导航：首页 > 网络数据库 >

Mongodb性能压测

发表于：2024-11-21 作者：热门IT资讯网编辑

编辑最后更新 2024年11月21日，一、背景这几天对所有的基础组件做一个摸底的基准压力测试，目前我们所有的开源基础组件都没有做过性能测试，经常有开发人员问，我们的RDS、MongoDB集群能抗多大量呀，这个时候我是没办法回复的，因为我自

一、背景

这几天对所有的基础组件做一个摸底的基准压力测试，目前我们所有的开源基础组件都没有做过性能测试，经常有开发人员问，我们的RDS、MongoDB集群能抗多大量呀，这个时候我是没办法回复的，因为我自己也不知道，虽然一个数据库集群能抗多大量，在软件、硬件配置固定的情况下，和业务场景有很大的关系，如果数据量小，查询SQL简单那吞吐量自然很高，如果数据量特别大并且都是复杂SQL，那吞吐量自然上不去；但是既然人家问了，肯定是希望有一个答案，如果你说不知道，那会给人一种不靠谱的感觉，所以做一次基准压力测试，我们知道在特定的场景下我们的集群能有多大的吞吐量，做到自己心里有数，才给别人信心。这周在压测MongoDB，谷歌了一番，MongoDB的压测工具很少，有几篇是介绍通过YCSB压测MongoDB的，找丹姐（逻辑思维首席DBA）推荐一款MongoDB的压测工具，丹姐也推荐YCSB，好吧，那就它吧，开整。

二、环境说明

1、MongoDB集群配置（一个分片的shard集群）

2、MongoDB版本

4.0.4-62-g7e345a7
4、系统及内核版本

CentOS Linux release 7.5.1804 (Core)3.10.0-862.14.4.el7.x86_64

3、YCSB版本

YCSB-0.16.0-RC1.

4、测试说明

三、安装

1、jdk及maven安装参考官方

https://github.com/brianfrankcooper/YCSB/tree/master/mongodb

2、安装YCSB

wget https://github.com/brianfrankcooper/YCSB/archive/0.16.0-RC1.tar.gztar -zxvf YCSB-0.16.0-RC1.tar.gzcd YCSB-0.16.0-RC1/mvn clean package -Dmaven.test.skip=true

PS：
安装过程中maven下载依赖需要×××，如果有安装失败的包，需要在能×××的服务器上下载手动安装，比如mongodb-async-driver-2.0.1.jar就需要×××，下面是手动安装方法
A、手动下载jar包
wget http://www.allanbank.com/repo/com/allanbank/mongodb-async-driver/2.0.1/mongodb-async-driver-2.0.1.jar
B、加压包，从pom.xml 文件里面查看groupId、artifactId、version
C、手动安装

mvn install:install-file -Dfile=/tmp/mongodb-async-driver-2.0.1.jar  -DgroupId=com.allanbank -DartifactId=mongodb-async-driver -Dversion=2.0.1 -Dpackaging=jarmvn -pl com.yahoo.ycsb:mongodb-binding -am clean package

四、压测

1、编写压测文件

在workloads目录下有很多压测文件用到的文件，我们从其中一个copy一份，编辑添加我们自己定义的内容

vim workloads/2000wongodb.url=mongodb://root:[email protected]:27000mongodb.writeConcern=normaltable=chj_2000wrecordcount=20000000operationcount=50000000readallfields=truereadproportion=0updateproportion=0scanproportion=0insertproportion=1requestdistribution=zipfianworkload=com.yahoo.ycsb.workloads.CoreWorkload

关于YCSB的压测文件的每个参数的解释如下：

fieldcount: 每条记录字段个数 (default: 10)fieldlength: 每个字段长度 (default: 100)readallfields: 是否读取所有字段true或者读取一个字段false (default: true)readproportion: 读取作业比例 (default: 0.95)updateproportion: 更新作业比例 (default: 0.05)insertproportion: 插入作业比例 (default: 0)scanproportion: 扫描作业比例 (default: 0)readmodifywriteproportion: 读取一条记录修改它并写回的比例 (default: 0)requestdistribution: 请求的分布规则 uniform, zipfian or latest (default: uniform)maxscanlength: 扫描作业最大记录数 (default: 1000)scanlengthdistribution: 在1和最大扫描记录数的之间的分布规则 (default: uniform)insertorder: 记录被插入的规则ordered或者hashed (default: hashed)operationcount: 执行的操作数.maxexecutiontime: 执行操作的最长时间，当然如果没有超过这个时间以运行时间为主。table: 测试表的名称 (default: usertable)recordcount: 加载到数据库的纪录条数 (default: 0)

2、造数据，也是测写入性能

./bin/ycsb load mongodb -threads 100 -P workloads/2000w
输出结果说明

[OVERALL], RunTime(ms), 37182  #数据加载所用时间(毫秒)[OVERALL], Throughput(ops/sec), 13447.367005540314  #加载操作的吞吐量(ops/sec)[TOTAL_GCS_PS_Scavenge], Count, 37[TOTAL_GC_TIME_PS_Scavenge], Time(ms), 146[TOTAL_GC_TIME_%_PS_Scavenge], Time(%), 0.3926631165617772[TOTAL_GCS_PS_MarkSweep], Count, 0[TOTAL_GC_TIME_PS_MarkSweep], Time(ms), 0[TOTAL_GC_TIME_%_PS_MarkSweep], Time(%), 0.0[TOTAL_GCs], Count, 37[TOTAL_GC_TIME], Time(ms), 146[TOTAL_GC_TIME_%], Time(%), 0.3926631165617772[CLEANUP], Operations, 64[CLEANUP], AverageLatency(us), 422.09375[CLEANUP], MinLatency(us), 0[CLEANUP], MaxLatency(us), 26911[CLEANUP], 95thPercentileLatency(us), 3[CLEANUP], 99thPercentileLatency(us), 30[INSERT], Operations, 500000  # 执行insert操作的总数[INSERT], AverageLatency(us), 4658.931652  # 每次insert操作的平均延时(微秒)[INSERT], MinLatency(us), 831 # 所有insert操作的最小延时(微秒)[INSERT], MaxLatency(us), 1784831 # 所有insert操作的最大延时(微秒)[INSERT], 95thPercentileLatency(us), 9711  # 95%的insert操作延时在9毫秒以内[INSERT], 99thPercentileLatency(us), 17903 # 99%的insert操作延时在17毫秒以内[INSERT], Return=OK, 500000

3、压测

通过调整压测文件中read和update的比例，模拟只读和读写混合的操作

./bin/ycsb run mongodb -threads 100 -P workloads/2000w

[OVERALL], RunTime(ms), 1735408[OVERALL], Throughput(ops/sec), 2881.1668495247227[TOTAL_GCS_PS_Scavenge], Count, 3975[TOTAL_GC_TIME_PS_Scavenge], Time(ms), 6180[TOTAL_GC_TIME_%_PS_Scavenge], Time(%), 0.3561122226012557[TOTAL_GCS_PS_MarkSweep], Count, 0[TOTAL_GC_TIME_PS_MarkSweep], Time(ms), 0[TOTAL_GC_TIME_%_PS_MarkSweep], Time(%), 0.0[TOTAL_GCs], Count, 3975[TOTAL_GC_TIME], Time(ms), 6180[TOTAL_GC_TIME_%], Time(%), 0.3561122226012557[READ], Operations, 500346[READ], AverageLatency(us), 2851.9638989819045[READ], MinLatency(us), 696[READ], MaxLatency(us), 646655[READ], 95thPercentileLatency(us), 6991[READ], 99thPercentileLatency(us), 23103[READ], Return=OK, 500346[CLEANUP], Operations, 10[CLEANUP], AverageLatency(us), 3131.0[CLEANUP], MinLatency(us), 1[CLEANUP], MaxLatency(us), 31295[CLEANUP], 95thPercentileLatency(us), 31295[CLEANUP], 99thPercentileLatency(us), 31295[UPDATE], Operations, 4499654[UPDATE], AverageLatency(us), 3534.2083122391186[UPDATE], MinLatency(us), 704[UPDATE], MaxLatency(us), 1078271[UPDATE], 95thPercentileLatency(us), 11647[UPDATE], 99thPercentileLatency(us), 27343[UPDATE], Return=OK, 4499654

五、指标观察

1、服务器指标，主要观察CPU、内存、磁盘IO的利用率和延时，可以通过top、iostat工具查看实时情况
2、MongoDB可以通过mongostat 工具查看实时情况

mongostat的输出说明

inserts：每秒插入次数query：每秒查询次数update：每秒更新次数delete：每秒删除次数getmore：每秒执行getmore次数command：每秒的命令数，比以上插入、查找、更新、删除的综合还多，还统计了别的命令dirty：WiredTiger存储引擎中dirty 数据占缓存百分比used:WiredTiger存储引擎中引擎使用缓存占百分比flushs：每秒执行fsync将数据写入硬盘的次数。vsize：虚拟内存使用量，单位MBres：物理内存使用量，单位MBqrw:客户端等待读的长度,队列中的长度arw:客户端等待写的队列长度netIn 和 netOut：网络流量，单位是字节 byteconn：当前连接数time：时间戳