(本文作者：不雅测云资深系统开辟工程师 熊豹）

2023 年 4 月 23 日，不雅测云正式发布自研时序数据库 GuanceDB，并在当天利用到了不雅测云所有 SaaS 节点的底座。此次进级机能晋升的结果吹糠见米，对照之前利用 InfluxDB 的情况资本占用年夜幅下降、查询机能显著晋升，我们成功地吃上了本身的狗粮。

我们也深知 talk is cheap show me the benchmark 的事理，这里发布我们在近期完成的 GuanceDB 机能压测陈述。

压测方案申明

本次测试的方针是对照 GuanceDB、InfluxDB 和某知名开源时序数据库（简称 xxDB）在不异的写入负载和查询前提下的机能表示和资本占用环境。

关在测试东西：

我们对照 tsbs、prometheus-benchmark 两种时序数据库的压测方案。

此中 prometheus-benchmark 组织了更偏真实情况的延续写入负载，指标数值的转变也更真实，所以我们首要参考 prometheus-benchmark 来组织本次测试。

Tsbs：https://github.com/timescale/tsbs

pr开云appometheus-benchmark：https://github.com/VictoriaMetrics/prometheus-benchmark

原 prometheus-benchmark 方案中利用了 vmagent 来抓取和写入指标，但我们今天测试的 3 种数据库对 Prometheus 写入和谈撑持力度纷歧，没法一路比力。所以我们对 vmagent 进行了一些革新，让其撑持了 InfluxDB 的行写入和谈。

Vmagent：https://docs.victoriametrics.com/vmagent.html

本次测试的终究方案以下：

1.摆设的一个单机的 node-exporter ，其表露宿主机的 1383 个真实指标

2.摆设 Nginx 反代并缓存 node-exporter 成果 1s，下降频仍要求的压力

3.调剂 agent 的抓取设置装备摆设，摹拟生成分歧的 node-exporter 实例数以生成分歧的写入负载

4.agent 以不异的要求巨细、频率将数据同时以 influx 和谈 http 接口写入三种时序数据库

软件版本：

1.GuanceDB: v1.0.0

2.InfluxDB: v1.8.10

3.xxDB

主机设置装备摆设：

1.压测机：1 台阿里云 ecs.g7.16xlarge 云主机：64 core，128 GB RAM

2.存储集群：3 台阿里云 ecs.g7.4xlarge 云主机：16 core，64 GB RAM，200 GB PL1 类型 ESSD

阿里云资本申明页

https://help.aliyun.com/document_detail/25378.html#g7

https://help.aliyun.com/document_detail/25383.html

摆设体例：

由于 InfluxDB 的开源版本不撑持集群模式，所以我们也将分两组进行测试。一组是 InfluxDB 与 GuanceDB、xxDB 的单机版本对照，另外一组是 GuanceDB 与 xxDB 的集群模式进行对照，集群模式都利用 3 个存储节点。

参数优化：

GuanceDB 对年夜部门场景都做了主动调优，所以我们不消手动调剂设置装备摆设。

InfluxDB 默许对高基数场景做了一些庇护，我们调剂 max-series-per-database = 0 铺开了限制，cache-max-memory-size 增年夜到了 10g，而且开启 tsi1 索引。

xxDB 我们也参考文档进行了针对性的调优。

至此完成所有设置装备摆设，最先测试。

写入测试

●单机组

本组测试进行的测试轮次比力多，这里我们遴选某一轮展现具体监控截图。

在此轮测试中，我们虚拟了 344 个 node-exporter 实例，生成年夜约 50w 条活跃时候线，5s 抓取一次，时序点写入 QPS 10w。

GuanceDB 资本开消：CPU 占用率 2%，内存占用约 3 GB。

InfluxDB 资本开消：CPU 占用率 16%，内存占用约 7.4 GB。

xxDB 资本开消：CPU 占用率 61%，内存占用 9 GB。

汇总成果表格以下：

完成了限制机能的测试场景后，我们很好奇要多年夜的压力才能将各台数据库主机的资本打满，特别对 GuanceDB，响应 10w 写入 QPS 仅仅破费了 2% 的 CPU 开消，它的机能上限在哪里？随即我们最先加年夜 QPS，当各台主机的 CPU，内存和磁盘如有一项被打满时，即被认为达到瓶颈。

现实测试成果都是主机的 CPU 先被打满，此时内存占用和磁盘写入带宽都还余量，所以我们就以 CPU 操纵率为瓶颈指标画出以下对照图：

在单机场景下，当 CPU 到达满载时，xxDB 的写入 QPS 约 15w，InfluxDB 约 90w，GuanceDB 约 270w。本轮 GuanceDB 取得第一，写入机能是 InfluxDB 的 3 倍。也能够看到在 CPU 操纵率跨越 20% 后，机能不再呈线性增加，都有必然水平阑珊。

●集群组

我们依照之前的方式继续测试 3 节点集群：

在集群场景下，依然是 CPU 操纵率先到达瓶颈。一样在 CPU 满载环境下，GuanceDB 此时的写入 QPS 约为 860w，xxDB 约为 45w。

对照之前 GuanceDB 和 xxDB 的单机写入机能测试，抱负环境下 N 个节点的集群版的写入机能应当是单机版的 N 倍，呈线性增加，实测 3 节点集群合适机能预期。

查询测试

查询测试将夹杂单机 InfluxDB、集群版 GuanceDB、集群版 xxDB 一路进行。集群一般可以将数据和查询分摊并可以在节点之间并行查询，理论上这个测试体例对 InfluxDB 不太公允，但前提受限，暂且这么设计。

我们虚拟 688 个 node-exporter 实例，生成年夜约 100w 个活跃时候线，5s 抓取一次，时序点写入 QPS 20w。在延续写入 24 小时后，我们再测试一些常见语句的查询机能和对照存储空间占用。

GuanceDB 同时撑持 DQL 和 PromQL 两种查询语法。DQL 是不雅测云自研的多模数据查询说话，同时撑持指标、日记、对象等多种类型负载数据的查询和阐发，语法表达很是简练。语法设计上跟 SQL 接近，但加倍顺应时序阐发场景，进修曲线光滑。

这里我们一共对照了四种查询语法在不异语义的 1h、8h、24h 分歧时候规模下的响应时候：

查询 1 响应时候：

注：图示中 0ms 暗示响应时候不到 1ms。

查询 2 响应时候：

查询 3 响应时候：

注：图示中 -1ms 暗示要求响应时候跨越了 60s 不计数。

空间占用对照

在上述的查询测试组织的写入压力（活跃时候线 100w，时序点写入 QPS 20w）下，运行 24 小时后，我们对照存储空间占用。

总结

颠末数轮的写入和查询机能测试，相信列位对 GuanceDB 的综合机能表示已有了比力清楚的熟悉了。GuanceDB 对照 InfluxDB 写入机能晋升 3 倍，存储空间占用削减 68%，查询机能晋升 30 倍以上。GuanceDB 比拟 xxDB 晋升则更较着，背后的缘由是 xxDB 固然明面上是撑持了 Schemaless 数据的写入，可是对 Schemaless 的场景较着优化不足，所以表示欠佳。

GuanceDB 的优良机能来自在我们构建的高效的火山模子查询引擎、SIMD 指令加快、对 Schemaless 数据的最优先撑持等，也由于我们站在了 VictoriaMetrics 的肩膀上。很是感激 VictoriaMetrics 开源社区对我们的撑持，我们将延续进献回报社区，配合增进可不雅测范畴手艺的成长与前进。

我们在 5 月中下旬也将发布 GuanceDB 的单机版本，接待大师到时存眷和测试。若有同窗对 GuanceDB 感爱好，或有任何疑问，可以随时站内和我联系，或在不雅测云（www.guance.com）社群里沟通。