方法
测试方法
- 我们自动化了基准测试脚本,以便随时创建可重现的基准测试结果。
- 运行 InfluxDB Telegraf 代理的客户端工作负载生成器为正在比较的数据库生成数据摄取工作负载。我们选择 Telegraf 作为首选数据收集代理,因为它具有熟悉性、易用性和可扩展性。Telegraf 代表了我们大多数客户的工作负载。
- 为了检测最大摄取容量,测试会增加客户端数量,直到观察到摄取器性能下降(反映在摄取器的 CPU 和内存使用率上)。
- 测试在摄取期间针对各种时间范围和计划顺序执行查询,以模拟实际工作负载条件。未来的基准测试计划包括添加查询工作负载的并行执行。
测试配置
InfluxDB 3.0(测试针对 Cloud Dedicated 执行。)
- 我们使用 AWS EKS(弹性 Kubernetes 服务)部署了 InfluxDB Cloud Dedicated (v3.0) XS 集群,以在 AWS 中作为 3 节点(1 个摄取器、1 个查询器和 1 个压缩器)集群运行。
- 最终用户成本:每年 6 万美元
InfluxDB OSS 1.8(测试针对 InfluxDB OSS 执行。测试在与 Cloud Dedicated 相同的类别中运行,在最大的可用实例上。)
- 我们在 AWS 中的 m5.24xlarge 实例上部署了 InfluxDB 开源 v1.8。存储由 10 TB 通用 SSD (gp3) 支持。
- 总 CPU:96vCPU
- 总内存:384GiB RAM
- 使用的其他 AWS 服务:无
- 最终用户的 AWS 基础设施成本:约每年 6 万美元
测试数据集
我们为此基准测试设计的数据旨在使用 Telegraf 输入插件模拟应用程序性能监控工作负载,以收集各种指标和测量值。在此测试中使用的 Telegraf 插件生成的数据模式可以在
此处找到。
- 数据集中的总值:3720 亿
- 数据集持续时间:24 小时
- 测量间隔:10 秒
测试查询
基准测试自动化测试框架使用以下查询集来观察正在观察的产品的查询延迟