excel折线图节点怎么改形状
759
2022-05-28
前面的博客说了一大堆,光说不干怎么行呢,下面就干起来,我最近一直在华为云上进行PUMA大规模集群能力验证及测试,这里把测试过程及测试结果总结一下。
1.1 测试目地
1、 测试puma集群的规模能否部署到1000节点 (PaaS需求)
2、 测试单个puma集群的TPS能否达到1000w,消息大小为2k (消费者云需求)
3、 随着puma节点的增加,集群tps的变化曲线是如何的
4、 海量topic ,平均单节点上有100个topic、每个topic配置为3副本、3分区、高可靠场景,集群的tps性能如何
1.2 测试环境
测试环境选择为华为云,主要有以下两点原因
1、需要测试的规格太大,当前的实验室环境已经无法满足上千万TPS的测试规模,之前所有可用机器加起来组成的集群规模,也仅仅测试了上百万TPS。
2、公有云的测试环境更符合下游产品用户使用的真实场景,测试出来的数据比单纯的实验室数据更有说服力。
1.3 硬件环境
根据企业云上申请机器的规模及相应的配置信息如下:
机器属性
硬件配置
部件
虚拟机
4C16G,需要单独的数据盘
kafka
虚拟机
2C8G
zookeeper
虚拟机
千兆网卡
网卡
1.4 软件环境
软件列表
详细版本说明
备注
Zookeeper
zookeeper-3.4.6.tar
PUMA
V1R1C003
选型为kafka 0.9.0.1
JDK
1.8.0_91
expect
系统自带即可
编码脚本使用
pdsh
分布式运维工具
nmon
服务器资源信息收集工具
1.5 公有云测试过程中的注意事项
1、公有云的特点
从使用情况看,公有云上申请的机器都是虚拟机,站在用户角度,实在不清楚机器源是否来自同一台物理机,这样对于硬件资源的分析上,很难判断机器资源是否处于饱和状态,在一定程度上会影响测试结论的判断,只能多次从测试角度不断尝试去证明测试结论,这样在测试结果分析上,具有一定的不确定性。
公有云由于部署在外部网络上,需要从跳板机跳转,在机器之间的安全鉴权上耗时比较长,所以在机器之间的免密处理上,如果有超时时间,注意适当增加下,否则很容易超时而失败。
公有云默认的机器配额是有限制的(包括IP和硬盘资源),只有20台,所以在测试前需要预估清楚需要的测试规模,提前走工单申请好对应的机器资源,规划好对应的子网,不然临时申请和规划,影响整个测试进度。
2、应对公有云,测试需要做的整改
公有云测试,由于各种不确定性,肯定需要调整测试模型的,所以测试环境自动部署是上云之前首先要满足的必要条件,环境自动部署在上云前实验室调试都是没问题的,而且都已经上CI运行了,但是到了公有云后,自动部署不能完全跑起来,以下是整个应对公有云测试上,测试方面根据公有云做的整改,作为经验总结下。
3、使用私有镜像
刚开始确实不清楚公有云提供的公有镜像为何不能用,直到使用后才知道,公有镜像一般都做了防火墙策略,很多端口默认不开放,导致集群之间无法互通,不建议使用公有镜像,不然出现一堆问题还得定位,建议使用平时测试对应的系统做的私有镜像,可以联系对应的客服操作。
4、需要独立的机器做控制节点
当前公有云环境上的跳板机的系统是缺少不少组件的,导致免密是无法执行的,这样什么后果呢,从该机器操作余下的机器几乎就是不可能了,改造跳板机之前也尝试过,失败了,所以当时的处理方式就是多申请一个机器作为控制节点,以此节点作为控制机,与余下的机器做免密,来统一操作余下的机器。
这个控制节点的配置可以不需要太高,所有需要用的公共文件都保存在上面,需要长期保留,后续可以节省重新申请的时间。
5、一次申请的机器数量不要太多
公有云机器申请后是慢慢依次创建的,中间有个过程,不是一蹴而就。如果申请的机器数量太多,一来时间太长,影响部署配置文件的准备;二来不是每次申请所有机器都是成功的,可能总有那么几个失败的机器,原因我也不太清楚,最痛苦的就是从茫茫机器中找失败机器的IP(公有云特点:IP都是依次创建下来的,所以我们在制作机器配置文件的时候可以直接刷下来,但是中间有几个失败的就不妙了,我们得找到然后删除,不然自动部署会失败,纯粹浪费其他机器的部署时间),经验值一次申请不要超过50个,申请页面最大显示的记录是50条,有错误也容易看出来。
6、免密脚本失败能自动重试
前面有提到公有云部署在外部网络上,需要从跳板机跳转,在机器之间的安全鉴权上耗时比较长,从环境部署情况来看,不出意外,单台机器免密需要耗时1分钟,如果由于网络原因导致的免密失败,则需要重复执行,还得重复耗时1分钟,时间还是挺长的,所以这里为了应对这种概率性的免密失败,脚本需要支持自动重试,否则机器数量太多,手工不好再次操作。
7、修改系统文件减少登陆时间
这里选用的系统为suse11 SP3,需要修改两个系统文件屏蔽掉域名解析部分,以减少登陆时间,不然即使做了免密,使用SSH登陆还是会比较耗时,具体方法如下:
vim /etc/hosts
注释多余的127.0.0.1信息
127.0.0.1 kafka-0004
#127.0.0.1 host-192-168-1-189
#127.0.0.1 host-192-168-1-183
#127.0.0.1 host-192-168-1-42
#127.0.0.1 host-192-168-101-87
#127.0.0.1 host-192-168-101-69
vim /etc/resolv.conf
全部注释
8、依赖的三方软件在测试前需要安装好
公有云系统上面是没有多余软件存在的,测试程序所依赖的所有三方软件需要自己安装,否则测试过程出现问题还需要耗时定位,影响测试效率。
9、申请的数据盘需要自己手工进行挂接
性能测试对于磁盘读写是有要求的,一般情况下,存储和系统最好分离,以免频繁读写磁盘会对系统造成冲击,所以主测环境一般会申请额外的数据盘进行数据存储,注意:公有云上单独申请的硬盘需要自己手工挂接,否则无法使用。
公有云系统如果申请时候使用同一系统,则数据盘挂接方式基本一致,可以采用同样的脚本实现自动化挂接,提升测试效率。
10、测试结果自动化处理
由于公有云测试规模比较大,所以需要收集的测试结果比较多,这里对于需要收集的测试数据一定想办法自动化处理,否则数据处理巨大,影响测试效率。
1.6 性能测试结果分析
公有云之前也有提过申请的机器都是虚拟机,实在不清楚机器源是否来自同一台物理机,这样对于硬件资源的分析上,很难判断机器资源是否处于饱和状态,对于收集到的硬件资源文件,一些资源的占用率往往与在实验室测试有一定差距,那如何分析呢,可以多抽取几个系统资源文件查看和对比,如果各个文件的数据均不一致,说明服务器端系统资源还有冗余,可以考虑增加一些客户端,看是否可以提升TPS,尽量往实验室已有的测试数据靠近;而实际测试出来的数据有差距是正常的,我们得先排除系统资源是否饱和,再来找测试系统本身的问题。
1.7 现网组网
在华为云上直接创建虚拟私有云,然后在虚拟私有云中创建多个虚拟子网,具体的过程就不介绍了,有兴趣的童鞋可以自己去华为云上玩一玩
1.8 测试组网
1.9 消息配置
在测试过程中,如果不做特别说明,消息的大小均为2K,场景分为高吞吐和高可靠,其中高吞吐的配置一般为1副本,1分区,ack=1,异步落盘;高可靠配置一般为3副本,3分区,ack=all,min.insync.replicas=2,异步落盘。
另外,在测试过程中,统计tps的模式和kafka自带的kafka-producer-perf-test.sh脚本有所不同,自带的脚本是消息发送了就立马统计tps,而我们的测试脚本是消息收发后,等收到了消息发送成功的回调再来统计tps,这样的话,相同条件下统计的tps可能比kafka自带的脚本统计出来的tps略低,但是统计的结果会更准确。
1.10 千节点集群
1.10.1 搭建千级的kafka集群
在华为云上搭建1000个kafka节点的集群,整个部署时间5小时左右,集群能正常搭建,消息能正常收发。
1.10.2 千级节点集群的性能
受限与华为云配额的限制,如果搭建了千节点的集群,那么可供使用的客户端只有200多台了,这种情况下是无法测试出集群的tps性能的,通过后面其他的测试,这里可以给一个预估值:
在kafka节点和客户端节点的比例为1:1的情况下,1000节点集群能提供的tps约为1100w(消息大小2K,高吞吐场景)
如果客户端节点数量足够,在和合理的比例下,集群中单节点的性能能达到4.8w的tps,则千节点集群的tps可以达到4800w(消息大小2K,高吞吐场景)。
1.10.3 小结
1、 千节点的集群可以正常工作,消息收发正常
2、 千节点集群中,zk不是瓶颈,3节点的zk即可满足,但是节点的内存不能太低4G即够用
3、 千节点集群的tps受限于测试机器的数量,无法准确给出,这里可以给一个大的范围:1100w --- 4800w之间
4、 千节点集群运行过程中,创建和删除topic不会影响其他topic的性能,但是加入节点或者移除节点会稍微影响集群的tps性能。
1.11 千万tps
1.11.1 理论分析
按照一般的规律,整个集群的tps会随着集群节点数量的扩大而增长,有可能是线性增长,也有可能不是,或者节点数量达到一定规模后,再增加节点,集群的tps反而下降,因此,我这边的测试就是通过不断增加kafka的节点数来测试其tps,找出最少需要多少节点就能达到千万tps的规模。
1.11.2 测试
在测试过程中,受限于配额,最初使用的是1:1的模型,就是kafka节点数和客户端节点数的数量一致,测试的数据如下:
从图中可以看到,当机器节点规模达到500时,整个集群的tps能达1249w。
后面调整了kafka节点和客户端节点的比例,增加了客户端的数量,测试的数据如下:
从图中可以看到,通过修改kafka节点和客户端节点的数量,200个kafka节点的集群就能达到987w的tps,而300个节点的集群在未压满的情况下能达到1203wtps。
1.11.3 小结
1、 kafka集群通过增加节点数量和客户端数量,可以达到千万tps的规模
2、 达到千万tps规模所需要的最少节点数量为205台左右
1.12 集群tps随节点数量的变化
1.12.1 理论分析
这个在测试前,想到了两种可能性
1、 在一定的集群规模下,集群tps随节点数量线性变化,就是增加一个节点会带来固定的tps的增长
2、 集群tps随节点数量的增加而增加,但不是线性增长,同时,集群扩大到一定的规模后,再增加节点,集群tps不会增加,反而有可能下降
1.12.2 测试
部分测试数据入下:
上图表明,在kafka节点数和客户端数为1:1的情况下,集群单个节点的平均tps是逐步减小的,而且,在1000个节点以内,随着集群内节点的增加,集群总的tps是成上升趋势,最大tps为1100w。
另一种测试的数据如下:
在客户端数量充足且和kafka节点保持特定比例的情况下,集群内单节点的性能基本维持在4.9w左右,随着节点数量的增加,集群总的tps线性增长;但是不同规模集群达到最大tps所需要的客户端数量不一样。下面给出一个曲线,如下:
注:最后一组数据300节点的tps未压满
1.12.3 小结
1、 在puma节点和客户端节点数量为1:1的情况下,随着集群节点的增加,集群内单个节点的平均tps逐步下降,集群总的tps缓慢上升,当集群规模达到千节点时,集群内单个节点的平均tps为1.1w,总的tps为1100w。
2、 不管多大规模的集群,在千兆网卡环境下,其单节点的平均tps上限均为5w,严格来说是4.9w左右
3、 不同规模集群的tps达到上限所需要的client数比例也不同,但是,只要有合适的topic比例和足够的客户端数量,另外,增加topic数量,测试过程中使用的比例为broker : topic为1:6;集群内单个节点的平均tps可以达到4.9w,使得集群tps随着节点的增加实现线性增长
1.13 海量topic场景
1.13.1 场景背景
该场景主要是paas的多topic场景,集群内平均每个节点上的topic比较多,topic配置为3副本,3分区,高可靠配置,min.insync.replicas=2 ,flush.messages=1
主要测试节点上平均不同topic数情况下,集群的tps变化
1.13.2 测试
测试集群的规模为100节点,客户端数量为1200个,测试的数据如下:
从上图可以看出,在海量topic且高可靠的场景下,100节点集群的tps基本在100w左右,同时,在50 100 200topic这三个场景下,topic数越多,集群的tps越低,这说明增加topic会降低集群的tps。
1.14 测试总结
1、 单个puma集群最大支持的节点数受限于测试环境,无法准确给出;但是测试过程中成功搭建过1000节点的集群,可以正常工作,收发消息、添加删除topic都OK。
2、 不同数量节点的PUMA集群,可以通过调整topic数和连接的client数来使集群的tps达到上限,同时使集群tps随着节点数量的增加而呈线性增长;在公有云的千兆网卡、消息大小2K、高吞吐的配置下,单个节点的tps上限为4.9w,就是说集群每增加一个节点,其总的tps会增加4.9w左右,下图是一个变化趋势:
在这中配置下根据变化趋势,1000节点集群的tps将达到4800w左右
3、 单个集群达到千万tps很容易,最少200个节点+1700个客户端就可以达到千万tps的要求。
1.15 部分测试截图
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。