• mysql基准测试工具tpcc-mysql安装、使用、结果解读


    TPCC是专门针对联机交易处理系统(OLTP系统)的规范,一般情况下我们也把这类系统称为业务处理系统,tpcc-mysql是percona基于TPC-C(下面简写成TPCC)衍生出来的产品,专用于MySQL基准测试。其源码放在launchpad上,用bazaar管理,项目地址:https://code.launchpad.net/~percona-dev/perconatools/tpcc-mysql专门转对mysql的基准测试工具,模拟电商业务流程.但是tpcc-mysql的结果并未获得TPC组织的认证,仅作为一个参考数据。

    一、下载安装tpcc-mysql

    1.安装epel

      yum install epel-release.noarch

    2.安装bzr版本控制工具

      yum install bzr

    3.cd /tmp

    4.开始用bzr客户端下载tpcc-mysql源码了

      bzr branch lp:~percona-dev/perconatools/tpcc-mysql

    5.安装

      cd /tmp/tpcc-mysql/src

      mke

      如果 make 没有报错,就会在 /tmp/tpcc-mysql 下生成 tpcc 二进制命令行工具 tpcc_load 、 tpcc_start

    二、准备测试

    1.创建测试表结构

       mysql -uroot -poracle -e 'create database tpcc'

       mysql -uroot -poracle tpcc < create_table.sql
       mysql -uroot -poracle tpcc < add_fkey_idx.sql

    2.tpcc-mysql的业务逻辑及其相关的几个表作用如下

       New-Order:新订单,一次完整的订单事务,几乎涉及到全部表

       Payment:支付,主要对应 orders、history 表

       Order-Status:订单状态,主要对应 orders、order_line 表

       Delivery:发货,主要对应 order_line 表

       Stock-Level:库存,主要对应 stock 表

      其他相关表:

      客户:主要对应 customer 表

      地区:主要对应 district 表

      商品:主要对应 item 表

      仓库:主要对应 warehouse 表

    3.创建数据

      tpcc_load用法如下:

      tpcc_load [server] [DB] [user] [pass] [warehouse]

      或者
      tpcc_load [server] [DB] [user] [pass] [warehouse] [part] [min_wh] [max_wh]

      选项 [part]: 1=ITEMS 2=WAREHOUSE 3=CUSTOMER 4=ORDERS 通过这四个维度的参数进行并行加载

      选项 warehouse 意为指定测试库下的仓库数量

      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,如果是配备了SSD或者PCIE SSD这种高IOPS设备的话,建议最少不低于1000个。

      注:加载测试数据时长视仓库数量而定,若过程比较久需要稍加耐心等待

      

      开始添加数据 

      ./tpcc_load localhost tpcc root oracle 100  #最后的数字是代表几个仓库,仓库越大,数据量越大。耗费的时间越长,数据最好模拟你真实的数据量,或者至少大于你的buffer pool

    4.开始测试

      tpcc_start 工具用于tpcc压测,其用法如下:

      tpcc_start -h server_host -P port -d database_name -u mysql_user

      -p mysql_password -w warehouses -c connections -r warmup_time

      -l running_time -i report_interval -f report_file

      

      对应的参数意思如下:

      -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

       

      现在我们来开启一个测试案例:

      tpcc_start -hlocalhost -d tpcc1000 -u tpcc_user -p "tpcc_password"

      -w 1000 -c 32 -r 120 -l 3600

      -f tpcc_mysql_20140921.log >> tpcc_caseX_20140921.log 2>&1

      or

      ./tpcc_start -hlocalhost -d tpcc -u root -p oracle -w 100 -c 8 -r 10 -l 20

      即:模拟 1000个仓库规模,并发 32个线程进行测试,热身时间为 120秒, 压测时间为 1小时。

      注:真实测试场景中,建议预热时间不小于5分钟,持续压测时长不小于30分钟,否则测试数据可能不具参考意义

    三、输出结果分析

    发起测试:

                ./tpcc_start -h 1.2.3.4 -P 3306 -d tpcc10 -u tpcc -p tpcc

                -w 10 -c 64 -r 30 -l 120

                -f tpcclog_201409211538_64_THREADS.log >> tpcc_noaid_2_20140921_64.log 2>&1

    测试结果输出如下:

    -- 本轮tpcc压测的一些基本信息
    ***************************************
    *** ###easy### TPC-C Load Generator ***
    ***************************************
    option h with value '1.2.3.4'   -- 主机
    option P with value '3306'             -- 端口
    option d with value 'tpcc10'         -- 数据库
    option u with value 'tpcc'             -- 账号
    option p with value 'tpcc'             -- 密码
    option w with value '10'                 -- 仓库数
    option c with value '64'                 -- 并发线程数
    option r with value '30'                 -- 数据预热时长
    option l with value '120'               -- 压测时长
    option f with value 'tpcclog_20140921_64_THREADS.res'  -- 输出报告日志文件
    
         [server]: 1.2.3.4
         [port]: 3306
         [DBname]: tpcc10
           [user]: tpcc
           [pass]: tpcc
      [warehouse]: 10
     [connection]: 64
         [rampup]: 30 (sec.)
        [measure]: 120 (sec.)
    
    RAMP-UP TIME.(30 sec.)
    
    -- 预热结束,开始进行压测
    MEASURING START.
    
    -- 每10秒钟输出一次压测数据
      10, 8376(0):2.744|3.211, 8374(0):0.523|1.626, 838(0):0.250|0.305, 837(0):3.241|3.518, 839(0):9.086|10.676
      20, 8294(0):2.175|2.327, 8292(0):0.420|0.495, 829(0):0.206|0.243, 827(0):2.489|2.593, 827(0):7.214|7.646110, 8800(0):2.149|2.458, 8792(0):0.424|0.710, 879(0):0.207|0.244, 878(0):2.461|2.556, 878(0):7.042|7.341
     120, 8819(0):2.147|2.327, 8820(0):0.424|0.568, 882(0):0.208|0.237, 881(0):2.483|2.561, 883(0):7.025|7.405
    -- 以逗号分隔,共6列
    -- 第一列,第N次10秒
    -- 第二列,新订单成功执行压测的次数(推迟执行压测的次数):90%事务的响应时间|本轮测试最大响应时间,新订单事务数也被认为是总有效事务数的指标
    -- 第三列,支付业务成功执行次数(推迟执行次数):90%事务的响应时间|本轮测试最大响应时间
    -- 第四列,订单状态业务的结果,后面几个的意义同上
    -- 第五列,物流发货业务的结果,后面几个的意义同上
    -- 第六列,库存仓储业务的结果,后面几个的意义同上
    
    -- 压测结束
    STOPPING THREADS................................................................
    
       -- 第一次结果统计
      [0] sc:100589  lt:0  rt:0  fl:0    -- New-Order,新订单业务成功(success,简写sc)次数,延迟(late,简写lt)次数,重试(retry,简写rt)次数,失败(failure,简写fl)次数
      [1] sc:100552  lt:0  rt:0  fl:0    -- Payment,支付业务统计,其他同上
      [2] sc:10059  lt:0  rt:0  fl:0    -- Order-Status,订单状态业务统计,其他同上
      [3] sc:10057  lt:0  rt:0  fl:0    -- Delivery,发货业务统计,其他同上
      [4] sc:10058  lt:0  rt:0  fl:0    -- Stock-Level,库存业务统计,其他同上
     in 120 sec.
    
        -- 第二次统计结果,其他同上
      [0] sc:100590  lt:0  rt:0  fl:0 
      [1] sc:100582  lt:0  rt:0  fl:0 
      [2] sc:10059  lt:0  rt:0  fl:0 
      [3] sc:10057  lt:0  rt:0  fl:0 
      [4] sc:10059  lt:0  rt:0  fl:0 
    
     (all must be [OK])       -- 下面所有业务逻辑结果都必须为 OK 才行
     [transaction percentage]
            Payment: 43.47% (>=43.0%) [OK]      -- 支付成功次数(上述统计结果中 sc + lt)必须大于43.0%,否则结果为NG,而不是OK
       Order-Status: 4.35% (>= 4.0%) [OK]       -- 订单状态,其他同上
           Delivery: 4.35% (>= 4.0%) [OK]       -- 发货,其他同上
        Stock-Level: 4.35% (>= 4.0%) [OK]       -- 库存,其他同上
     [response time (at least 90% passed)]      -- 响应耗时指标必须超过90%通过才行
          New-Order: 100.00%  [OK]              -- 下面几个响应耗时指标全部 100% 通过
            Payment: 100.00%  [OK]
       Order-Status: 100.00%  [OK]
           Delivery: 100.00%  [OK]
        Stock-Level: 100.00%  [OK]
    
    
                     50294.500 TpmC                      -- TpmC结果值(每分钟事务数,该值是第一次统计结果中的新订单事务数除以总耗时分钟数,例如本例中是:100589/2 = 50294.500
  • 相关阅读:
    微软2019暑期实习笔试题
    java中函数传值和传地址的问题
    不常见的机器学习算法
    隐马尔可夫模型
    hive中over的用法
    SQL基本练习
    drop、truncate和delete的区别
    概率函数,分布函数,密度函数
    greenDao:操作数据库的开源框架
    利用百度API Store接口进行火车票查询
  • 原文地址:https://www.cnblogs.com/Yongzhouunknown/p/4902409.html
Copyright © 2020-2023  润新知