zl程序教程

您现在的位置是:首页 >  其他

当前栏目

Strom及DRPC性能测试与改进

测试性能 改进
2023-09-11 14:19:44 时间
参考3:Storm DRPC 使用及访问C++ Bolt问题的解决方法 参考4:Storm 多语言支持之ShellBolt原理及改进 参考5:Base64编码及编码性能测试 参考6:Base64编码及编码性能测试 [改进] 参考7:zlib使用与性能测试 参考8:十分简单的redis使用说明及性能测试 [参考1]的结论与局限 参考种对Storm性能进行测试,得出了以下结论: storm单条流水线的处理能力大约为20000 tupe/s, (每个tuple大小为1000字节) storm系统本省的处理延迟为毫秒级 在集群中横向扩展可以增加系统的处理能力,实测结果为1.6倍 Storm中大量的使用了线程,即使单条处理流水线的系统,也有十几个线程在同时运行,所以几乎所有的16个CPU都在运行状态,load average 约为 3.5 Jvm GC一般情况下对系统性能影响有限,但是内存紧张时,GC会成为系统性能的瓶颈 使用外部处理程序性能下降明显,所以在高性能要求下,尽量使用storm内建的处理模式 作者对strom的处理能力和可扩展性进行了测试,给出了很有说服力的数据。但还不能满足我们的需要: 1)由于作者使用的tuple为1000字节,也就是1K,数据量相对较小,而在实际使用过程中,storm作为实时流处理系统,处理的数据可能比较大。比如我们用来进行图像处理,一个图片可能有1M左右。这时候storm的性能如何呢? 2)为了简化storm的集成,我们使用DRPC来访问storm,具体用法可参见[参考2]和[参考3],在DRPC访问时,数据需要从DRPCClient发送至DRPCServer,再由DRPCServer发送给topology中的spout,spoout发送给Bolt........;当数据处理完毕后,还要由Bolt返回给DPRCServer,由DRPCServer返回给DRPCClient。 增加了这些步骤以后,Strom DRPC的性能究竟如何呢? 3)作者在[参考1]中提到,使用外部处理程序时Storm的性能明显下降,大概只有1/10的性能。但是我们在实际使用中,可能经常是在已有的基础上,将功能集成到Storm中运行。通俗点说:实际情况是我们经常使用外部处理程序,这种情况下,怎么能提高Storm的性能呢?关于这点可以查看[参考4]。我们使用JNI来解决。 测试与结论 1)测试环境 测试环境如图所示 有客户端和两台服务器组成。 客户端为虚拟机,单核3.2GHz  1G 内存,100M带宽。 服务器也是虚拟机,8核2.2GHz,8G内存,1G带宽。 DRPC Topology由一个DRPCSpout,CPPBolt和一个ReturnResult组成。功能是接收一个字符串并返回。 Topology运行在一个work中,Spout,Bolt分别由不同的线程执行。
2)测试方法 在Client启动0-100多个线程,不停的访问Topology,向其发送一个字符串(1K-1M)。Topology会原封不动的返回该字符串。 测试过程就不详细展开了。直接说测试结果。 3)测试结论 该测试中,处理速度主要受限于客户端带宽。也就是说由于数据量大,客户端发的速度慢,低于Storm中topology的处理速度。 因此该测试只能得出DRPC方式中单个请求在不同数据大小时,storm的延迟时间。 简而言之,StormDRPC方式中,最小延迟为50ms(数据小于1K),当数据量大时,256K数据,延迟为125ms,512K时延迟为208ms。 所以Storm数据量较大的时,处理的延迟还是比较大的。 当然以上仅是在特定环境中的测试,仅供参考。 改进方法 根据个人经验,针对以上Storm延迟可以由以下改进方法: 1)数据可以先压缩后再交给storm处理,在具体的bolt中对其进行解压缩。根据个人测试zlib压缩1M的数据,压缩率为80%,既可以将数据研所为原来的20%。从而可以减小数据量,提高效率。而zlib对1M数据进行压缩、解压缩所用时间在10ms以内。可以使情况选用。见[参考7] 2)storm本身采用字符型传输,对于二进制数据必须进行编码。可采用base64编码。参见[参考5],base64对1M数据的编码,解码时间也分别小于10ms。 3)在DRPC测试中,数据从Clinet到DRPCServer,到DRPC SPOUT,到BOLT,到RETURN Result,在到DRPCSERVER,最后返回Client传输多次,可以考虑使用内存数据库如redis,Client直接将数据放入redis,将其在redis中的路径进行传输,在需要时,由bolt从redis中获取。参见[参考8]。将1M数据在redis中存取,耗时也分别在10-20ms。 4)对于外部处理程序,如C++,可以采用JNI的方式,对ShellBolt进行改进,而不是启动新的进程在通过Json编码,Pipe传输与之通讯,从而也可以提交效率。参见[参考4]。 最新内容请见作者的GitHub页:http://qaseven.github.io/

聊聊性能测试中的基准测试 可重复性:可进行重复性的测试,这样做有利于比较每次的测试结果,得到性能结果的长期变化趋势,为系统调优和上线前的容量规划做参考。
记一次 ClickHouse 性能测试 本文将对比 MySQL、InfluxDB、ClickHouse 在千万数据量下的写入耗时、聚合查询耗时、磁盘占用等各方面性能指标,并详细记录了测试全过程。
性能测试--性能测试概念、性能测试主流工具 一般来说,性能是一种指标,表明软件系统或构件对其及时性要求的符合程度;其次,性能是软件产品的一种特性,可以用时间来进行度量。性能的及时性用响应时间或吞吐量来衡量。响应时间是指服务器对请求作出响应所需要的时间。