Sysbench 开启超线程/关闭超线程以及容器运行数据库的性能损耗

sysbench,开启,超线程,关闭,以及,容器,运行,数据库,性能,损耗 · 浏览次数 : 351

小编点评

**排版指南** * **排版顺序**:首先将事件排放在时间按照,其次排事件按事件数量按照。 * **事件数量**:在每个事件上添加事件数量,以便在排事件时按照事件数量进行排序。 * **事件时间**:在每个事件上添加事件时间,以便在排事件时按照时间进行排序。 * **格式**:使用格式化符,如**时间**、**事件数量**、**事件时间**,等,以提高排事件的清晰度。 **排版示例** ``` 时间,事件数量,事件时间 10,1,2023 10,2,2023 10,3,2023 10,4,2023 10,5,2023 10,6,2023 10,7,2023 10,8,2023 10,9,2023 10,10,2023 ``` **排版建议** * **使用时间**:在每个事件上添加事件时间,以便在排事件时按照时间进行排序。 * **使用事件数量**:在每个事件上添加事件数量,以便在排事件时按事件数量进行排序。 * **使用事件时间**:在每个事件上添加事件时间,以便在排事件时按照时间进行排序。 * **使用格式化符**:使用格式化符,如**时间**、**事件数量**、**事件时间**,等,以提高排事件的清晰度。 * **排序**:在排事件时按时间、事件数量、事件时间进行排序。

正文

Sysbench 开启超线程/关闭超线程性能损耗


摘要

Stress-NG 测试完之后
突然想 使用sysbenchen也进行一次压测
验证一把 超线程对数据的性能影响. 

压测命令

./sysbench \
--db-driver=pgsql \
--pgsql-host=10.24.2x.xx \
--pgsql-port=5432 \
--pgsql-user=xxxx \
--pgsql-password=password \
--pgsql-db=postgres \
--threads=10 --time=30 \
--events=0 \
--report-interval=10 \
--percentile=99    ../share/sysbench/oltp_read_write.lua  \
prepare

./sysbench \
--db-driver=pgsql \
--pgsql-host=10.24.2x.xx \
--pgsql-port=5432 \
--pgsql-user=xxxx \
--pgsql-password=password \
--pgsql-db=postgres \
--threads=10 --time=30 \
--events=0 \
--report-interval=10 \
--percentile=99    ../share/sysbench/oltp_read_write.lua  \
run

./sysbench \
--db-driver=pgsql \
--pgsql-host=10.24.2x.xx \
--pgsql-port=5432 \
--pgsql-user=xxxx \
--pgsql-password=password \
--pgsql-db=postgres \
--threads=10 --time=30 \
--events=0 \
--report-interval=10 \
--percentile=99    ../share/sysbench/oltp_read_write.lua  \
cleanup

结果分析

是否开启超线程 事务效率(每秒) 查询效率(每秒) 最小响应时间(ms) 平均响应时间 99%的响应时间
是 32核心/64线程 211.63 4329.45 20.03 47.22 102.97
否 32核心/32线程 217.78 4459.01 16.59 45.89 139.85
否 32核心/32线程 244.78 5011.98 14.43 40.82 97.55
关闭超线程提升 103% 103% 120% 103% 74%
本地部署vsdocker 112% 112% 115% 112% 143%

注意1 效率提示部分 我都换算成了越大越好

注意2 除了99%响应时间,关闭超线程对数据库都有大约3%的性能提升

注意3 使用apt 本地文件部署. 比使用docker部署性能提升12%

本地文件启动命令, 注意ubuntu的不挑一样

/usr/lib/postgresql/10/bin/pg_ctl -D /var/lib/postgresql/10/main -l logfile restart


事务效率


查询效率


响应时间


开启超线程的结果

[ 10s ] thds: 10 tps: 184.66 qps: 3794.17 (r/w/o: 2665.11/740.54/388.51) lat (ms,99%): 909.80 err/s: 4.90 reconn/s: 0.00
[ 20s ] thds: 10 tps: 204.91 qps: 4186.76 (r/w/o: 2938.01/819.93/428.82) lat (ms,99%): 114.72 err/s: 5.00 reconn/s: 0.00
[ 30s ] thds: 10 tps: 244.90 qps: 5016.71 (r/w/o: 3519.61/982.40/514.70) lat (ms,99%): 80.03 err/s: 6.30 reconn/s: 0.00
SQL statistics:
    queries performed:
        read:                            91238
        write:                           25439
        other:                           13332
        total:                           130009
    transactions:                        6355   (211.63 per sec.)
    queries:                             130009 (4329.45 per sec.)
    ignored errors:                      162    (5.39 per sec.)
    reconnects:                          0      (0.00 per sec.)

General statistics:
    total time:                          30.0274s
    total number of events:              6355

Latency (ms):
         min:                                   20.03
         avg:                                   47.22
         max:                                 1124.25
         99th percentile:                      102.97
         sum:                               300089.92

Threads fairness:
    events (avg/stddev):           635.5000/10.03
    execution time (avg/stddev):   30.0090/0.01

关闭超线程的结果

[ 10s ] thds: 10 tps: 185.66 qps: 3793.26 (r/w/o: 2662.08/740.56/390.62) lat (ms,99%): 893.56 err/s: 4.20 reconn/s: 0.00
[ 20s ] thds: 10 tps: 243.81 qps: 5002.51 (r/w/o: 3511.78/975.32/515.41) lat (ms,99%): 81.48 err/s: 6.40 reconn/s: 0.00
[ 30s ] thds: 10 tps: 223.70 qps: 4590.28 (r/w/o: 3222.39/893.50/474.40) lat (ms,99%): 144.97 err/s: 6.70 reconn/s: 0.00
SQL statistics:
    queries performed:
        read:                            94010
        write:                           26123
        other:                           13815
        total:                           133948
    transactions:                        6542   (217.78 per sec.)
    queries:                             133948 (4459.01 per sec.)
    ignored errors:                      173    (5.76 per sec.)
    reconnects:                          0      (0.00 per sec.)

General statistics:
    total time:                          30.0383s
    total number of events:              6542

Latency (ms):
         min:                                   16.59
         avg:                                   45.89
         max:                                 1103.25
         99th percentile:                      139.85
         sum:                               300197.16

Threads fairness:
    events (avg/stddev):           654.2000/15.81
    execution time (avg/stddev):   30.0197/0.01

关闭超线程以及本地文件部署的效果

[ 10s ] thds: 10 tps: 243.35 qps: 4991.08 (r/w/o: 3504.25/972.02/514.80) lat (ms,99%): 82.96 err/s: 6.10 reconn/s: 0.00
[ 20s ] thds: 10 tps: 288.50 qps: 5892.27 (r/w/o: 4134.45/1152.11/605.71) lat (ms,99%): 68.05 err/s: 6.90 reconn/s: 0.00
[ 30s ] thds: 10 tps: 202.30 qps: 4163.91 (r/w/o: 2923.90/814.10/425.90) lat (ms,99%): 893.56 err/s: 6.50 reconn/s: 0.00
SQL statistics:
    queries performed:
        read:                            105658
        write:                           29400
        other:                           15475
        total:                           150533
    transactions:                        7352   (244.78 per sec.)
    queries:                             150533 (5011.98 per sec.)
    ignored errors:                      195    (6.49 per sec.)
    reconnects:                          0      (0.00 per sec.)

General statistics:
    total time:                          30.0331s
    total number of events:              7352

Latency (ms):
         min:                                   14.43
         avg:                                   40.82
         max:                                 2938.61
         99th percentile:                       97.55
         sum:                               300120.33

Threads fairness:
    events (avg/stddev):           735.2000/39.34
    execution time (avg/stddev):   30.0120/0.01

与Sysbench 开启超线程/关闭超线程以及容器运行数据库的性能损耗相似的内容:

Sysbench 开启超线程/关闭超线程以及容器运行数据库的性能损耗

Sysbench 开启超线程/关闭超线程性能损耗 摘要 Stress-NG 测试完之后 突然想 使用sysbenchen也进行一次压测 验证一把 超线程对数据的性能影响. 压测命令 ./sysbench \ --db-driver=pgsql \ --pgsql-host=10.24.2x.xx \

[转帖]测试工具 sysbench (Centos 7.x) for DM数据库

1、简单介绍 sysbench是一个开源,模块化的多线程性能测试工具,可以用来进行硬件环境性能测试,也可进行数据库的性能测试。但是由于需要支持DM测试,所以我们一般使用源码进行编译。 2、运行方法 sysbench通过运行lua脚本进行数据库测试。而每次测试都分为prepare、run、cleanu

[转帖]测试工具 sysbench (Centos 7.x) for DM数据库

1、简单介绍 sysbench是一个开源,模块化的多线程性能测试工具,可以用来进行硬件环境性能测试,也可进行数据库的性能测试。但是由于需要支持DM测试,所以我们一般使用源码进行编译。 2、运行方法 sysbench通过运行lua脚本进行数据库测试。而每次测试都分为prepare、run、cleanu

[转帖]Sysbench - 一种系统性能benchmark

SysBench是一款开源的、跨平台的、模块化的、多线程的性能测试工具,通过高负载地运行在数据库上,可以执行CPU/内存/线程/IO/数据库等方面的性能测试。用于评估操作系统的性能参数。 1 sysbench简介 Sysbench使得我们无需采用真正的复杂的数据库benchmark而获取系统的性能概

[转帖]tidb-系统内核调优及对比

一、背景 验证系统调优对性能的影响,用sysbench做了一些简单的测试,具体调整方法可见官方文档 二、特殊说明 1.透明大页查看 # 查看透明大页是否开启,[]在always处表示开启,[]在never处表示关闭 cat /sys/kernel/mm/transparent_hugepage/en

部分信创CPU算力与IntelCPU的简单比较

部分信创CPU算力与IntelCPU的简单比较 摘要 最近一直想查看一下国产和非国产的CPU的性能比较 从最开始学习研究 sysbench 到周五晚上开始学习 stress-ng 今天查看github上面stress-ng的官网时 发现有一个ubuntu的网页不错,感觉可以用来进行一些简单计算 我主

[转帖]sysbench的用法

Build Requirements Windows As of sysbench 1.0 support for native Windows builds was dropped. It may be re-introduced in later versions. Currently, the

[转帖]sysbench安装

https://www.jianshu.com/p/1948beb6699e sysbench是一个多线程的基准测试工具,一般用来评估不同系统参数下的数据库负载情况如果你的环境上如下依赖包都没装上,需要先安装如下这些依赖包,使用yum install更便利 image.png 如果使用源码安装(在网

[转帖]用sysbench压测mysql、postgresql(蟑螂db)对比

mysql: 准备创建表和数据: sysbench --db-driver=mysql --time=10 --threads=10 --report-interval=1 --mysql-host=172.18.44.84 --mysql-port=7999 --mysql-user=zl --m

[转帖]用sysbench进行数据库OLTP基准测试

https://www.cnblogs.com/ariesblog/p/13847740.html 基于TPC-C的OLTP基准测试,对比Mysql和PostgreSQL的性能 一、什么是TPC-C和tpmC 1、TPC-C TPC-C是一种旨在衡量联机事务处理(OLTP)系统性能与可伸缩性的行业标