二、MySQL基准测试-526互联

基准测试（benchmark）：是针对系统设计的一种压力测试。通常的目标是为了掌握系统的行为。但也有其他原因，如重现某个系统状态，或者是做新硬件的可靠性测试。

2.1 为什么需要基准测试

验证基于系统的一些假设，确认这些假设是否符合实际情况
重现系统中的某些异常行为，以解决这些异常
测试系统当前的运行情况。
模拟比当前系统更高的负载
规划未来的业务增长
测试应用适应可变环境的能力
测试不同的硬件、软件和操作系统配置
证明新采购的设备是否配置正确（永远不要相信主机提供商或者硬件供应商的所谓系统已经安装好）

基准测试的一个主要问题在于其不是真实压力的测试，基准测试施加给系统的压力相对真实压力来说，通常比较简单。

基准测试的压力和真实压力在哪些方面不同？有很多因素会影响基准测试，比如数据量数据和查询的分布。但最重要的一点还是基准测试通常要求尽可能快地执行完成，所以经常给系统造成过大的压力。

大部分压力测试工具不支持对压力进行复杂的控制。务必要记住，测试工具的自身的局限性也会影响到结果的有效性。

使用基准测试进行容量规划也要掌握技巧，不能只根据测试结果做简单的推断

结论：我们只能进行大概的测试，来确定系统大致的余量有多少。当然也可以做一些真实压力测试，但在工作数据集和压力的时候要特别小心。基准测试要尽量简单直接，结果之间容易相互比较，成本低且易于执行。尽管有诸多限制，基准测试还是非常有用的（只要搞清楚测试的原理，并且了解如何分析结果所代表的意义）

2.2 基准测试的策略

基准测试有两种主要的策略：一是针对整个系统的整体测试，另外是单独测试MySQL。这两种策略也被称为集成式（full-stack）以及单组件式（single-component）基准测试。

测试整个应用系统，包括web服务器、应用代码、网络和数据库是非常有用的，因为用户关注的并不仅仅是MySQL本身的性能，而是应用整体的性能。
MySQL并非总是应用的瓶颈，通过整体的测试可以揭示这一点
只有对应用做整体测试，才能发现各部分之间的缓存带来的影响
整体应用的集成式测试更能揭示应用的真实表现，而单独组件的测试很难做到这一点

另一方面，应用的整体基准测试很难建立，甚至很难正确设置。如果基准测试的设计有问题，那么结果就无法反映真实的情况，从而基于此做的决策也可能是错误的。

不过，有时候不需要了解整个应用的情况，而只需关注MySQL的性能，至少在项目初期可以这样做。基于以下情况，可以选择只测试MySQL：

需要比较不同的 schema 或查询的性能
针对应用中某个具体问题的测试
为了避免漫长的基准测试，可以通过一个短期的基准测试，做快速的 "周期循环" 来检测出某些调整后的效果

另外，如果能够在真实的数据集上执行重复的查询，那么针对MySQL的基准测试也是有用的，但是数据本身和数据集的大小都应该是真实的。如果可能，可以采用生产环境的数据快照。

1）测试何种指标

在开始执行甚至是在设计基准测试之前，需要先明确测试的目标。测试目标决定了选择什么样的测试工具和技术，以获得精确而有意义的测试结果。可以将测试目标细化为一系列的问题。

有时候需要用不同的方法测试不同的指标。比如，针对延迟（latency）和吞吐量（throughput）就需要不同的测试方法。

吞吐量

吞吐量指的是单位时间内的事务处理数。常用的测试单位是每秒事务数（TPS）

响应时间

用于测试任务所需的整体时间。根据不同的时间单位可以计算出平均响应时间、最小响应时间、最大响应时间和所占百分比。

使用图表有助于理解测试结果。可以将测试结果绘制成折线图或者散点图。

并发性

并发性是一个非常重要又经常被误解和误用的指标。例如，它经常被表示成多少用户在同一时间浏览一个web站点，经常使用的指标是有多少个会话。然而，HTTP协议是无状态的，大多数用户只是简单地读取浏览器上显示的信息，这并不等同于web服务器的并发性。而且，web服务器的并发性也不等同于数据库的并发性，而仅仅只表示会话存储机制可以处理多少数据的能力。web服务器的并发性更准确的度量指标，应该是在任意时间有多少同时发生的并发请求。

在应用的不同环节都可以测量相应的并发性。web服务器的高并发，一般也会导致数据库的高并发，但服务器采用的预言和工具集对此都会有影响。注意不要将创建数据库连接和并发性搞混淆。一个设计良好的应用，同事可以打开成百上千个MySQL数据库服务器连接，但可能同时只有少数连接在执行查询。所以说，一个吻站点 “同时有 50 000个用户" 访问，却可能只有 10~15个并发请求到数据库。

换句话说，并发性基准测试需要关注的是正在工作中的并发操作，或者是同时工作中的线程数或者连接数。当并发性增加时，需要测量吞吐量是否下降，响应时间是否变长，如果是这样，应用可能就无法处理峰值压力。

并发性的测量完全不同于响应时间和吞吐量。它不像是一个结果，而更像是设置基准测试的一种属性。

可扩展性

可扩展性指的是，给系统增加一倍的工作，在理想情况下就能获得两倍的结果（即吞吐量增加一倍）。或者说，给系统增加一倍的资源（比如两倍的CPU数),就可以获得两倍的吞吐量。当然，同时性能也必须在可以接受的范围内。大多数系统是无法做到如此理想的线性扩展的。

归根到底，应该测试那些对用户来说最重要的指标。因此应该尽可能地去收集一些需求，比如，什么样的响应时间是可以接受的，期待多少的并发性，等等。然后基于这些需求来设计基准测试，避免目光短浅地只关注部分指标，而忽略其他指标。

2.3 基准测试方法

在讨论如何设计好的基准测试之前，先来看一下如何避免一些常见的错误，这些错误可能导致测试结果无用或者不精确。

使用真实数据的子集而不是全集
使用错误的数据分布
使用不真实的分布参数，例如假定所有用户的个人信息都会被平均地读取
在多用户场景中，只做单用户的测试
在单服务上测试分布式应用
与真实用户行为不匹配。例如web页面中的 ”思考时间" 。真实用户在请求到一个页面后会阅读一段时间，而不是不停顿地一个接一个点击相关链接
反复执行同一个查询
没有检查错误。比如一个本应该很慢的查询突然变快了，就应检查是否有错误产生。
忽略了系统预热（warm up）的过程
使用默认的服务器配置
测试时间太短

1）设计和规划基准测试

规划基准测试的第一步是提出问题并明确目标。然后觉得是采用标准的基准测试，还是设计专用的测试。

设计专用的基准测试是很复杂的，往往需要一个迭代的过程。首先需要获得生产数据集的快照，并且该快照很容易还原，以便进行后续的测试。

然后，针对数据运行查询，可以建立一个单元测试集作为初步的测试，并运行多变。但是这和真实的数据库环境还是有差别的。更好的办法是选择一个有代表性的时间段，比如高峰期的一个小时，或者一整天，记录生产系统上的所有查询。如果时间段选得比较小，啧可以选择多个时间段。这样有助于覆盖整个系统的活动状态。例如每周报表的查询、或者非峰值时间运行的批处理作业。

即使不需要创建专用的基准测试，详细地写下测试规划也是必需的。测试可能要多次反复运行，因此需要精确地重现测试过程。而且也应该考虑到未来，执行下一轮测试时可能已经不是同一个人了。即使还是同一个人，也有可能不会确切地记得初次运行时的情况。测试规划应该记录测试数据、系统配置的步骤、如何测量和分析结果，以及预热的方案等。

应该建立将参数和结果文档化的规范，每一轮测试都必须进行详细记录。文档规范可以很简单，比如采用excel或记事本，也可以是复杂的自定义的数据库。需要记住的是，经常要写一些脚本来分析测试结果。

2）基准测试应该运行多长时间

基准测试应该运行足够长的时间，这一点很重要。如果没有时间去完成准确完成的基准测试，那么已经花费的所有时间都是一种浪费。

3）获取系统性能和状态

在执行基准测试时，需要尽可能多地收集被测试系统的信息。最好为基准测试建立一个目录，并且每执行一轮测试都创建单独的子目录，将测试结果、配置文件、测试目标、脚本和其他相关说明都保存在其中。即使有些结果不是目前需要的，也应该先保存下来。多余一些数据总比缺乏重要的数据要好，而且多余的数据以后也许会用得着。需要记录的数据包括系统状态和性能指标，诸如CPU使用率、磁盘I/O、网络流量统计、SHOW GROBAL STATUS 计数器等。