測試方法

為了對Ignite做一個基本了解，做了一個性能測試，測試方法也比較簡單主要是針對client模式，因為這種方法和使用redis的方式特别像。測試方法很簡單主要是下面幾點：

不作參數優化，預設配置進行測試
在一台linux伺服器上部署Ignite服務端，然後自己的筆記本作用戶端
按1，10，20，50，100，200線程進行測試

測試環境說明

伺服器：

[09:36:56] ver. 1.7.0#20160801-sha1:383273e3
[09:36:56] OS: Linux 2.6.32-279.el6.x86_64 amd64
[09:36:56] VM information: Java(TM) SE Runtime Environment 1.7.0_07-b10 Oracle Corporation Java HotSpot(TM) 64-Bit Server VM 23.3-b01
[09:36:56] Configured plugins:
[09:36:56]   ^-- None
[09:36:56] 
[09:36:56] Security status [authentication=off, tls/ssl=off]

CPU:4核

記憶體8GB

網卡100M

虛拟機

客戶機：

[13:05:32] ver. 1.7.0#20160801-sha1:383273e3
[13:05:32] OS: Windows 7 6.1 amd64
[13:05:32] VM information: Java(TM) SE Runtime Environment 1.8.0_40-b26 Oracle Corporation Java HotSpot(TM) 64-Bit Server VM 25.40-b25
[13:05:32] Initial heap size is 128MB (should be no less than 512MB, use -Xms512m -Xmx512m).
[13:05:34] Configured plugins:
[13:05:34]   ^-- None
[13:05:34] 
[13:05:35] Security status [authentication=off, tls/ssl=off]
[13:05:51] Performance suggestions for grid  (fix if possible)
[13:05:51] To disable, set -DIGNITE_PERFORMANCE_SUGGESTIONS_DISABLED=true
[13:05:51]   ^-- Decrease number of backups (set 'backups' to 0)

CPU:4核，i5-4210u

筆記本win7 64位

網卡：100M

測試代碼

package org.j2server.j2cache.cache.iginte;

import java.util.Arrays;

import org.apache.ignite.Ignite;
import org.apache.ignite.IgniteCache;
import org.apache.ignite.Ignition;
import org.apache.ignite.cache.CacheMode;
import org.apache.ignite.configuration.CacheConfiguration;
import org.apache.ignite.configuration.IgniteConfiguration;
import org.apache.ignite.spi.discovery.tcp.TcpDiscoverySpi;
import org.apache.ignite.spi.discovery.tcp.ipfinder.vm.TcpDiscoveryVmIpFinder;

public class IgniteTest {
	//測試的資料行數
	private static final Integer test_rows = 50000;
	private static final Integer thread_cnt = 10;
	private static final String cacheName = "Ignite Cache";
	private static Ignite ignite;
	private static boolean client_mode = false;
	
	static {
		getIgnite();
	}
	
	public static void main(String[] args) {
		MultiThread();
	}
	
	private static Ignite getIgnite() {
		if (ignite == null) {
			TcpDiscoverySpi spi = new TcpDiscoverySpi();
			TcpDiscoveryVmIpFinder ipFinder = new TcpDiscoveryVmIpFinder();
			ipFinder.setAddresses(Arrays.asList("192.168.49.204"));
			spi.setIpFinder(ipFinder);
			
			CacheConfiguration cacheConfiguration = new CacheConfiguration<String, DataClass>();
			cacheConfiguration.setCacheMode(CacheMode.PARTITIONED);
			cacheConfiguration.setBackups(1);
			IgniteConfiguration cfg = new IgniteConfiguration();
			cfg.setClientMode(client_mode);
			cfg.setDiscoverySpi(spi);
			cfg.setCacheConfiguration(cacheConfiguration);
			ignite = Ignition.start(cfg);
		}
		System.out.println("是否用戶端模式：" + client_mode);
		return ignite;
	}

	private static void MultiThread() {
		System.out.println("==================================================================");
		System.out.println("開始測試多線程寫入[線程數："+thread_cnt+"]");
		Long startTime = System.currentTimeMillis();
		
		Thread[] threads = new Thread[thread_cnt];
		Ignite ignite = getIgnite();		
		IgniteCache<String, DataClass> cache = ignite.getOrCreateCache(cacheName);
        for (int i = 0; i < threads.length; i++) {
        	threads[i] = new Thread(new TestThread(true, cache));
        }
        for (int i = 0; i< threads.length; i++) {
			threads[i].start();
		}
        
        for(Thread thread : threads){
            try {
                thread.join();
            } catch (InterruptedException e) { 
                e.printStackTrace();
            }
        }
        
        Long endTime=System.currentTimeMillis(); //擷取結束時間		
		float interval = endTime-startTime == 0 ? 1 : endTime-startTime;
		float tpms = (float)test_rows/interval;
		System.out.println("程式運作時間： "+ interval+"ms");  
		System.out.println("每毫秒寫入:"+tpms+"條。");
		System.out.println("每秒寫入:"+tpms*1000+"條。");		
		
		System.out.println("==================================================================");
		System.out.println("開始測試多線程讀取[線程數："+thread_cnt+"]");
		startTime = System.currentTimeMillis();
		Thread[] readthreads = new Thread[thread_cnt];
        for (int i = 0; i < readthreads.length; i++) {
        	readthreads[i] = new Thread(new TestThread(false, cache));
        }
        for (int i = 0; i< readthreads.length; i++) {
        	readthreads[i].start();
		}
        
        for(Thread thread : readthreads){
            try {
                thread.join();
            } catch (InterruptedException e) { 
                e.printStackTrace();
            }
        }
        
        endTime=System.currentTimeMillis(); //擷取結束時間		
		interval = endTime-startTime == 0 ? 1 : endTime-startTime;
		tpms = (float)test_rows/interval;
		System.out.println("程式運作時間： "+ interval+"ms");  
		System.out.println("每毫秒讀取:"+tpms+"條。");
		System.out.println("每秒讀取:"+tpms*1000+"條。");
	}
	
	static class TestThread implements Runnable {
		private boolean readMode = true;
		private IgniteCache<String, DataClass> cache;
		public TestThread(boolean readMode, IgniteCache<String, DataClass> cache){
			this.readMode = readMode;
			this.cache = cache;
		}
		
        @Override
        public void run() {
            for (int i = 0; i < test_rows/thread_cnt; i++) {
            	if (this.readMode) {
            		cache.get(Integer.toString(i));
            	} else {
            		DataClass dc = new DataClass();
        			dc.setName(Integer.toString(i));
        			dc.setValue(i);
        			dc.setStrValue("asdfadsfasfda");
        			cache.put(Integer.toString(i), dc);
            	}
            }
        }
    }
}

import java.io.Serializable;

public class DataClass implements Serializable{
	private String name;
	private long value;
	private String strValue;
	public String getName() {
		return name;
	}
	public void setName(String name) {
		this.name = name;
	}
	public long getValue() {
		return value;
	}
	public void setValue(long value) {
		this.value = value;
	}
	public String getStrValue() {
		return strValue;
	}
	public void setStrValue(String strValue) {
		this.strValue = strValue;
	}
}

測試資料

最終測試的結果還是有點意思，随着線程的增長讀寫性能大幅提升，但是到了200的時候就開始下降。下面是測試資料：

[12:53:40] Topology snapshot [ver=20, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
開始測試多線程寫入[線程數：1]
程式運作時間： 49066.0ms
每毫秒寫入:1.0190356條。
每秒寫入:1019.0356條。
==================================================================
開始測試多線程讀取[線程數：1]
程式運作時間： 51739.0ms
每毫秒讀取:0.966389條。
每秒讀取:966.389條。

[12:56:22] Topology snapshot [ver=22, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
開始測試多線程寫入[線程數：10]
程式運作時間： 6215.0ms
每毫秒寫入:8.045053條。
每秒寫入:8045.0527條。
==================================================================
開始測試多線程讀取[線程數：10]
程式運作時間： 6526.0ms
每毫秒讀取:7.661661條。
每秒讀取:7661.661條。

[12:57:04] Topology snapshot [ver=24, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
開始測試多線程寫入[線程數：20]
程式運作時間： 4353.0ms
每毫秒寫入:11.486331條。
每秒寫入:11486.331條。
==================================================================
開始測試多線程讀取[線程數：20]
程式運作時間： 3768.0ms
每毫秒讀取:13.269639條。
每秒讀取:13269.639條。

[12:57:34] Topology snapshot [ver=26, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
開始測試多線程寫入[線程數：50]
程式運作時間： 2657.0ms
每毫秒寫入:18.818216條。
每秒寫入:18818.217條。
==================================================================
開始測試多線程讀取[線程數：50]
程式運作時間： 2138.0ms
每毫秒讀取:23.386343條。
每秒讀取:23386.344條。

[12:58:00] Topology snapshot [ver=28, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
開始測試多線程寫入[線程數：100]
程式運作時間： 2095.0ms
每毫秒寫入:23.866348條。
每秒寫入:23866.348條。
==================================================================
開始測試多線程讀取[線程數：100]
程式運作時間： 1764.0ms
每毫秒讀取:28.344671條。
每秒讀取:28344.672條。

[12:59:19] Topology snapshot [ver=30, servers=1, clients=1, CPUs=8, heap=2.8GB]
==================================================================
開始測試多線程寫入[線程數：200]
程式運作時間： 2333.0ms
每毫秒寫入:21.431633條。
每秒寫入:21431.633條。
==================================================================
開始測試多線程讀取[線程數：200]
程式運作時間： 2049.0ms
每毫秒讀取:24.402147條。
每秒讀取:24402.146條。

用圖形看看比較直覺

不使用用戶端模式

隻不過我發現如果不使用client_mode，也就是都是server模式時寫入性能還是很強的，但是讀取有點搓。

[14:15:02] Topology snapshot [ver=22, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否用戶端模式：false
==================================================================
開始測試多線程寫入[線程數：1]
是否用戶端模式：false
程式運作時間： 828.0ms
每毫秒寫入:60.386475條。
每秒寫入:60386.477條。
==================================================================
開始測試多線程讀取[線程數：1]
程式運作時間： 28819.0ms
每毫秒讀取:1.7349665條。
每秒讀取:1734.9666條。

[14:08:55] Topology snapshot [ver=10, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否用戶端模式：false
==================================================================
開始測試多線程寫入[線程數：10]
是否用戶端模式：false
程式運作時間： 813.0ms
每毫秒寫入:61.500614條。
每秒寫入:61500.613條。
==================================================================
開始測試多線程讀取[線程數：10]
程式運作時間： 5965.0ms
每毫秒讀取:8.38223條。
每秒讀取:8382.2295條。

[14:09:48] Topology snapshot [ver=12, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否用戶端模式：false
==================================================================
開始測試多線程寫入[線程數：20]
是否用戶端模式：false
程式運作時間： 812.0ms
每毫秒寫入:61.576355條。
每秒寫入:61576.355條。
==================================================================
開始測試多線程讀取[線程數：20]
程式運作時間： 5157.0ms
每毫秒讀取:9.6955595條。
每秒讀取:9695.56條。

[14:10:25] Topology snapshot [ver=14, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否用戶端模式：false
==================================================================
開始測試多線程寫入[線程數：50]
是否用戶端模式：false
程式運作時間： 686.0ms
每毫秒寫入:72.8863條。
每秒寫入:72886.3條。
==================================================================
開始測試多線程讀取[線程數：50]
程式運作時間： 4321.0ms
每毫秒讀取:11.571396條。
每秒讀取:11571.3955條。

[14:11:01] Topology snapshot [ver=16, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否用戶端模式：false
==================================================================
開始測試多線程寫入[線程數：100]
是否用戶端模式：false
程式運作時間： 830.0ms
每毫秒寫入:60.240963條。
每秒寫入:60240.965條。
==================================================================
開始測試多線程讀取[線程數：100]
程式運作時間： 3963.0ms
每毫秒讀取:12.616705條。
每秒讀取:12616.705條。

[14:13:58] Topology snapshot [ver=20, servers=2, clients=0, CPUs=8, heap=2.8GB]
是否用戶端模式：false
==================================================================
開始測試多線程寫入[線程數：200]
是否用戶端模式：false
程式運作時間： 1014.0ms
每毫秒寫入:49.309666條。
每秒寫入:49309.664條。
==================================================================
開始測試多線程讀取[線程數：200]
程式運作時間： 3179.0ms
每毫秒讀取:15.728216條。
每秒讀取:15728.216條。

從這個資料可以看出來，在這種都是服務端的模式下，寫入性能基本穩定，在達到200線程時出現衰減；而讀取則基本是線性的，到100線程差不多也就到頂了。

與redis的對比

原本是想和redis作一個對比測試的，先是做了redis的測試。redis用戶端用的jedis2.8.1，同時服務端用的是redis3.2.2，其他的環境和上面的一樣。

結果測試資料發現redis和ignite使用用戶端模式時竟然很相近。是以我懷疑是因為我對redis不了解redis沒作優化導緻的？但是Ignite我也是直接啟動的，一點優化也沒作，還是說測試的代碼寫法不對呢？

下面是redis的測試代碼

import redis.clients.jedis.Jedis;

public class redis {
	private static final String ip = "192.168.49.200";
	private static final String auth = "your pwd";
	private static final Integer port = 6379;
	//測試的資料行數
	private static final Integer test_rows = 50000;
	//線程數
	private static final Integer thread_cnt = 200;
	
	public static void main(String[] args) {
		MultiThread();
	}
	
	private static void MultiThread() {
		System.out.println("==================================================================");
		System.out.println("開始測試多線程寫入[線程數："+thread_cnt+"]");
		Long startTime = System.currentTimeMillis();
		
		Thread[] threads = new Thread[thread_cnt];
        for (int i = 0; i < threads.length; i++) {
        	threads[i] = new Thread(new TestThread(true));
        }
        for (int i = 0; i< threads.length; i++) {
			threads[i].start();
		}
        
        for(Thread thread : threads){
            try {
                thread.join();
            } catch (InterruptedException e) { 
                e.printStackTrace();
            }
        }
        
        Long endTime=System.currentTimeMillis(); //擷取結束時間		
		float interval = endTime-startTime == 0 ? 1 : endTime-startTime;
		float tpms = (float)test_rows/interval;
		System.out.println("程式運作時間： "+ interval+"ms");  
		System.out.println("每毫秒寫入:"+tpms+"條。");
		System.out.println("每秒寫入:"+tpms*1000+"條。");		
		
		System.out.println("==================================================================");
		System.out.println("開始測試多線程寫入[線程數："+thread_cnt+"]");
		startTime = System.currentTimeMillis();
		Thread[] readthreads = new Thread[thread_cnt];
        for (int i = 0; i < readthreads.length; i++) {
        	readthreads[i] = new Thread(new TestThread(false));
        }
        for (int i = 0; i< readthreads.length; i++) {
        	readthreads[i].start();
		}
        
        for(Thread thread : readthreads){
            try {
                thread.join();
            } catch (InterruptedException e) { 
                e.printStackTrace();
            }
        }
        
        endTime=System.currentTimeMillis(); //擷取結束時間		
		interval = endTime-startTime == 0 ? 1 : endTime-startTime;
		tpms = (float)test_rows/interval;
		System.out.println("程式運作時間： "+ interval+"ms");  
		System.out.println("每毫秒讀取:"+tpms+"條。");
		System.out.println("每秒讀取:"+tpms*1000+"條。");
	}
	
	static class TestThread implements Runnable {
		private boolean readMode = true;
		public TestThread(boolean readMode){
			this.readMode = readMode;
		}
		
        @Override
        public void run() {
            Jedis j = new Jedis(ip,port);
            j.auth(auth);
            for (int i = 0; i < test_rows/thread_cnt; i++) {
            	if (this.readMode) {
            		j.get("foo"+i);
            	} else {
            		j.set("foo"+i, "bar"+i);
            	}
            }
            j.disconnect();
        }


    }
}

對比結果視圖

結束

原本我想着redis估計得秒了ignite，畢竟redis是這麼多系統正在使用的記憶體資料庫。ignite本身含有這麼多功能按理性能肯定是比不上才對，而且ignite組成叢集後是需要進行資料分塊存取和備份的，而測試環境中redis則是單執行個體情況，這讓我沒太想明白啊。。還望有高手指點。。

看網上許多人測試的資料redis少點的4萬+，據說可以到10萬+。但我自己的測試環境差了點反正最多也沒過3萬，這到底會是什麼原因呢？

不管如何這是一次簡單的測試與嘗試，結果與預期有點偏差，繼續學習深入了解吧。

注：此文章為原創，歡迎轉載，請在文章頁面明顯位置給出此文連結！

若您覺得這篇文章還不錯請點選下右下角的推薦，非常感謝！

Ignite性能測試以及對redis的對比

測試方法

測試環境說明

測試資料

不使用用戶端模式

與redis的對比

結束

繼續閱讀

2022秋招面試總結（cpp+java+測開）百度測開一面位元組後端一面蝦皮後端一面蝦皮後端二面

阿裡巴巴分布式服務架構 Dubbo 團隊成員梁飛專訪

使用fiddler進行弱網測試（APP）

資料遷移方法資料遷移原則資料遷移之雙寫方案資料遷移之級聯同步方案

進一步評估了EP、EP/7.5%TFXBJ和CNC1的粘接性能，首先分别研究了三個體系的樣品在UV光固化，光-熱雙固化以

微服務-性能壓測\緩存redis和分布式鎖redisson和SpringCache

Nacos 2.0 更新前後性能對比壓測

Spring資料和Redis

redis叢集資料一緻性_RedisRaft為Redis叢集帶來強大的資料一緻性

Centos7 下 Hadoop 2.6.4 分布式叢集環境搭建摘要叢集準備安裝JDK 安裝 Hadoop 2.6.4 部署 slaver1-slaver4 啟動 hadoop 叢集成功了

supervisor 管理redis 和httpd 環境centos7

Redis簡介一(單機版)發展曆程Redis

celery使用入門

多線程擷取随機數性能對比（C vs C++）

MapReduce的幾個企業級經典面試案例MapReduce的幾個企業級經典面試案例

10年軟體測試工程師，隻剩下這點感悟了（初級測試工程師必看）