triton-doc
triton develop document
Project maintained by tal-tech Hosted on GitHub Pages — Theme by mattgraham
性能测试
测试目标
本次测试的目标是测试triton的性能，主要针对kafka
测试方案
因为triton是一个模板化的、插件化的消费者，我们这里的性能测试针对的是triton内部的转发性能，我们不关心后端的业务逻辑，因为业务逻辑千变万化，可能是一个rpc调用，可能是一个数据库操作，如果把业务逻辑加进去，那么这个性能测试就不是针对triton的，变成了对业务逻辑的压测。所以我们使用的模板如下：
funcsMap["self"] = func(v interface{}) (ret string, err error) {
return "OK", nil
}
业务逻辑没有任务操作，这样我们就能做到只压测triton的转发性能。
我们分别往4个topic中，分别灌入各1000w条，10byte、100byte、1000byte、5000byte的数据，然后我们用triton去消费，观察triton的消费性能。因为我们的4个topic都是3个分区，然后我们分别再测试启动1、3、6个消费者，triton的消费性能。
测试机器
- OS：CentOS Linux release 7.4.1708 (Core)
- CPU: 4
- Memory: 8G
测试过程
1、10byte
我们启动triton，消费者数量为1，从头开始消费10byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费15w条数据， 此时CPU情况
我们增加消费者的数据到3，从头开始消费10byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费20w条数据
我们再次增加消费者的数量到6，从头开始消费10byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费21w条数据，性能没有明显的提升
2、100byte
我们启动triton，消费者数量为1，从头开始消费100byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费11.5w条数据
我们增加消费者的数据到3，从头开始消费100byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费19.5w条数据
我们再次增加消费者的数量到6，从头开始消费100byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费19.5w条数据，性能没有明显提升
3、1000byte
我们启动triton，消费者数量为1，从头开始消费100byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费11w条数据
我们增加消费者的数据到3，从头开始消费1000byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费14w条数据
我们再次增加消费者的数量到6，从头开始消费1000byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费14w条数据，性能没有明显提升
4、5000byte
我们启动triton，消费者数量为1，从头开始消费5000byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费6w条数据
我们增加消费者的数据到3，从头开始消费5000byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费7w条数据
我们再次增加消费者的数量到6，从头开始消费5000byte中的数据，得到triton的消费情况如下
我们可以计算得到每秒消费7w条数据，性能没有明显提升
测试结果
对比各种不同消息长度的测试结果如下表：
| topic | 每条消费大小 | 分区数 | 消费者数量 | 性能 | 消费者数量 | 性能 | 消费者数量 | 性能 |
|---|---|---|---|---|---|---|---|---|
| 10byte | 10byte | 3 | 1 | 15w/s | 3 | 20w/s | 6 | 21w/s |
| 100byte | 100byte | 3 | 1 | 11.5w/s | 3 | 19.5w/s | 6 | 19.5w/s |
| 1000byte | 1000byte | 3 | 1 | 11w/s | 3 | 14w/s | 6 | 14w/s |
| 5000byte | 5000byte | 3 | 1 | 6w/s | 3 | 7w/s | 6 | 7w/s |
测试结论
由上表可以得出结论：triton的性能与消费者数量相关，最佳情况是与分区数相等，消息体越长，每秒消费条数相应降低，原因是网卡流量已经打满。