基于ARM的AWS EC2實例上的PG性能測試
ARM處理器在數(shù)據(jù)中心中的應(yīng)用一直是一個熱門話題,我們很想看看他在PG中表現(xiàn)怎么樣。用于測試和評估基于ARM的服務(wù)器,其可用性一直是一個主要障礙,當(dāng)AWS 2018年宣布在他們的云中提供基于ARM的處理器時,轉(zhuǎn)機出現(xiàn)了。但是還不能太過激動,因為很多人認為這是個實驗性的東西。我們也很謹慎將它推薦給關(guān)鍵用途,而且在測試時也沒太過用心。但是2020年5月Graviton2發(fā)布后,可以認真考慮了。我們決定從PG運行角度獨立研究實例的價格/性能。
要點:請注意,盡管在x86和arm上比較PG很有吸引力,但這是不正確的。這些測試比較了兩個虛擬云中的PG,保護的移動部件不止CPU。我們主要關(guān)注基于兩種不同體系架構(gòu)的兩個特定AWS EC2實例的性價比。
測試設(shè)置
本測試中,選擇了兩個相似的是,一個是教老的m5d.5xlarge,一個是新型基于Graviton2的m6gd.8xlarge。兩個實例都有一個本地”短暫性”存儲。使用非?焖俚谋镜仳(qū)動可有助于暴露系統(tǒng)其它部分的差異,并避免測試云存儲。這些實例并不是完全相同,正如下面看到的,但也非常接近,可以被認為是相同級別。我們使用來自pgdg repo的PG13.1和ubuntu20.04 AMI,小內(nèi)存和大數(shù)據(jù)量進行測試。
實例
實例的規(guī)范和按需定價,參考Northern Virginia region的定價信息,按目前的掛牌價格,m6gd.8xlarge便宜25%。
Graviton2 (arm) Instance: Instance : m6gd.8xlarge Virtual CPUs : 32 RAM : 128 GiB Storage : 1 x 1900 NVMe SSD (1.9 TiB) Price : $1.4464 per HourRegular (x86) Instance: Instance : m5d.8xlarge Virtual CPUs : 32 RAM : 128 GiB Storage : 2 x 600 NVMe SSD (1.2 TiB) Price : $1.808 per Hour
操作系統(tǒng)及PG設(shè)置
我們選擇ubuntun20.04 LTS AMIS,操心系統(tǒng)上沒有做任何修改,在m5d.8xlarge上兩個本地的NVME SSD統(tǒng)一在一個raid0中。PG使用PGDG存儲庫中提供的.deb包進行安裝。
postgres=# select version(); version ---------------------------------------------------------------------------------------------------------------------------------------- PostgreSQL 13.1 (Ubuntu 13.1-1.pgdg20.04+1) on aarch64-unknown-linux-gnu, compiled by gcc (Ubuntu 9.3.0-17ubuntu1~20.04) 9.3.0, 64-bit(1 row)
aarch64 表示64位的ARM架構(gòu)。
下面是PG配置:
max_connections = '200'shared_buffers = '32GB'checkpoint_timeout = '1h'max_wal_size = '96GB'checkpoint_completion_target = '0.9'archive_mode = 'on'archive_command = '/bin/true'random_page_cost = '1.0'effective_cache_size = '80GB'maintenance_work_mem = '2GB'autovacuum_vacuum_scale_factor = '0.4'bgwriter_lru_maxpages = '1000'bgwriter_lru_multiplier = '10.0'wal_compression = 'ON'log_checkpoints = 'ON'log_autovacuum_min_duration = '0'
Pgbench進行測試
執(zhí)行命令:pgbench -c 16 -j 16 -T 600 -r
16個客戶端連接和16個pgbench job。
無checksum的讀寫
在ARM上有19%的提升.
有checksum的讀寫
Checksum計算會因架構(gòu)不同而有不同性能嗎?開啟PG checksum命令:pg_checksums -e -D $PGDATA
令人驚訝的是,結(jié)果稍微好點,不同只有1.7%,可以認為是噪聲。至少可以得出這樣的結(jié)論:在現(xiàn)代處理器上,啟用checksum不會有明顯的性能下降。
無checksum的只讀
指定負載可以認為是CPU型,因數(shù)據(jù)大小能夠全部放到內(nèi)存,消除了IO影響。ARM下有30%的提升。
有checksum的只讀
同樣類似,有30%的提升。Checksum也沒帶來性能衰減。
注意:當(dāng)PG從緩沖池讀取或?qū)懗鰰r會計算checksum并寫入頁。另外啟用checksum后,總是會記錄hint bits,增加了WAL IO的壓力。為了爭取驗證checksum開銷,需要更長更大的測試,就行增加對sysbench tpcc所做的一樣。
sysbench-tpcc進行測試
我們決定使用sysbench-tpcc執(zhí)行更詳細的測試。注意感興趣的是數(shù)據(jù)可全放到內(nèi)存的情況。另一方面,雖然ARM服務(wù)器上PG沒有問題,但是與x86服務(wù)器相比,sysbench根據(jù)挑剔。
每個測試執(zhí)行下面步驟:
1)restore必要規(guī)模的數(shù)據(jù)目錄(10/200)
2)用相同參數(shù)進行10分鐘預(yù)熱
3)PG端checkpoint
4)進行測試
16個線程,在內(nèi)存
這種中等負載下,ARM實例性能提升了15.5%。此處及之后結(jié)果,百分比差異基于平均TPS值。
可能會思考,為什么測試在結(jié)束時性能會突然下降。他與full_page_writes的checkpoint有關(guān)。即使對于內(nèi)存測試,使用了pareto分布,但是每個checkpoint后仍會寫出相當(dāng)多的頁面。本實例中,顯示W(wǎng)AL早于對應(yīng)點觸發(fā)checkpoint,所有進行的測試都會有這種下降。
32個線程,在內(nèi)存
32個線程下,性能的不同減小到了將近8%。
64個線程,在內(nèi)存
64個下,減小到了4.5%。
128個線程,在內(nèi)存
兩個實例超過飽和點,性能差異就很小了。經(jīng)仍保持在1.4%水平。此外可以看到ARM的tps下降了6-7%,在x86上下降了4%。
并不是所有測試都有利于Graviton2的實例。在IO綁定測試中,看到兩個實例之間的差異很小,64個128個線程上,常規(guī)的m5d實例性能更好,從下面組合圖上可看到這一點:
造成這種情況的一個可能原因,特別對于m6gd.8xlarge的128線程上的嚴重衰減,是因為缺少m5d.8xlarge所擁有的第二個驅(qū)動器。目前還沒有完全可比較的實例可用,因此我們認為這是一個比較公平的測試。每個實例類型都有一定優(yōu)勢。需要更多測試和分析。可以使用EBS執(zhí)行IO綁定測試,以嘗試刪除本地驅(qū)動器。
有關(guān)測試設(shè)置、結(jié)果、使用腳本和測試之間生產(chǎn)的數(shù)據(jù)的更詳細信息,訪問https://github.com/arronax/scratch/tree/master/performance/graviton2-postgres
總結(jié)
執(zhí)行測試中,ARM實例比x86慢的情況不多。過去的幾天測試中,結(jié)果一致。雖然基于ARM的實例便宜了25%,但與x86相比,能夠在大多數(shù)測試中有15-20%的提升。因此基于ARM的實例在各方面提供了更好的性價比。
討論的郵件列表:
https://news.ycombinator.com/item?id=25875342
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
-
即日-10.29立即報名>> 2024德州儀器嵌入式技術(shù)創(chuàng)新發(fā)展研討會
-
10月31日立即下載>> 【限時免費下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報名>>> 【在線會議】多物理場仿真助跑新能源汽車
-
11月14日立即報名>> 2024工程師系列—工業(yè)電子技術(shù)在線會議
-
12月19日立即報名>> 【線下會議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會
-
即日-12.26火熱報名中>> OFweek2024中國智造CIO在線峰會
推薦專題
- 1 Intel宣布40年來最重大轉(zhuǎn)型:年底前裁員15000人、拋掉2/3房產(chǎn)
- 2 因美封殺TikTok,字節(jié)股價骨折!估值僅Meta1/5
- 3 宏山激光重磅發(fā)布行業(yè)解決方案,助力智能制造產(chǎn)業(yè)新飛躍
- 4 國產(chǎn)AI芯片公司破產(chǎn)!白菜價拍賣
- 5 具身智能火了,但規(guī)模落地還需時間
- 6 國產(chǎn)英偉達們,抓緊沖刺A股
- 7 三次錯失風(fēng)口!OpenAI前員工殺回AI編程賽道,老東家捧金相助
- 8 英特爾賦能智慧醫(yī)療,共創(chuàng)數(shù)字化未來
- 9 英偉達的麻煩在后頭?
- 10 將“網(wǎng)紅”變成“商品”,AI“爆改”實力拉滿
- 高級軟件工程師 廣東省/深圳市
- 自動化高級工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市