TokuDB性能测试报告

2022-09-22 14:27:11

一 、背景介绍

近年来，TokuDB作为MySQL的大数据（Big Data）存储引擎受到人们的普遍关注。其架构的核心基于一种新的叫做分形树（Fractal Trees）的索引数据结构，该结构是缓存无关的，即使索引数据大小超过内存性能也不会下降，也即没有内存生命周期和碎片的问题。

特别引人注意的是，TokuDB拥有很高的压缩比（官方称最大可达25倍），可以在很大的数据上创建大量的索引，并保持性能不下降。同时，TokuDB支持ACID和MVCC，还有在线修改表结构（Live Schema Modification）以及增加的复制性能等特性，使其在某些特定的应用领域（如日志存储与分析）有着独特的优势。

在TokuDB的应用场景中，通常是数据库插入操作的量远远大于读取的量，因而本此测试主要针对TokuDB的插入性能以及压缩比，以InnoDB作为参考基准。

二、测试环境搭建

测试使用的机器为高配机型，内存大于100G，CPU型号为Intel(R) Xeon(R) CPU E5系列，数据盘使用的是SSD硬盘。

MySQL TokuDB版本使用的是 5.6.28-76.1，按照Percona网站上的安装方法使用插件的方式进行安装，见官网教程。使用MySQL命令查看：

+--------------------+---------+--------------+------+------------+

| Engine             | Support | Transactions | XA   | Savepoints |

+--------------------+---------+--------------+------+------------+

| InnoDB             | YES     | YES          | YES  | YES        |

| CSV                | YES     | NO           | NO   | NO         |

| MyISAM             | YES     | NO           | NO   | NO         |

| BLACKHOLE          | YES     | NO           | NO   | NO         |

| MEMORY             | YES     | NO           | NO   | NO         |

| TokuDB             | DEFAULT | YES          | YES  | YES        |

| MRG_MYISAM         | YES     | NO           | NO   | NO         |

| ARCHIVE            | YES     | NO           | NO   | NO         |

| FEDERATED          | NO      | NULL         | NULL | NULL       |

| PERFORMANCE_SCHEMA | YES     | NO           | NO   | NO         |

+--------------------+---------+--------------+------+------------+

可以看到TokuDB引擎已经就绪，并被设置为了默认的存储引擎。

三、测试工具与变量

1、测试工具选择

现在开源可用的MySQL基准测试工具有很多，如mysqlslap，MySQL Benchmark Suite，Super Smack，Database Test Suite，TPCC和sysbench等。综合工具的功能、易用性还有流行程度，最终选定操作简单但功能强大的sysbench作为测试工具。在sysbench 0.5版本中，已经开始支持Lua脚本，使用修改起来非常灵活。另外，测试压缩比直接使用的mysqldump工具。

2、测试变量

插入性能相关的变量

除去根据机器硬件特性配置的常规优化参数，对于存储引擎插入性能影响最大的是：是否将事务和binlog同步刷新到硬盘。

需要特别说明的是，还有一个比较重要的指标，即是否开启了DIRECT IO功能，由于在测试环境InnoDB开启了DIRECT IO，并能提高整体的性能，而TokuDB在测试机型上无法开启DIRECT IO功能，所以在这点上InnoDB有相对的优势。

InnoDB 相关

对于InnoDB来说，控制这个功能的参数为innodb_flush_log_at_trx_commit和sync_binlog。
innodb_flush_log_at_trx_commit参数指定了InnoDB在事务提交后的日志写入频率。具体来说：

  1. 当innodb_flush_log_at_trx_commit取值为 0 时，log buffer 会 每秒写入到日志文件并刷写（flush）到硬盘。但每次事务提交不会有任何影响，也就是 log buffer 的刷写操作和事务提交操作没有关系。在这种情况下，MySQL性能最好，但如果 mysqld 进程崩溃，通常会导致最后 1s 的日志丢失。
  2. 当取值为 1 时，每次事务提交时，log buffer 会被写入到日志文件并刷写到硬盘。这也是默认值。这是最安全的配置，但由于每次事务都需要进行硬盘I/O，所以也最慢。
  3. 当取值为 2 时，每次事务提交会写入日志文件，但并不会立即刷写到硬盘，日志文件会每秒刷写一次到硬盘。这时如果 mysqld 进程崩溃，由于日志已经写入到系统缓存，所以并不会丢失数据；在操作系统崩溃的情况下，通常会导致最后 1s 的日志丢失。
    在实际的生产系统中，innodb_flush_log_at_trx_commit会在1和2之间选择。一般来说，对数据一致性和完整性要求比较高的应用场景，会将其值设置为1。

sync_binlog参数指定了 MySQL 的二进制日志同步到硬盘的频率。如果MySQL autocommit开启，那么每个语句都写一次binlog，否则每次事务写一次。

  1. 默认值为 0，不主动同步binlog的写入，而依赖于操作系统本身不定期把文件内容flush到硬盘。
  2. 设置为 1 时，在每个语句或者事务后会同步一次binlog，即使发生意外崩溃时也最多丢失一个事务的日志，因而速度较慢。

通常情况下，innodb_flush_log_at_trx_commit和sync_binlog配合起来使用，本次性能测试覆盖了同步刷新日志和异步刷新日志两种策略。

TokuDB 相关

TokuDB中与InnoDB类似的指标为tokudb_commit_sync和tokudb_fsync_log_period。与innodb_flush_log_at_trx_commit的含义类似，tokudb_commit_sync指定当事务提交的时候，是否要刷新日志到硬盘上。

  1. 默认开启，值为1。也就是每次事务提交时，log buffer 会被写入到日志文件并刷写到硬盘。
  2. 如果设置为 0，每次事务提交会写入日志文件，但并不会立即刷写到硬盘，日志文件会每隔一段时间刷写一次到硬盘。这个时间间隔由tokudb_commit_sync指定。

tokudb_fsync_log_period指定多久将日志文件刷新到硬盘，TukuDB的log buffer总大小为 32 MB且不可更改。默认为 0 秒，此时如果tokudb_commit_sync设置为开启，那么这个值默认为 1 分钟。

tokudb_commit_sync和tokudb_fsync_log_period通常也是配合起来使用，本次性能测试覆盖了两种典型的组合策略。

压缩比相关的变量

大多数选择使用TokuDB的场景，都非常重视它的存储压缩比，因而在实际应用场景中总会配套使用某种压缩算法。当前TokuDB支持的压缩算法有，quicklz, zlib, lzma, snappy，当然还有不压缩uncompressed。关于压缩算法的讨论，可以参考官方博客的一篇分析文章。

本次测试会结合真实的数据来从压缩比、耗时两个方面来检验上面几个不同的压缩算法。TokuDB可以通过在配置文件中设置tokudb_row_format来指定不同的压缩算法，它们的取值分别是：TOKUDB_QUICKLZ, TOKUDB_ZLIB, TOKUDB_LZMA和TOKUDB_SNAPPY。值得注意的是，zlib算法是TokuDB官方最新版本的默认算法，也是现今支持TokuDB的云服务商的默认推荐算法。

sysbench压缩工具相关的变量

sysbench针对mysql压测的参数有很多，这里选取的是与实际应用场景最为相关的两个参数：表数量以及线程数量。表数量对应的是数据库实际在同时写入的表的数量，线程数对应的到MySQL数据库上的连接。其他的参数，如表的大小，是否是事务等可能影响整体的插入性能，但影响并不显著，这里只选取最主要的两个参数进行分析。

3、测试方法

本测试的采用的方式为经典的控制变量法。这里的变量有：采用的存储引擎类型，是否同步刷新日志，采用的压缩算法，以及另外两个与sysbench相关的参数：压测的线程数量和压测的表数量。其中，压缩算法的选择只是在四种算法中选择一种，所以并不与其他变量交叉测试。这样以存储引擎和同步刷新日志来划分测试，可以将整个测试数据分为四个大类：

  1. InnoDB & 同步刷新日志
  2. InnoDB & 异步刷新日志
  3. TokuDB & 同步刷新日志
  4. TokuDB & 异步刷新日志

在每个大类下，对压测线程数量和压测表数量进行交叉测试。压测表数量取值可能为[1, 2, 4, 8, 12, 16]，线程数的可能取值为[1, 2, 4, 8, 16, 24, 32, 48, 64, 80]，因而每个大类下进行6 * 10 = 60 次压测，每次压测写入2,000,000 条数据，对每次压测进行插入性能统计。

四、测试结果分析

1、InnoDB & 同步刷新日志

将innodb_flush_log_at_trx_commit设置为1，sync_binlog设置为1，也即是保证数据最安全：同步刷新log到硬盘，并且针对每个事务同步一次binlog。测试的情况见下表：

表数/插入TPS/线程数 1 2 4 8 12 16
1 5645.54 5678.40 5711.15 5687.44 5660.76 5708.54
2 10995.42 10921.06 11023.25 11017.88 11038.06 10902.12
4 18732.14 18724.20 18882.65 18935.62 18890.46 17997.52
8 33291.35 33379.37 33372.19 33842.15 30576.58 34048.53
16 54560.36 56346.20 57358.33 57454.11 57571.72 57989.96
24 66230.44 70813.87 73871.31 68764.22 68019.27 67538.82
32 66855.54 80153.06 84885.82 84387.96 76404.04 84920.13
48 56788.96 85778.22 93914.45 97055.96 84041.31 96790.49
64 55640.96 83342.88 95736.42 92667.25 96560.51 83598.00
80 58408.18 75858.18 60683.99 60491.26 60177.24 64290.13

用更直观的图表来展示：

TokuDB性能测试报告

可以看到：

  1. 在线程数比较少的时候（不高于24个，即总CPU数目的一半），数据表的个数对整体的性能影响很小；当线程数较多时才显示出区别：相同线程数下，增加表数目可提升数据库整体吞吐量
  2. InnoDB整体性能在48线程时达到顶峰，也即达到CPU的总数目，说明InnoDB能充分利用硬件多CPU的特性
  3. 在线程数或者表数量很小的时候，增加线程数或者表数量可以线性地提升性能，在实际环境中值得注意；而在线程数量超过物理CPU数量时，整体插入性能会下降

2、InnoDB & 异步刷新日志

将innodb_flush_log_at_trx_commit设置为2，sync_binlog设置为 0，日志文件会每秒刷写一次到硬盘，并且不主动同步binlog的写入，而依赖于操作系统本身不定期把文件内容flush到硬盘。测试的情况见下表：

表数/插入TPS/线程数 1 2 4 8 12 16
1 7751.83 7776.78 7741.86 7739.29 7770.41 7662.18
2 15199.98 14952.94 15252.04 15184.54 15186.76 15176.68
4 29075.83 29194.62 29228.09 29204.63 29625.60 29406.31
8 53578.10 51007.42 53116.44 54029.60 53291.41 52173.69
16 61002.65 71383.45 74656.36 75597.66 76305.24 76412.77
24 52758.54 70906.04 78472.49 81999.99 80430.52 82896.78
32 51740.38 68061.25 79936.12 82063.79 84966.86 83667.26
48 50961.62 65962.79 79952.45 85511.97 86223.38 86718.83
64 53378.76 65758.29 74224.26 76779.63 75368.30 76614.14
80 55056.88 66799.11 73969.11 62867.60 62039.68 63572.61

用更直观的图表来展示：

TokuDB性能测试报告

可以看到与InnoDB Sync的情况有所不同：

  1. 异步的情况，随着线程数的增加，插入性能提升较快，在16个线程的时候已经接近峰值
  2. 插入TPS的峰值比同步情况的峰值低，这个与以往SATA/SAS磁盘环境下的MySQL优化经验不匹配；通过iostat查看SSD盘的使用率很低，只有百分之几，因而SSD硬盘条件下的InnoDB的优化策略需要持续改进

3、TokuDB & 同步刷新日志

将tokudb_commit_sync设置为1，tokudb_fsync_log_period设置为0，也就是每次事务提交时，log buffer 会被写入到日志文件并刷写到硬盘。

表数/插入TPS/线程数 1 2 4 8 12 16
1 6506.16 6533.51 6514.36 6505.52 6581.28 6588.60
2 12335.72 12323.07 12494.74 12572.37 12600.94 12623.45
4 22726.24 23001.47 23331.96 23854.47 24267.20 24060.65
8 34935.53 38952.86 40093.37 41687.61 42472.60 44021.98
16 30777.25 42145.63 50293.47 55585.24 58956.65 59804.16
24 28102.26 38306.27 44420.44 47960.77 50440.59 52436.36
32 26227.49 35677.10 39627.22 40717.32 42562.45 44657.12
48 23335.33 30574.98 34961.22 34289.79 34819.25 35367.41
64 28923.69 36267.50 35228.70 35306.85 30393.76 29644.79
80 28323.74 33808.39 34203.47 35249.88 27757.45 32269.39

用图表来展示：

TokuDB性能测试报告

可以看到：

  1. 出乎意料的是，TokuDB在线程数16的时候插入TPS达到峰值，也就是说TokuDB并没有完全利用起多物理CPU的优势
  2. 对比InnoDB线程数从1~16的情况可以看到，TokuDB在相同条件下比InnoDB的性能还要高；而在线程数增多的时候，TokuDB的插入TPS在逐渐减小，而InnoDB在线程数超过物理CPU个数的时，插入TPS才开始下降，说明TokuDB还有很大的优化空间

4、TokuDB & 异步刷新日志

线程数/插入TPS/表数 1 2 4 8 12 16
1 6478.74 6514.03 6571.31 6555.92 6462.55 6588.75
2 12388.24 12433.75 12417.53 12457.83 12629.21 12597.90
4 22915.61 22265.08 24002.63 24248.57 22596.18 24323.07
8 35078.08 39179.46 39583.82 39505.79 42549.19 43493.89
16 30017.06 42012.43 46019.37 58790.76 60294.11 61057.96
24 27675.70 37873.94 45151.54 45075.48 49145.73 52417.81
32 26078.90 35496.19 39891.16 38888.13 43570.03 44882.92
48 23340.20 32392.89 35164.66 33858.16 34209.27 35350.72
64 29522.80 36475.76 36969.68 32381.53 32160.18 32589.76
80 27976.86 33483.40 34994.01 34977.62 30259.96 32680.34

用图表来展示：

TokuDB性能测试报告

对比之前的图标，可以看到：

  1. 与InnoDB不同的是，是否开启log的同步对TokuDB的插入性能影响不大，TokuDB Sync和TokuDB Async两者的图形形状几乎一样
  2. 与同步的情况类似，TokuDB在线程数16的时候插入TPS就达到峰值，有很大的优化空间

5、压缩算法选择

压缩算法测试使用的实际的运行数据做测试，原来用InnoDB存储的日志数据为92GB，用mysqldump工具导出后为79GB。测试表是典型的日志存储表，其结构如下：

+-------+--------------+------+-----+---------+----------------+

| Field | Type         | Null | Key | Default | Extra          |

+-------+--------------+------+-----+---------+----------------+

| a     | int(11)      | NO   | PRI | NULL    | auto_increment |

| b     | bigint(20)   | NO   | MUL | 0       |                |

| c     | varchar(30)  | NO   |     |         |                |

| d     | varchar(20)  | NO   |     |         |                |

| e     | varchar(30)  | NO   |     |         |                |

| f     | text         | NO   |     | NULL    |                |

| g     | varchar(300) | NO   |     |         |                |

| h     | int(11)      | NO   |     | 0       |                |

| i     | int(11)      | NO   |     | 0       |                |

| j     | int(11)      | NO   |     | 0       |                |

| k     | int(11)      | NO   |     | 0       |                |

+-------+--------------+------+-----+---------+----------------+

依次将TokuDB的tokudb_row_format设置为不同的压缩算法，得到其导入后的实际存储空间以及导入时间，测试结果如下：

压缩算法/项目 存储大小 导入时间
snappy 12GB 47min40s
quicklz 7.1GB 47min21s
zlib 5.7GB 48min9s
lzma 4.7GB 47min10s

从表中可以观察到：

  1. 几种压缩算法耗时差不多，相差很小
  2. 不同的压缩算法的压缩比差异较大，snappy压缩比较小，约为6.6倍；压缩比最大的lzma为16.8倍
  3. zlib作为官方选择的默认压缩算法，在压缩比和CPU消耗上有较好的平衡，压缩比为13.8倍

结合在测试过程中持续观察CPU的使用情况，lzma算法在运行过程中CPU使用率在600%~700%左右，而zlib算法CPU使用率在80%~180%之间摆动。因而，在实际生产环境中，如果没有特殊的考虑，建议使用zlib压缩算法。

五、讨论与结论

本次测试以InnoDB为参考，主要测试TokuDB的写入性能以及存储压缩比。通过不同场景下的对比测试，可以得出几个观点：

  1. InnoDB现阶段插入性能有优势，性能大约高出30%左右
  2. TokuDB虽然没有充分利用硬件的能力，但是已经表现出强大的足够高的性能，考虑到TokuDB的成熟度，后面它还有较大的提升空间，可以持续关注其后续进展
  3. TokuDB选择日志同步或者异步刷新对性能影响不大，建议默认选择同步日志保护数据
  4. TokuDB在数据压缩存储上有绝对的优势，十几倍的压缩比对于冷备数据存储有着极大的吸引力

值得一提的是，InnoDB性能表现优异部分原因可归功于InnoDB的成熟度，可灵活的配置许多参数以适应特定的应用场景，而TokuDB暴露出的优化参数很少，不能根据硬件配置调整一些重要参数。综上，虽然TokuDB在现阶段还没成熟，但已经表现出强大的性能以及突出的特性，应该作为某些特定应用场景的首选。

此文来自腾讯云数据库团队，转载请注明文章出处，获取更多云计算技术干货，可请前往腾讯云技术社区，当然我们也会在博客园持续同步更新~

微信公众号：腾讯云技术社区（ QcloudCommunity）

上一篇：一脚踏进Memcached的大门


下一篇：Python中的基础数据类型