如何对 TiDB 进行 TPC-C 测试

本文介绍如何对 TiDB 进行 TPC-C 测试。

准备测试程序

TPC-C 是一个对 OLTP（联机交易处理）系统进行测试的规范，使用一个商品销售模型对 OLTP 系统进行测试，其中包含五类事务：

  • NewOrder – 新订单的生成
  • Payment – 订单付款
  • OrderStatus – 最近订单查询
  • Delivery – 配送
  • StockLevel – 库存缺货状态分析

在测试开始前，TPC-C Benchmark 规定了数据库的初始状态，也就是数据库中数据生成的规则，其中 ITEM 表中固定包含 10 万种商品，仓库的数量可进行调整，假设 WAREHOUSE 表中有 W 条记录，那么：

  • STOCK 表中应有 W * 10 万条记录（每个仓库对应 10 万种商品的库存数据）
  • DISTRICT 表中应有 W * 10 条记录（每个仓库为 10 个地区提供服务）
  • CUSTOMER 表中应有 W * 10 * 3000 条记录（每个地区有 3000 个客户）
  • HISTORY 表中应有 W * 10 * 3000 条记录（每个客户一条交易历史）
  • ORDER 表中应有 W * 10 * 3000 条记录（每个地区 3000 个订单），并且最后生成的 900 个订单被添加到 NEW-ORDER 表中，每个订单随机生成 5 ~ 15 条 ORDER-LINE 记录。

我们将以 1000 WAREHOUSE 为例进行测试。

TPC-C 使用 tpmC 值（Transactions per Minute）来衡量系统最大有效吞吐量 (MQTh, Max Qualified Throughput)，其中 Transactions 以 NewOrder Transaction 为准，即最终衡量单位为每分钟处理的新订单数。

本文使用开源的 BenchmarkSQL 5.0 作为 TPC-C 测试实现并添加了对 MySQL 协议的支持，可以通过以下命令下载测试程序:

  1. git clone -b 5.0-mysql-support-opt-2.1 https://github.com/pingcap/benchmarksql.git

安装 java 和 ant，以 CentOS 为例，可以执行以下命令进行安装

  1. sudo yum install -y java ant

进入 benchmarksql 目录并执行 ant 构建

  1. cd benchmarksql
  2. ant

部署 TiDB 集群

对于 1000 WAREHOUSE，在 3 台服务器上部署集群。

在 3 台服务器的条件下，建议每台机器部署 1 个 TiDB，1 个 PD 和 1 个 TiKV 实例。

比如这里采用的机器硬件配置是：

类别 名称
OS Linux (CentOS 7.3.1611)
CPU 40 vCPUs, Intel(R) Xeon(R) CPU E5-2630 v4 @ 2.20GHz
RAM 128GB
DISK Optane 500GB SSD

因为该型号 CPU 是 NUMA 架构，建议用 numactl 进行绑核。

  1. 安装 numactl 工具 。

  2. 用 lscpu 查看 NUMA node，比如：

    1.  NUMA node0 CPU(s):     0,2,4,6,8,10,12,14,16,18,20,22,24,26,28,30,32,34,36,38
    2.  NUMA node1 CPU(s):     1,3,5,7,9,11,13,15,17,19,21,23,25,27,29,31,33,35,37,39

  3. 通过修改 {tidb_deploy_path}/scripts/run_tidb.sh 启动脚本，加入 numactl 来启动 TiDB：

    1.  #!/bin/bash
    2.  set -e
    4.  ulimit -n 1000000
    6.  # WARNING: This file was auto-generated. Do not edit!
    7.  #          All your edit might be overwritten!
    8.  DEPLOY_DIR=/home/damon/deploy/tidb1-1
    10.  cd "${DEPLOY_DIR}" || exit 1
    12.  export TZ=Asia/Shanghai
    14.  # 同一台机器不同的 TiDB 实例需要指定不同的 cpunodebind 以及 membind；来绑定不同的 Numa node
    15.  exec numactl --cpunodebind=0  --membind=0 bin/tidb-server \
    16.      -P 4111 \
    17.      --status="10191" \
    18.      --advertise-address="172.16.4.53" \
    19.      --path="172.16.4.10:2490" \
    20.      --config=conf/tidb.toml \
    21.      --log-slow-query="/home/damon/deploy/tidb1-1/log/tidb_slow_query.log" \
    22.      --log-file="/home/damon/deploy/tidb1-1/log/tidb.log" 2>> "/home/damon/deploy/tidb1-1/log/tidb_stderr.log"

    注意：

    直接修改 run_tidb.sh 可能会被覆盖，因此在生产环境中，如有绑核需求，建议使用 TiUP 绑核。

  4. 选择部署一个 HAproxy 来进行多个 TiDB node 的负载均衡，推荐配置 nbproc 为 CPU 核数。

配置调整

TiDB 配置

  1. [log]
  2. level = "error"
  4. [performance]
  5. # 根据 NUMA 配置，设置单个 TiDB 最大使用的 CPU 核数
  6. max-procs = 20
  8. [prepared-plan-cache]
  9. # 开启 TiDB 配置中的 prepared plan cache，以减少优化执行计划的开销
  10. enabled = true

TiKV 配置

开始可以使用基本的配置，压测运行后可以通过观察 Grafana 并参考 TiKV 线程池调优说明进行调整。

BenchmarkSQL 配置

修改 benchmarksql/run/props.mysql：

  1. conn=jdbc:mysql://{HAPROXY-HOST}:{HAPROXY-PORT}/tpcc?useSSL=false&useServerPrepStmts=true&useConfigs=maxPerformance
  2. warehouses=1000 # 使用 1000 个 warehouse
  3. terminals=500   # 使用 500 个终端
  4. loadWorkers=32  # 导入数据的并发数

导入数据

导入数据通常是整个 TPC-C 测试中最耗时，也是最容易出问题的阶段。

首先用 MySQL 客户端连接到 TiDB-Server 并执行：

  1. create database tpcc

之后在 shell 中运行 BenchmarkSQL 建表脚本：

  1. cd run && \
  2. ./runSQL.sh props.mysql sql.mysql/tableCreates.sql && \
  3. ./runSQL.sh props.mysql sql.mysql/indexCreates.sql

直接使用 BenchmarkSQL 导入

运行导入数据脚本：

  1. ./runLoader.sh props.mysql

根据机器配置这个过程可能会持续几个小时。

通过 TiDB Lightning 导入

由于导入数据量随着 warehouse 的增加而增加，当需要导入 1000 warehouse 以上数据时，可以先用 BenchmarkSQL 生成 csv 文件，再将文件通过 TiDB Lightning 导入的方式来快速导入。生成的 csv 文件也可以多次复用，节省每次生成所需要的时间。

修改 BenchmarkSQL 的配置文件

1 warehouse 的 csv 文件需要 77 MB 磁盘空间，在生成之前要根据需要分配足够的磁盘空间来保存 csv 文件。可以在 benchmarksql/run/props.mysql 文件中增加一行：

  1. fileLocation=/home/user/csv/  # 存储 csv 文件的目录绝对路径，需保证有足够的空间

因为最终要使用 TiDB Lightning 导入数据，所以 csv 文件名最好符合其要求，即 {database}.{table}.csv 的命名法。这里可以将以上配置改为：

  1. fileLocation=/home/user/csv/tpcc.  # 存储 csv 文件的目录绝对路径 + 文件名前缀（database）

这样生成的 csv 文件名将会是类似 tpcc.bmsql_warehouse.csv 的样式，符合 TiDB Lightning 的要求。

生成 csv 文件

  1. ./runLoader.sh props.mysql

通过 TiDB Lightning 导入

通过 TiDB Lightning 导入数据请参考 TiDB Lightning 部署执行章节。这里我们介绍下通过 TiDB Ansible 部署 TiDB Lightning 导入数据的方法。

修改 inventory.ini

这里最好手动指定清楚部署的 IP、端口、目录，避免各种冲突问题带来的异常，其中 import_dir 的磁盘空间参考 Lightning 部署执行，data_source_dir 就是存储上一节 csv 数据的目录。

  1. [importer_server]
  2. IS1 ansible_host=172.16.5.34 deploy_dir=/data2/is1 tikv_importer_port=13323 import_dir=/data2/import
  4. [lightning_server]
  5. LS1 ansible_host=172.16.5.34 deploy_dir=/data2/ls1 tidb_lightning_pprof_port=23323 data_source_dir=/home/user/csv
修改 conf/tidb-lightning.yml
  1. mydumper:
  2.     no-schema: true
  3.     csv:
  4.         separator: ','
  5.         delimiter: ''
  6.         header: false
  7.         not-null: false
  8.         'null': 'NULL'
  9.         backslash-escape: true
  10.         trim-last-separator: false
部署 TiDB Lightning 和 TiKV Importer
  1. ansible-playbook deploy.yml --tags=lightning
启动
  • 登录到部署 TiDB Lightning 和 TiKV Importer 的服务器
  • 进入部署目录
  • 在 TiKV Importer 目录下执行 scripts/start_importer.sh，启动 TiKV Importer
  • 在 TiDB Lightning 目录下执行 scripts/start_lightning.sh，开始导入数据

由于是用 TiDB Ansible 进行部署的，可以在监控页面看到 TiDB Lightning 的导入进度，或者通过日志查看导入是否结束。

导入完成后

数据导入完成之后，可以运行 sql.common/test.sql 进行数据正确性验证，如果所有 SQL 语句都返回结果为空，即为数据导入正确。

运行测试

执行 BenchmarkSQL 测试脚本：

  1. nohup ./runBenchmark.sh props.mysql &> test.log &

运行结束后通过 test.log 查看结果：

  1. 07:09:53,455 [Thread-351] INFO   jTPCC : Term-00, Measured tpmC (NewOrders) = 77373.25
  2. 07:09:53,455 [Thread-351] INFO   jTPCC : Term-00, Measured tpmTOTAL = 171959.88
  3. 07:09:53,455 [Thread-351] INFO   jTPCC : Term-00, Session Start     = 2019-03-21 07:07:52
  4. 07:09:53,456 [Thread-351] INFO   jTPCC : Term-00, Session End       = 2019-03-21 07:09:53
  5. 07:09:53,456 [Thread-351] INFO   jTPCC : Term-00, Transaction Count = 345240

tpmC 部分即为测试结果。

测试完成之后，也可以运行 sql.common/test.sql 进行数据正确性验证，如果所有 SQL 语句的返回结果都为空，即为数据测试过程正确。