(本文作者：观测云资深系统开发工程师 熊豹)

  2023 年 4 月 23 日，观测云正式发布自研时序数据库 GuanceDB，并在当天应用到了观测云所有 SaaS 节点的底座。此次升级性能提升的效果立竿见影，对比之前使用 InfluxDB 的环境资源占用大幅降低、查询性能显著提升，我们成功地吃上了自己的狗粮。

  我们也深知 talk is cheap show me the benchmark 的道理，这里发布我们在近期完成的 GuanceDB 性能压测报告。

  压测方案说明

  本次测试的目标是对比 GuanceDB、InfluxDB 和某知名开源时序数据库(简称 xxDB)在相同的写入负载和查询条件下的性能表现及资源占用情况。

  关于测试工具：

  我们对比 tsbs、prometheus-benchmark 两种时序数据库的压测方案。

  其中 prometheus-benchmark 构造了更偏真实环境的持续写入负载，指标数值的变化也更真实，所以我们主要参考 prometheus-benchmark 来构造本次测试。

  原 prometheus-benchmark 方案中使用了 vmagent 来抓取和写入指标，但我们今天测试的 3 种数据库对 Prometheus 写入协议支持力度不一，没法一起比较。所以我们对 vmagent 进行了一些改造，让其支持了 InfluxDB 的行写入协议。

  本次测试的最终方案如下：

  1.部署的一个单机的 node-exporter ，其暴露宿主机的 1383 个真实指标

  2.部署 Nginx 反代并缓存 node-exporter 结果 1s，降低频繁请求的压力

  3.调整 agent 的抓取配置，模拟生成不同的 node-exporter 实例数以生成不同的写入负载

  4.agent 以相同的请求大小、频率将数据同时以 influx 协议 http 接口写入三种时序数据库

  软件版本：

  1.GuanceDB: v1.0.0

  2.InfluxDB: v1.8.10

  3.xxDB

  主机配置：

  1.压测机：1 台阿里云 ecs.g7.16xlarge 云主机：64 core，128 GB RAM

  2.存储集群：3 台阿里云 ecs.g7.4xlarge 云主机：16 core，64 GB RAM，200 GB PL1 类型 ESSD

  部署方式：

  因为 InfluxDB 的开源版本不支持集群模式，所以我们也将分两组进行测试。一组是 InfluxDB 与 GuanceDB、xxDB 的单机版本对比，另一组是 GuanceDB 与 xxDB 的集群模式进行对比，集群模式都使用 3 个存储节点。

  参数优化：

  GuanceDB 对大部分场景都做了自动调优，所以我们不用手动调整配置。

  InfluxDB 默认对高基数场景做了一些保护，我们调整 max-series-per-database = 0 放开了限制，cache-max-memory-size 增大到了 10g，并且开启 tsi1 索引。

  xxDB 我们也参考文档进行了针对性的调优。

  至此完成所有配置，开始测试。

  写入测试

  ●单机组

  本组测试进行的测试轮次比较多，这里我们挑选某一轮展示详细监控截图。

  在此轮测试中，我们虚拟了 344 个 node-exporter 实例，生成大约 50w 条活跃时间线，5s 抓取一次，时序点写入 QPS 10w。

  GuanceDB 资源开销：CPU 占用率 2%，内存占用约 3 GB。

  InfluxDB 资源开销：CPU 占用率 16%，内存占用约 7.4 GB。

  xxDB 资源开销：CPU 占用率 61%，内存占用 9 GB。

  汇总结果表格如下：

  完成了限定性能的测试场景后，我们很好奇要多大的压力才能将各台数据库主机的资源打满，尤其对 GuanceDB，响应 10w 写入 QPS 仅仅花费了 2% 的 CPU 开销，它的性能上限在哪里？随即我们开始加大 QPS，当各台主机的 CPU，内存和磁盘若有一项被打满时，即被认为到达瓶颈。

  实际测试结果都是主机的 CPU 先被打满，此时内存占用和磁盘写入带宽都还有余量，所以我们就以 CPU 利用率为瓶颈指标画出以下对比图：

  在单机场景下，当 CPU 达到满载时，xxDB 的写入 QPS 约 15w，InfluxDB 约 90w，GuanceDB 约 270w。本轮 GuanceDB 获得第一，写入性能是 InfluxDB 的 3 倍。也可以看到在 CPU 利用率超过 20% 后，性能不再呈线性增长，都有一定程度衰退。

  ●集群组

  我们按照之前的方法继续测试 3 节点集群：

  在集群场景下，仍然是 CPU 利用率先达到瓶颈。同样在 CPU 满载情况下，GuanceDB 此时的写入 QPS 约为 860w，xxDB 约为 45w。

  对比之前 GuanceDB 和 xxDB 的单机写入性能测试，理想情况下 N 个节点的集群版的写入性能应该是单机版的 N 倍，呈线性增长，实测 3 节点集群符合性能预期。

  查询测试

  查询测试将混合单机 InfluxDB、集群版 GuanceDB、集群版 xxDB 一起进行。集群一般可以将数据和查询分摊并可以在节点之间并行查询，理论上这个测试方式对 InfluxDB 不太公平，但条件受限，暂且这么设计。

  我们虚拟 688 个 node-exporter 实例，生成大约 100w 个活跃时间线，5s 抓取一次，时序点写入 QPS 20w。在持续写入 24 小时后，我们再测试一些常见语句的查询性能和对比存储空间占用。

  GuanceDB 同时支持 DQL 和 PromQL 两种查询语法。DQL 是观测云自研的多模数据查询语言，同时支持指标、日志、对象等多种类型负载数据的查询和分析，语法表达非常简洁。语法设计上跟 SQL 接近，但更加适应时序分析场景，学习曲线平滑。

  这里我们一共对比了四种查询语法在相同语义的 1h、8h、24h 不同时间范围下的响应时间：

  查询 1 响应时间：

  注：图示中 0ms 表示响应时间不到 1ms。

  查询 2 响应时间：

  查询 3 响应时间：

  注：图示中 -1ms 表示请求响应时间超过了 60s 不计数。

  空间占用对比

  在上述的查询测试构造的写入压力(活跃时间线 100w，时序点写入 QPS 20w)下，运行 24 小时后，我们对比存储空间占用。

  总结

  经过数轮的写入和查询性能测试，相信各位对 GuanceDB 的综合性能表现已经有了比较清晰的认识了。GuanceDB 对比 InfluxDB 写入性能提升 3 倍，存储空间占用减少 68%，查询性能提升 30 倍以上。GuanceDB 相比 xxDB 提升则更明显，背后的原因是 xxDB 虽然明面上是支持了 Schemaless 数据的写入，但是对 Schemaless 的场景明显优化不足，所以表现欠佳。

  GuanceDB 的优异性能来自于我们构建的高效的火山模型查询引擎、SIMD 指令加速、对 Schemaless 数据的最优先支持等，也因为我们站在了 VictoriaMetrics 的肩膀上。非常感谢 VictoriaMetrics 开源社区对我们的支持，我们将持续贡献回报社区，共同促进可观测领域技术的发展与进步。

  我们在 5 月中下旬也将发布 GuanceDB 的单机版本，欢迎大家到时关注和测试。如有同学对 GuanceDB 感兴趣，或有任何疑问，可以随时站内和我联络，或者在观测云社群里沟通。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。