工具 | 如何对 MySQL 进行 TPC-C 测试?
作者:丁源 RadonDB 测试负责人
负责 RadonDB 云数据库、容器化数据库的质量性能测试,迭代验证。对包括云数据库以及容器化数据库性能和高可用方案有深入研究。
|背景
根据 DWorks 2020 年发布的《中国自研数据库登顶 TPC-C 的意义》[1] 报告显示,大于 67.9% 的受访者表示在数据库选型时会参考 TPC-C 的测试结果。对用户来说,性能是数据库选型时最重要的指标之一。而 TPC-C 作为权威的测试基准,是一个能够直观反映软硬件性能的方式。
图片来源:2020 DWorks《中国自研数据库登顶 TPC-C 的意义》
|几个概念
一个协会
TPC(事务处理性能协会:Tracsaction Processing Performance Council),是一个大型非盈利的组织。TPC 主要制定了商务应用标准程序(Benchmark)的标准规范,性能和价格度量,并管理测试结果的发布。任何厂家或测试者都可以根据规范,执行标准性能测试。
一个标准
TPC-C 是在线事务处理(OLTP)的基准程序。专门针对联机事务处理系统(OLTP)的性能测试规范,其测试结果可为用户在选择相应解决方案平台时提供参考标准。
一个工具
TPCC-MySQL[2] 是 Percona 基于 TPC-C 衍生出来的标准规范,专门用于 MySQL 基准测试。可运行于 Windows、GNU/Linux、UNIX 以及 Mac OS 系统之上。
一个场景
TPC-C 有一个比较有代表意义的 OLTP 模拟场景:在线订单处理系统。
假设有一个大型商品批发商,拥有 N 个位于不同区域的仓库,每个仓库负责为 10 个销售点供货,每个销售点有 3000 个客户,每个客户平均一个订单有 10 项产品。由于一个仓库中不可能 存储公司所有的货物,有一些请求必须发往其它仓库,因此,数据库在逻辑上是分布的。N 是一个可变参数,测试者可以随意改变 N,以获得最佳测试效果。
五类事务
该场景下,TPC-C 规范对应五类事务:
New-Order | 客户输入一笔新的订货交易 |
---|---|
Payment | 更新客户账户余额以反应其支付状况 |
Delivery | 发货(批处理交易) |
Order-Status | 查询客户最近交易的状态 |
Stock-Level | 查询仓库库存状况,以便能够及时补货 |
测试完成后会输出这五类事务的吞吐量和延迟,而业内关注的 TPC-C 核心性能指标只有两个:
- New-Order 事务的吞吐量(TPM)
- 延迟
其原因是 TPC 委员会制定 TPC-C 时,重点考量的是 数据库对新订单的处理能力,以揭示该数据库的商业成本。数据库整体报价 / TPM = 每个订单的数据库成本。这个指标对衡量一款数据库的性价比,具有非常实际的指导作用。
TPC-C 模拟业务场景
接下来将介绍使用 TPC-C 工具模拟业务测试场景。
|环境准备
操作系统:Ubuntu 18.04.5 LTS
容器平台:KubeSphere V3.1.1
数据库:RadonDB MySQL Kubernetes
KubeSphere 界面
环境准备完毕,RadonDB MySQL Kubernetes[3] 已经在 KubeSphere[4] 管理界面可见。
创建测试 Pod
kubectl run -i --tty --rm --image ubuntu test-shell bash kubectl exec -ti test-shell -c test-shell /bin/bash apt-get update
安装工具
先安装 make、gcc、git 等工具
apt-get install make apt-get install gcc apt-get install git
安装测试所需的 MySQL 客户端和开发环境
apt-get install mysql-server apt-get install libmysqlclient-dev
源码安装 tpcc-mysql
git clone https://github.com/Percona-Lab/tpcc-mysql.git cd tpcc-mysql/src make
|数据准备
真实测试场景中,仓库数一般不建议少于 100 个,视服务器硬件配置而定。如果配置了 SSD 或者 PCIE SSD 这种高 IOPS 设备,建议配置仓库数不低于 1000 个。
创建用户
创建用户并授权。
mysql> CREATE USER radondb@localhost IDENTIFIED BY 'mysql_password'; Query OK, 0 rows affected (0.00 sec) mysql> grant all privileges on *.* to 'radondb'@'%'identified by 'mysql_password' with grant option; Query OK, 0 rows affected, 1 warning (0.01 sec)
创建所需库表
使用 mysqladmin 工具创建测试数据库 tpcc1000。
mysqladmin create tpcc1000 -h server_host -u mysql_user -p mysql_password
tpcc-mysql 工具自带前面介绍的测试场景数据表 create_table.sql
文件、索引文件 add_fkey_idx.sql
文件。
mysql -D tpcc1000 -h server_host -u mysql_user -p mysql_password < create_table.sql mysql -D tpcc1000 -h server_host -u mysql_user -p mysql_password < add_fkey_idx.sql
添加数据
使用 tpcc_load 工具,为指定数据库添加数据。
./tpcc_load -h server_host -d tpcc1000 -u mysql_user -p mysql_password -w 20
|TPC-C 测试
开始测试
执行如下命令,开启一个测试案例。
./tpcc_start -h server_host -d tpcc1000 -u mysql_user -p mysql_password -w 20 -c 128 -r 120 -l 200 - >tpcc-output-log
参数说明:
参数 | 说明 |
---|---|
-w | 指定仓库数量。 |
-c | 指定并发连接数。 |
-r | 指定开始测试前进行 warmup 的时间,进行预热后,测试效果更好。 |
-l | 指定测试持续时间。 |
-i | 指定生成报告间隔时长。 |
-f | 指定生成的报告文件名。 |
|测试结果展示
生成图表
安装绘图工具 gnuplot[5],并生成 tcpp.gif 图片。
yum install -y gnuplot cat log.conf | gnuplot
以上就是利用容器 Pod 测试 RadonDB MySQL 数据库全部过程,可以尝试调整测试条件,获得更多测试数据。
|总结
TPC-C 的测试结果主要参考流量和性价比两个指标。
流量
Throughput,简称 tpmC。按照 TPC 的定义,流量指标描述了系统在执行 Payment、Order-status、Delivery、Stock-Level 这四种交易时,每分钟处理 New-Order 交易的数量。所有交易的响应时间必须满足 TPC-C 测试规范的要求。
流量值越大越好!
性价比
Price/Performance,简称 Price/tpmC。即测试系统价格(指在美国的报价)与流量指标的比值。
性价比越小越好!
|参考引用
[1]:《中国自研数据库登顶TPC-C的意义》:https://zhuanlan.zhihu.com/p/114152924
[2]:TPCC-MySQL:https://github.com/Percona-Lab/tpcc-mysql
[3]:RadonDB MySQL Kubernetes:https://github.com/radondb/radondb-mysql-kubernetes
[4]:KubeSphere:https://kubesphere.com.cn
[5]:gnuplot:http://www.gnuplot.info

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
APP性能分析工作台——你的最佳桌面端性能分析助手
使用 APP 性能分析工作台还可抽奖获得字节精美周边哟❗️ 扫描图中二维码或点这里 即可抽奖 👏 目前 MARS-App 性能分析工作台版本为开发者提供Fastbot桌面版的服务。 旨在帮助开发者们更快、更便捷地开启智能测试之旅,成倍提升稳定性测试的效率。 作者:字节跳动终端技术——王凯 背景 Fastbot 是一款由字节跳动 Quality Lab 团队出品,基于 model-based testing 结合机器学习、强化学习的 App 稳定性测试工具。相比 Android 自带的原生 Monkey 等工具,Fastbot 表现出更好的性能,在相同时间内的 Android Activity 覆盖率和代码覆盖率要远高于其他工具。 图 1 Fastbot 性能对比图 之前在《奔跑吧!智能 Monkey之Fastbot跨平台》一文,我们曾详细地介绍了 Fastbot 在跨平台方面的设计思路、技术演进及应用。 图 2 Fastbot 跨平台架构图 目前,Fastbot 已广泛应用于字节客户端类产品的稳定性测试与兼容性测试。每日启动任务数超过 300 次,每日平均发现 5000 个以上的崩溃...
- 下一篇
基于实例数据详解准确率和召回率
摘要:信息检索、分类、识别、翻译等领域两个最基本指标是准确率(precision rate)和召回率(recall rate),准确率也叫查准率,召回率也叫查全率。 本文分享自华为云社区《准确率、召回率及AUC概念分析》,作者: savioyo。 信息检索、分类、识别、翻译等领域两个最基本指标是准确率(precision rate)和召回率(recall rate),准确率也叫查准率,召回率也叫查全率。这些概念非常重要的一个前提是针对特定的分类器和测试集的,即不同的数据集也会导致不同的结果。 True Positives,TP:预测为正样本,实际也为正样本的特征数 False Positives,FP:预测为正样本,实际为负样本的特征数(错预测为正样本了,所以叫False) True Negatives,TN:预测为负样本,实际也为负样本的特征数 False Negatives,FN:预测为负样本,实际为正样本的特征数(错预测为负样本了,所以叫False) TP+FP+FN+FN:特征总数(样本总数) TP+FN:实际正样本数 FP+TN:实际负样本数 TP+FP:预测结果为正样本的总...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS7设置SWAP分区,小内存服务器的救世主
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- 设置Eclipse缩进为4个空格,增强代码规范
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- SpringBoot2全家桶,快速入门学习开发网站教程
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- Eclipse初始化配置,告别卡顿、闪退、编译时间过长
- CentOS8安装Docker,最新的服务器搭配容器使用
- Docker安装Oracle12C,快速搭建Oracle学习环境
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题