最佳实践—如何选择实例规格

本文涉及的产品
云原生数据库 PolarDB 分布式版,标准版 2核8GB
简介: 实例规格越高代表实例的性能越强,本文介绍了选择实例规格的方法。 PolarDB-X实例主要由计算节点和存储节点联合提供服务,单个节点按照CPU/MEM来划分实例的多种规格,多个节点一起组成PolarDB-X实例。实例规格请参见规格说明。

节点规格类型

系列 规格码 CPU和内存 最大存储 最大连接数 最大IOPS 特点
通用 polarx.x4.medium.2e 2核8G 3072GB 20000 4000 定位入门级,用于测试、体验和极小负载的场景。
polarx.x4.large.2e 4核16G 3072GB 20000 7000 CPU和MEM配比为1:4,复用计算资源享受规模红利,性价比高。
polarx.x4.xlarge.2e 8核32G 3072GB 20000 12000
polarx.x4.2xlarge.2e 16核64G 3072GB 20000 14000
独享 polarx.x8.large.2e 4核32G 3072GB 20000 9000 CPU和MEM配比为1:8,独占分配到的计算资源(如CPU),性能表现更加稳定。
polarx.x8.xlarge.2e 8核64G 3072GB 20000 18000
polarx.x8.2xlarge.2e 16核128G 3072GB 20000 36000
polarx.x8.4xlarge.2e 32核128G 3072GB 20000 36000
polarx.x8.4xlarge.2e 32核256G 3072GB 20000 72000
独占 polarx.st.8xlarge.25 60核470G 6144GB 20000 120000 独占物理机规格,可以有更好的资源使用保障。
polarx.st.12xlarge.25 90核720G 6144GB 20000 140000

实例规格=节点数×节点规格 (计算节点+存储节点)

举例如下:

polarx.x8.xlarge.2e独享规格,节点数为2个,性能数据如下:存储6TB (3072GB×2)、连接数40000 (20000×2)、最大IOPS 36000 (18000×2)。

按照存储容量选择

按照业务的存储空间估算逻辑:

  1. 业务的数据存储会随着时间而持续增加,可以预估1~2年内的业务增长量,判断需要的最大存储空间。
  2. PolarDB-X的数据存储分为:数据空间、系统文件空间、日志空间等,比较建议单节点的存储使用量保持在70%以下。

示例:

当前业务的存储空间为1500GB,每天新增约10GB,按照1年的业务预估来看,总计约5150GB的存储。按照使用量70%来计算,预估需要5150GB / 0.7 = 7357GB的存储空间诉求,如果按照独享规格polarx.x8.xlarge.2e (节点存储上限3TB),最后判断需要CEILING(7357GB/3072GB) = CEILING(2.39) = 3个节点。

按照并发量选择

按照业务的并发量的估算逻辑:

  1. PolarDB-X的节点规格资源限制,包含CPU、MEM、连接数、IOPS等。在面向事务型场景下,一般比较常见是CPU瓶颈为主,可通过业务的QPS预期进行估算和推导。
  2. 按照常见的sysbench/TPC-C的偏交易混合读写场景,单core估算可支持的QPS为1000~3000,按照独享规格polarx.x8.xlarge.2e单节点预估可支持1~2万的QPS。
    说明 业务的流量模型和通用benchmark会有比较多的差异,单节点的QPS仅供估算参考,比较建议基于业务流量进行实际压测。
  3. 常规的峰值流量,PolarDB-X建议单节点的资源使用量保持在70%以下。

示例:

当前业务的QPS峰值预估为10万QPS,预留70%的资源余量,预计需要支持14万QPS的资源,按照PolarDB-X单节点支持2万的能力来估算,预估需要7个节点。

按照多维度组合选择

示例:

当前业务的QPS峰值预估为10万QPS,当前业务的存储空间为1500GB,每天新增约10GB,按照1年的业务预估来看,总计约5150GB的存储。

建议的选择逻辑:

  1. 分布式数据库由多个节点组成,会有类似的木桶效应,比如突发流量导致个别节点达到资源瓶颈,会导致整体实例出现部分慢SQL的现象。因此,节点规格推荐独享型,建议生产环境8核64G起步,默认存储空间有3072GB(3TB)。
  2. 分别按照存储容量和并发量分别估算需要的节点数和CPU规格,比如例子中需要CPU 56核、存储7357GB,可以按照最小覆盖原则进行计算。存储空间最小需要3个节点覆盖,PolarDB-X提供了存储包的按量付费模式,存储需要的节点数可以作为下限,上限可以选择CPU核数的最小覆盖,可以选择7个节点的8核64G或4个节点的16核128G。
  3. 业务流量如果包含报表分析的场景,因涉及更多数据计算的代价,建议选择4个节点的16核128G,优先大节点规格,提高木桶边的上限。另外的场景下,建议选择7个节点的8核64G,更多的节点数可以支撑更大的存储空间,未来实例规格的升配也优先建议升配单个节点规格。
相关文章
|
SQL 存储 关系型数据库
PolarDB-X CDC之"兼容MySQL,高于MySQL"
本文主要介绍一下PolarDB-X在CDC能力上那些高阶能力。
|
Oracle 关系型数据库 分布式数据库
PolarDB产品使用问题之使用pxd安装PolarDB-X出现报错,该怎么办
PolarDB产品使用合集涵盖了从创建与管理、数据管理、性能优化与诊断、安全与合规到生态与集成、运维与支持等全方位的功能和服务,旨在帮助企业轻松构建高可用、高性能且易于管理的数据库环境,满足不同业务场景的需求。用户可以通过阿里云控制台、API、SDK等方式便捷地使用这些功能,实现数据库的高效运维与持续优化。
|
关系型数据库 分布式数据库 PolarDB
如何基于PolarDB-PG处理空间数据
《PolarDB for PostgreSQL动手实践》系列,带您体验基于PolarDB for PostgreSQL部署开源空间处理插件PostGIS,并执行空间查询。
|
存储 并行计算 关系型数据库
使用 PolarDB 开源版 部署 PostGIS 支撑时空轨迹|地理信息|路由等业务
背景PolarDB 的云原生存算分离架构,,具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理;;PolarDB与计算算法结合,,将实现双剑合璧,推动业务数据的价值产出,将数据变成生产力。本文将介绍使用 PolarDB 开源版 部署 PostGIS 支撑时空轨迹|地理信息|路...
329 0
|
1天前
|
云安全 数据采集 人工智能
古茗联名引爆全网,阿里云三层防护助力对抗黑产
阿里云三层校验+风险识别,为古茗每一杯奶茶保驾护航!
古茗联名引爆全网,阿里云三层防护助力对抗黑产
|
5天前
|
人工智能 中间件 API
AutoGen for .NET - 架构学习指南
《AutoGen for .NET 架构学习指南》系统解析微软多智能体框架,涵盖新旧双架构、核心设计、技术栈与实战路径,助你从入门到精通,构建分布式AI协同系统。
300 142
|
5天前
|
Kubernetes 算法 Go
Kubeflow-Katib-架构学习指南
本指南带你深入 Kubeflow 核心组件 Katib,一个 Kubernetes 原生的自动化机器学习系统。从架构解析、代码结构到技能清单与学习路径,助你由浅入深掌握超参数调优与神经架构搜索,实现从使用到贡献的进阶之旅。
279 139
|
2天前
|
存储 机器学习/深度学习 人工智能
大模型微调技术:LoRA原理与实践
本文深入解析大语言模型微调中的关键技术——低秩自适应(LoRA)。通过分析全参数微调的计算瓶颈,详细阐述LoRA的数学原理、实现机制和优势特点。文章包含完整的PyTorch实现代码、性能对比实验以及实际应用场景,为开发者提供高效微调大模型的实践指南。
290 0
|
2天前
|
传感器 人工智能 算法
数字孪生智慧水务系统,三维立体平台,沃思智能
智慧水务系统融合物联网、数字孪生与AI技术,实现供水全流程智能监测、预测性维护与动态优化。通过实时数据采集与三维建模,提升漏损控制、节能降耗与应急响应能力,推动水务管理从经验驱动迈向数据驱动,助力城市水资源精细化、可持续化管理。
256 142