3
下一篇
无影云桌面