Ignite性能测试以及对redis的对比

测试方法

为了对Ignite做一个基本了解,做了一个性能测试,测试方法也比较简单主要是针对client模式,因为这种方法和使用redis的方式特别像。测试方法很简单主要是下面几点:

  • 不作参数优化,默认配置进行测试
  • 在一台linux服务器上部署Ignite服务端,然后自己的笔记本作客户端
  • 按1,10,20,50,100,200线程进行测试

测试环境说明

服务器:

[09:36:56] ver. 1.7.0#20160801-sha1:383273e3
[09:36:56] OS: Linux 2.6.32-279.el6.x86_64 amd64
[09:36:56] VM information: Java(TM) SE Runtime Environment 1.7.0_07-b10 Oracle Corporation Java HotSpot(TM) 64-Bit Server VM 23.3-b01
[09:36:56] Configured plugins:
[09:36:56]   ^-- None
[09:36:56] 
[09:36:56] Security status [authentication=off, tls/ssl=off]

CPU:4核
内存8GB
网卡100M
虚拟机

客户机:

[13:05:32] ver. 1.7.0#20160801-sha1:383273e3
[13:05:32] OS: Windows 7 6.1 amd64
[13:05:32] VM information: Java(TM) SE Runtime Environment 1.8.0_40-b26 Oracle Corporation Java HotSpot(TM) 64-Bit Server VM 25.40-b25
[13:05:32] Initial heap size is 128MB (should be no less than 512MB, use -Xms512m -Xmx512m).
[13:05:34] Configured plugins:
[13:05:34]   ^-- None
[13:05:34] 
[13:05:35] Security status [authentication=off, tls/ssl=off]
[13:05:51] Performance suggestions for grid  (fix if possible)
[13:05:51] To disable, set -DIGNITE_PERFORMANCE_SUGGESTIONS_DISABLED=true
[13:05:51]   ^-- Decrease number of backups (set 'backups' to 0)

CPU:4核,i5-4210u
内存8GB
笔记本win7 64位
网卡:100M

测试代码

package org.j2server.j2cache.cache.iginte;

import java.util.Arrays;

import org.apache.ignite.Ignite;
import org.apache.ignite.IgniteCache;
import org.apache.ignite.Ignition;
import org.apache.ignite.cache.CacheMode;
import org.apache.ignite.configuration.CacheConfiguration;
import org.apache.ignite.configuration.IgniteConfiguration;
import org.apache.ignite.spi.discovery.tcp.TcpDiscoverySpi;
import org.apache.ignite.spi.discovery.tcp.ipfinder.vm.TcpDiscoveryVmIpFinder;

public class IgniteTest {
	//测试的数据行数
	private static final Integer test_rows = 50000;
	private static final Integer thread_cnt = 10;
	private static final String cacheName = "Ignite Cache";
	private static Ignite ignite;
	private static boolean client_mode = false;
	
	static {
		getIgnite();
	}
	
	public static void main(String[] args) {
		MultiThread();
	}
	
	private static Ignite getIgnite() {
		if (ignite == null) {
			TcpDiscoverySpi spi = new TcpDiscoverySpi();
			TcpDiscoveryVmIpFinder ipFinder = new TcpDiscoveryVmIpFinder();
			ipFinder.setAddresses(Arrays.asList("192.168.49.204"));
			spi.setIpFinder(ipFinder);
			
			CacheConfiguration cacheConfiguration = new CacheConfiguration<String, DataClass>();
			cacheConfiguration.setCacheMode(CacheMode.PARTITIONED);
			cacheConfiguration.setBackups(1);
			IgniteConfiguration cfg = new IgniteConfiguration();
			cfg.setClientMode(client_mode);
			cfg.setDiscoverySpi(spi);
			cfg.setCacheConfiguration(cacheConfiguration);
			ignite = Ignition.start(cfg);
		}
		System.out.println("是否客户端模式:" + client_mode);
		return ignite;
	}

	private static void MultiThread() {
		System.out.println("==================================================================");
		System.out.println("开始测试多线程写入[线程数:"+thread_cnt+"]");
		Long startTime = System.currentTimeMillis();
		
		Thread[] threads = new Thread[thread_cnt];
		Ignite ignite = getIgnite();		
		IgniteCache<String, DataClass> cache = ignite.getOrCreateCache(cacheName);
        for (int i = 0; i < threads.length; i++) {
        	threads[i] = new Thread(new TestThread(true, cache));
        }
        for (int i = 0; i< threads.length; i++) {
			threads[i].start();
		}
        
        for(Thread thread : threads){
            try {
                thread.join();
            } catch (InterruptedException e) { 
                e.printStackTrace();
            }
        }
        
        Long endTime=System.currentTimeMillis(); //获取结束时间		
		float interval = endTime-startTime == 0 ? 1 : endTime-startTime;
		float tpms = (float)test_rows/interval;
		System.out.println("程序运行时间: "+ interval+"ms");  
		System.out.println("每毫秒写入:"+tpms+"条。");
		System.out.println("每秒写入:"+tpms*1000+"条。");		
		
		System.out.println("==================================================================");
		System.out.println("开始测试多线程读取[线程数:"+thread_cnt+"]");
		startTime = System.currentTimeMillis();
		Thread[] readthreads = new Thread[thread_cnt];
        for (int i = 0; i < readthreads.length; i++) {
        	readthreads[i] = new Thread(new TestThread(false, cache));
        }
        for (int i = 0; i< readthreads.length; i++) {
        	readthreads[i].start();
		}
        
        for(Thread thread : readthreads){
            try {
                thread.join();
            } catch (InterruptedException e) { 
                e.printStackTrace();
            }
        }
        
        endTime=System.currentTimeMillis(); //获取结束时间		
		interval = endTime-startTime == 0 ? 1 : endTime-startTime;
		tpms = (float)test_rows/interval;
		System.out.println("程序运行时间: "+ interval+"ms");  
		System.out.println("每毫秒读取:"+tpms+"条。");
		System.out.println("每秒读取:"+tpms*1000+"条。");
	}
	
	static class TestThread implements Runnable {
		private boolean readMode = true;
		private IgniteCache<String, DataClass> cache;
		public TestThread(boolean readMode, IgniteCache<String, DataClass> cache){
			this.readMode = readMode;
			this.cache = cache;
		}
		
        @Override
        public void run() {
            for (int i = 0; i < test_rows/thread_cnt; i++) {
            	if (this.readMode) {
            		cache.get(Integer.toString(i));
            	} else {
            		DataClass dc = new DataClass();
        			dc.setName(Integer.toString(i));
        			dc.setValue(i);
        			dc.setStrValue("asdfadsfasfda");
        			cache.put(Integer.toString(i), dc);
            	}
            }
        }
    }
}

import java.io.Serializable;

public class DataClass implements Serializable{
	private String name;
	private long value;
	private String strValue;
	public String getName() {
		return name;
	}
	public void setName(String name) {
		this.name = name;
	}
	public long getValue() {
		return value;
	}
	public void setValue(long value) {
		this.value = value;
	}
	public String getStrValue() {
		return strValue;
	}
	public void setStrValue(String strValue) {
		this.strValue = strValue;
	}
}

测试数据

最终测试的结果还是有点意思,随着线程的增长读写性能大幅提升,但是到了200的时候就开始下降。下面是测试数据:


[12:53:40] Topology snapshot [ver=20, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
开始测试多线程写入[线程数:1]
程序运行时间: 49066.0ms
每毫秒写入:1.0190356条。
每秒写入:1019.0356条。
==================================================================
开始测试多线程读取[线程数:1]
程序运行时间: 51739.0ms
每毫秒读取:0.966389条。
每秒读取:966.389条。

[12:56:22] Topology snapshot [ver=22, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
开始测试多线程写入[线程数:10]
程序运行时间: 6215.0ms
每毫秒写入:8.045053条。
每秒写入:8045.0527条。
==================================================================
开始测试多线程读取[线程数:10]
程序运行时间: 6526.0ms
每毫秒读取:7.661661条。
每秒读取:7661.661条。

[12:57:04] Topology snapshot [ver=24, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
开始测试多线程写入[线程数:20]
程序运行时间: 4353.0ms
每毫秒写入:11.486331条。
每秒写入:11486.331条。
==================================================================
开始测试多线程读取[线程数:20]
程序运行时间: 3768.0ms
每毫秒读取:13.269639条。
每秒读取:13269.639条。

[12:57:34] Topology snapshot [ver=26, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
开始测试多线程写入[线程数:50]
程序运行时间: 2657.0ms
每毫秒写入:18.818216条。
每秒写入:18818.217条。
==================================================================
开始测试多线程读取[线程数:50]
程序运行时间: 2138.0ms
每毫秒读取:23.386343条。
每秒读取:23386.344条。

[12:58:00] Topology snapshot [ver=28, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
开始测试多线程写入[线程数:100]
程序运行时间: 2095.0ms
每毫秒写入:23.866348条。
每秒写入:23866.348条。
==================================================================
开始测试多线程读取[线程数:100]
程序运行时间: 1764.0ms
每毫秒读取:28.344671条。
每秒读取:28344.672条。

[12:59:19] Topology snapshot [ver=30, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
开始测试多线程写入[线程数:200]
程序运行时间: 2333.0ms
每毫秒写入:21.431633条。
每秒写入:21431.633条。
==================================================================
开始测试多线程读取[线程数:200]
程序运行时间: 2049.0ms
每毫秒读取:24.402147条。
每秒读取:24402.146条。

用图形看看比较直观
image

不使用客户端模式

只不过我发现如果不使用client_mode,也就是都是server模式时写入性能还是很强的,但是读取有点搓。

[14:15:02] Topology snapshot [ver=22, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否客户端模式:false
==================================================================
开始测试多线程写入[线程数:1]
是否客户端模式:false
程序运行时间: 828.0ms
每毫秒写入:60.386475条。
每秒写入:60386.477条。
==================================================================
开始测试多线程读取[线程数:1]
程序运行时间: 28819.0ms
每毫秒读取:1.7349665条。
每秒读取:1734.9666条。

[14:08:55] Topology snapshot [ver=10, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否客户端模式:false
==================================================================
开始测试多线程写入[线程数:10]
是否客户端模式:false
程序运行时间: 813.0ms
每毫秒写入:61.500614条。
每秒写入:61500.613条。
==================================================================
开始测试多线程读取[线程数:10]
程序运行时间: 5965.0ms
每毫秒读取:8.38223条。
每秒读取:8382.2295条。

[14:09:48] Topology snapshot [ver=12, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否客户端模式:false
==================================================================
开始测试多线程写入[线程数:20]
是否客户端模式:false
程序运行时间: 812.0ms
每毫秒写入:61.576355条。
每秒写入:61576.355条。
==================================================================
开始测试多线程读取[线程数:20]
程序运行时间: 5157.0ms
每毫秒读取:9.6955595条。
每秒读取:9695.56条。

[14:10:25] Topology snapshot [ver=14, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否客户端模式:false
==================================================================
开始测试多线程写入[线程数:50]
是否客户端模式:false
程序运行时间: 686.0ms
每毫秒写入:72.8863条。
每秒写入:72886.3条。
==================================================================
开始测试多线程读取[线程数:50]
程序运行时间: 4321.0ms
每毫秒读取:11.571396条。
每秒读取:11571.3955条。

[14:11:01] Topology snapshot [ver=16, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否客户端模式:false
==================================================================
开始测试多线程写入[线程数:100]
是否客户端模式:false
程序运行时间: 830.0ms
每毫秒写入:60.240963条。
每秒写入:60240.965条。
==================================================================
开始测试多线程读取[线程数:100]
程序运行时间: 3963.0ms
每毫秒读取:12.616705条。
每秒读取:12616.705条。

[14:13:58] Topology snapshot [ver=20, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否客户端模式:false
==================================================================
开始测试多线程写入[线程数:200]
是否客户端模式:false
程序运行时间: 1014.0ms
每毫秒写入:49.309666条。
每秒写入:49309.664条。
==================================================================
开始测试多线程读取[线程数:200]
程序运行时间: 3179.0ms
每毫秒读取:15.728216条。
每秒读取:15728.216条。

用图形看看比较直观
image

从这个数据可以看出来,在这种都是服务端的模式下,写入性能基本稳定,在达到200线程时出现衰减;而读取则基本是线性的,到100线程差不多也就到顶了。

与redis的对比

原本是想和redis作一个对比测试的,先是做了redis的测试。redis客户端用的jedis2.8.1,同时服务端用的是redis3.2.2,其他的环境和上面的一样。

结果测试数据发现redis和ignite使用客户端模式时竟然很相近。所以我怀疑是因为我对redis不了解redis没作优化导致的?但是Ignite我也是直接启动的,一点优化也没作,还是说测试的代码写法不对呢?

下面是redis的测试代码

import redis.clients.jedis.Jedis;

public class redis {
	private static final String ip = "192.168.49.200";
	private static final String auth = "your pwd";
	private static final Integer port = 6379;
	//测试的数据行数
	private static final Integer test_rows = 50000;
	//线程数
	private static final Integer thread_cnt = 200;
	
	public static void main(String[] args) {
		MultiThread();
	}
	
	private static void MultiThread() {
		System.out.println("==================================================================");
		System.out.println("开始测试多线程写入[线程数:"+thread_cnt+"]");
		Long startTime = System.currentTimeMillis();
		
		Thread[] threads = new Thread[thread_cnt];
        for (int i = 0; i < threads.length; i++) {
        	threads[i] = new Thread(new TestThread(true));
        }
        for (int i = 0; i< threads.length; i++) {
			threads[i].start();
		}
        
        for(Thread thread : threads){
            try {
                thread.join();
            } catch (InterruptedException e) { 
                e.printStackTrace();
            }
        }
        
        Long endTime=System.currentTimeMillis(); //获取结束时间		
		float interval = endTime-startTime == 0 ? 1 : endTime-startTime;
		float tpms = (float)test_rows/interval;
		System.out.println("程序运行时间: "+ interval+"ms");  
		System.out.println("每毫秒写入:"+tpms+"条。");
		System.out.println("每秒写入:"+tpms*1000+"条。");		
		
		System.out.println("==================================================================");
		System.out.println("开始测试多线程写入[线程数:"+thread_cnt+"]");
		startTime = System.currentTimeMillis();
		Thread[] readthreads = new Thread[thread_cnt];
        for (int i = 0; i < readthreads.length; i++) {
        	readthreads[i] = new Thread(new TestThread(false));
        }
        for (int i = 0; i< readthreads.length; i++) {
        	readthreads[i].start();
		}
        
        for(Thread thread : readthreads){
            try {
                thread.join();
            } catch (InterruptedException e) { 
                e.printStackTrace();
            }
        }
        
        endTime=System.currentTimeMillis(); //获取结束时间		
		interval = endTime-startTime == 0 ? 1 : endTime-startTime;
		tpms = (float)test_rows/interval;
		System.out.println("程序运行时间: "+ interval+"ms");  
		System.out.println("每毫秒读取:"+tpms+"条。");
		System.out.println("每秒读取:"+tpms*1000+"条。");
	}
	
	static class TestThread implements Runnable {
		private boolean readMode = true;
		public TestThread(boolean readMode){
			this.readMode = readMode;
		}
		
        @Override
        public void run() {
            Jedis j = new Jedis(ip,port);
            j.auth(auth);
            for (int i = 0; i < test_rows/thread_cnt; i++) {
            	if (this.readMode) {
            		j.get("foo"+i);
            	} else {
            		j.set("foo"+i, "bar"+i);
            	}
            }
            j.disconnect();
        }


    }
}

对比结果视图
image

结束

原本我想着redis估计得秒了ignite,毕竟redis是这么多系统正在使用的内存数据库。ignite本身含有这么多功能按理性能肯定是比不上才对,而且ignite组成集群后是需要进行数据分块存取和备份的,而测试环境中redis则是单实例情况,这让我没太想明白啊。。还望有高手指点。。

看网上许多人测试的数据redis少点的4万+,据说可以到10万+。但我自己的测试环境差了点反正最多也没过3万,这到底会是什么原因呢?

不管如何这是一次简单的测试与尝试,结果与预期有点偏差,继续学习深入了解吧。

posted @ 2016-11-22 14:39  5207  阅读(...)  评论(...编辑  收藏