Benchmark

文章目录

• ​​1. Benchmark 简介​​
• ​​2. Benchmark 组成​​

• ​​2.1 数据集​​
• ​​2.2 工作负载​​
• ​​2.3 度量指标​​

• ​​Benchmark简介​​

1. Benchmark 简介

BenchMark 是一种评价方式，在计算机领域的性能测试方面有广泛应用，主要负责测试负载的执行时间、传输速度、吞吐量和资源占用率。

性能调优的两大利器是Benchmark和profile工具。Benchmark用压力测试挖掘整个系统的性能状况，而profile工具最大限度地呈现系统的运行状态和性能指标，方便用户诊断性能问题和进行调优。

2. Benchmark 组成

数据集、工作负载、度量指标。

2.1 数据集

数据类型分为结构化数据、半结构化数据和非结构化数据。

• 结构化数据：传统的关系数据模型，可用二维表结构表示。典型场景有电商交易、财务系统、医疗 HIS 数据库、政务信息化系统等等；
• 半结构化数据：类似 XML、HTML 之类，自描述，数据结构和内容混杂在一起。典型应用场景有邮件系统、Web 搜索引擎存储、教学资源库、档案系统等等，可以考虑使用 Hbase 等典型的 KeyValue 存储；
• 非结构化数据：各种文档、图片、视频和音频等。典型的应用有视频网站、图片相册、交通视频监控等等。

2.2 工作负载

• 密集计算类型：CPU密集型计算、IO密集型计算、网络密集型计算；
• 计算范式：SQL、批处理、流计算、图计算、机器学习；
• 计算延迟：在线计算、离线计算、实时计算；
• 应用领域：搜索引擎、社交网络、电子商务、地理位置、媒体、游戏。

2.3 度量指标

性能估算的两大利器就是 Benchmark 和 Profile 工具。
Benchmark 用压力测试挖掘整个系统的性能状况，而 Profile 工具最大限度地呈现系统的运行时状态和性能指标，方便用户诊断性能问题和进行调优。

• 工具的使用

• 在架构层面：perf、nmon等工具和命令；
• 在JVM层面：btrace、Jconsole、JVisualVM、JMap、JStack等工具和命令；
• 在Spark层面：web ui、console log，也可以修改Spark源码打印日志进行性能监控。

• 度量指标

• 从架构角度度量：浮点型操作密度、整数型操作密度、指令中断、cache命中率、TLB命中；
• 从Spark系统执行时间和吞吐的角度度量：Job作业执行时间、Job吞吐量、Stage执行时间、Stage吞吐量、Task执行时间、Task吞吐量；
• 从Spark系统资源利用率的角度度量：CPU在指定时间段的利用率、内存在指定时间段的利用率、磁盘在指定时间段的利用率、网络带宽在指定时间段的利用率；
• 从扩展性的角度度量：数据量扩展、集群节点数据扩展（scale out）、单机性能扩展（scale up）。