国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

redis性能測試及瓶頸分析調(diào)優(yōu)

這篇具有很好參考價值的文章主要介紹了redis性能測試及瓶頸分析調(diào)優(yōu)。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

一、簡介

Redis(Remote Dictionary Server ),即遠(yuǎn)程字典服務(wù),是一個開源的使用ANSI C語言編寫、支持網(wǎng)絡(luò)、可基于內(nèi)存亦可持久化的日志型、Key-Value數(shù)據(jù)庫,并提供多種語言的API

mysql與redis的區(qū)別:

  • 類型上mysql是關(guān)系型數(shù)據(jù)庫,而redis是緩存數(shù)據(jù)庫;

  • 作用上mysql用于持久化的存儲數(shù)據(jù)到硬盤,功能強大,但速度較慢;而redis用于存儲使用較為頻繁的數(shù)據(jù)到緩存中,讀取速度快

  • mysql和redis因為需求的不同,一般都是配合使用

二、redis的應(yīng)用

  1. 后端除了用Mysql/Oracle還要用Redis的原因

  • 內(nèi)存和磁盤的時延差

  • Mysql數(shù)據(jù)庫高性能成本高,同樣機器配置下,Redis性能比Mysql數(shù)據(jù)明顯更快

  • 互聯(lián)網(wǎng)公司 100%必用現(xiàn)在 很多項目都在用

  1. 緩存技術(shù)在后端架構(gòu)中的應(yīng)用

redis性能測試及瓶頸分析調(diào)優(yōu)

數(shù)據(jù)存儲方式:出于數(shù)據(jù)持久化考慮,數(shù)據(jù)會保存一份在 關(guān)系型數(shù)據(jù)庫;出于高性能角度考慮,數(shù)據(jù)還會存儲一份在 Redis這中內(nèi)存型數(shù)據(jù)庫中

緩存應(yīng)用流程:

  • 數(shù)據(jù)寫入:一般使用關(guān)系型 數(shù)據(jù)庫

  • 數(shù)據(jù)查詢: 先查 Redis緩存, 沒查到再去查詢數(shù)據(jù)庫

  • 高并發(fā)系統(tǒng)架構(gòu):讀多寫少 用緩存

三、性能測試注意事項

1.緩存預(yù)熱

如果程序初次運行,此時由于數(shù)據(jù)尚未加載到緩存,則程序的響應(yīng)時間會明顯變長。對應(yīng)到性能測試的現(xiàn)象--程序剛啟動,非常不穩(wěn)定,它的性能 明顯 低于 已經(jīng)運行一段時間的

注意需要測試場景:

1). 測試 緩存沒有的情況, 系統(tǒng)性能是怎么樣的? 以及 多久才能恢復(fù)到正常的性能(找開發(fā) - 把數(shù)據(jù)清空,模擬干凈的環(huán)境)

2). 測試 緩存已經(jīng)加載的情況, 系統(tǒng)運行了一段時間,各種業(yè)務(wù)場景都執(zhí)行過幾輪之后

2.緩存雪崩

redis目前架構(gòu)來水,不能保障100%數(shù)據(jù)不丟失,因此需要檢查系統(tǒng)是否能容忍緩存出問題。

模擬redis出現(xiàn)故障的場景,1).檢查多少秒之內(nèi),需要恢復(fù)redis緩存服務(wù);2). 如果緩存失效,導(dǎo)致高并發(fā)請求懟到數(shù)據(jù)庫,是否會出現(xiàn)異常

3.緩存擊穿

如果查詢的目標(biāo)是不存在于系統(tǒng)中的數(shù)據(jù),則緩存必然失效,緩存大量Miss,高并發(fā)請求同樣大量懟到數(shù)據(jù)庫,可能會導(dǎo)致系統(tǒng)崩潰

四、Redis瓶頸分析

1.服務(wù)器資源

1)機器資源不夠,存不下太多數(shù)據(jù):可考慮搭建redis集群

2)檢查redis自己是否占用了服務(wù)器這么多資源,可使用內(nèi)置的info命令,查看到如下多個小節(jié)信息:

redis性能測試及瓶頸分析調(diào)優(yōu)
  • server :獲取 server 信息

屬性名 屬性值 說明
redis_version 5.0.3 Redis 服務(wù)版本號
redisgitsha1 00000000 Git SGA1
redisgitdirty 0 Git dirty flag
redisbuildid 89e87c8197752890 Redis build ID
redis_mode standalone 運行模式,分為:standalone、sentinel、cluster
os Darwin 18.2.0 x86_64 Redis 所在機器的操作系統(tǒng)
arch_bits 64 架構(gòu)(32位或者64位)
multiplexing_api kqueue Redis 所使用的事件處理機制
atomicvar_api atomic-builtin Atomicvar API
gcc_version 4.2.1 編譯 Redis 時所使用的 GCC 版本
process_id 40163 服務(wù)進(jìn)程 ID
run_id c4f8bb49f8214f406725136e6f589b46502a0e00 run_id
tcp_port 6379 監(jiān)聽端口
uptimeinseconds 496059 自 Redis 服務(wù)器啟動已來,運行的秒數(shù)
uptimeindays 5 自 Redis 服務(wù)啟動已來,運行的天數(shù)
hz 10 serverCron 每秒運行次數(shù)
configured_hz 10  
lru_clock 5452491 以分鐘為單位進(jìn)行自增的時鐘,用于 LRU 管理
executable /../redis-5.0.3/src/./redis-server 運行文件
config_file /../redis-5.0.3/redis.conf 配置文件
  • clients :獲取 clients 信息,如客戶端連接數(shù)等

connected_clients 1: 當(dāng)前客戶端連接數(shù)
clientrecentmaxinputbuffer 2: 當(dāng)前連接的客戶端當(dāng)中,最大輸入緩存
clientrecentmaxoutputbuffer 0: 當(dāng)前連接的客戶端當(dāng)中,最長的輸出列表
blocked_clients 0 正在等待阻塞命令(BLPOP、BRPOP、BRPOPLPUSH):的客戶端的數(shù)量
  • memory :獲取 server 的內(nèi)存信息,包括當(dāng)前內(nèi)存消耗、內(nèi)存使用峰值

used_memory 18813680:由 redis 分配器(標(biāo)準(zhǔn)libc,jemalloc或其他分配器,例如tcmalloc)分配的內(nèi)存總量,以字節(jié)(byte)為單位
usedmemoryhuman 17.94M:redis 分配的內(nèi)存總量
usedmemoryrss 1945600 從操作系統(tǒng)的角度,Redis 已分配的內(nèi)存總量(俗稱常駐集大小)。這個值和 top、ps 等命令的輸出一致。
usedmemoryrss_human 1.86M:操作系統(tǒng)角度,返回 redis 分配的內(nèi)存總量
usedmemorypeak 18900752:redis 的內(nèi)存消耗峰值(以字節(jié)為單位)
usedmemorypeak_human 18.03M:Redis 的內(nèi)存消耗峰值
usedmemorypeak_perc 99.54%:usedmemorypeak在used_memory中所占的百分比
usedmemoryoverhead 11135798:分配用于管理其內(nèi)部數(shù)據(jù)結(jié)構(gòu)的所有開銷的總字節(jié)數(shù)
usedmemorystartup 988448:啟動時消耗的初始內(nèi)存量(以字節(jié)為單位)
usedmemorydataset 7677882:數(shù)據(jù)集的大?。ㄒ宰止?jié)為單位,usedmemory - usedmemory_overhead)
usedmemorydataset_perc 43.07%:usedmemorydataset在凈內(nèi)存(usedmemory-usedmemory_startup)使用量中所占的百分比
allocator_allocated 18780336:分配器分配的內(nèi)存
allocator_active 1907712:分配器活躍的內(nèi)存
allocator_resident 1907712:分配器常駐的內(nèi)存
totalsystemmemory 34359738368:主機擁有的內(nèi)存總量
totalsystemmemory_human 32.00G:主機擁有的內(nèi)存總量
usedmemorylua 37888:Lua引擎使用的字節(jié)數(shù)
usedmemorylua_human 37.00K:以可讀的格式返回Lua引擎使用內(nèi)存
usedmemoryscripts 0  usedmemoryscripts_human 0B  numberofcached_scripts 0  maxmemory 0 配置設(shè)置的最大可使用內(nèi)存值,默認(rèn)0,不限制
maxmemory_human 0B:以可讀的格式返回最大可使用內(nèi)存值
maxmemory_policy noeviction:內(nèi)存容量超過maxmemory后的處理策略,noeviction當(dāng)內(nèi)存使用達(dá)到閾值的時候,所有引起申請內(nèi)存的命令會報錯
allocatorfragratio 0.10:分配器的碎片率
allocatorfragbytes 18446744073692678992:分配器的碎片大?。ㄒ宰止?jié)為單位)
allocatorrssratio 1.00:分配器常駐內(nèi)存比例
allocatorrssbytes 0:分配器的常駐內(nèi)存大?。ㄒ宰止?jié)為單位)
rssoverheadratio 1.02:常駐內(nèi)存開銷比例
rssoverheadbytes 37888:常駐內(nèi)存開銷大小(以字節(jié)為單位)
memfragmentationratio 0.10:內(nèi)存碎片率,usedmemoryrss 和 used_memory 之間的比率
memfragmentationbytes -16834736:內(nèi)存碎片的大?。ㄒ宰止?jié)為單位)
memnotcountedforevict 112:被驅(qū)逐的大小
memreplicationbacklog 0 repl_backlogmemclientsslaves 0 clients_slavesmemclientsnormal 49694 clients_normalmemaofbuffer 112 aof時,占用的緩沖mem_allocator libc 內(nèi)存分配器(在編譯時選擇)
activedefragrunning 0:碎片整理是否處于活動狀態(tài)
lazyfreependingobjects 0:等待釋放的對象數(shù)(由于使用ASYNC選項調(diào)用UNLINK或FLUSHDB和FLUSHALL)
  • persistence :獲取 server 的持久化配置信息

loading 0 記錄服務(wù)器是否正在載入持久化文件
rdbchangessincelastsave 0 最近一次成功創(chuàng)建持久化文件之后,經(jīng)過了多少秒
rdbbgsavein_progress 0 記錄了服務(wù)器是否正在創(chuàng)建 RDB 文件
rdblastsave_time 1582508875 最近一次成功創(chuàng)建 RDB 文件的 UNIX 時間戳
rdblastbgsave_status ok 記錄最近一次創(chuàng)建 RDB 文件的狀態(tài),是成功還是失敗
rdblastbgsavetimesec 1 記錄了最近一次創(chuàng)建 RDB 文件耗費的秒數(shù)
rdbcurrentbgsavetimesec -1 如果正在創(chuàng)建 RDB 文件,記錄當(dāng)前的創(chuàng)建操作已經(jīng)耗費的秒數(shù)
rdblastcow_size 0 上一次RBD保存操作期間寫時復(fù)制的大?。ㄒ宰止?jié)為單位)
aof_enabled 1 AOF是否開啟
aofrewritein_progress 0 記錄了是否正在創(chuàng)建 AOF 文件
aofrewritescheduled 0 記錄了 RDB 文件創(chuàng)建完畢之后,是否需要執(zhí)行 AOF 重寫操作
aoflastrewritetimesec -1 最近一次創(chuàng)建 AOF 文件耗費的秒數(shù)
aofcurrentrewritetimesec -1 如果正在創(chuàng)建 AOF 文件,那么記錄當(dāng)前的創(chuàng)建操作耗費的秒數(shù)
aoflastbgrewrite_status ok 記錄了最近一次創(chuàng)建 AOF 文件的狀態(tài),是成功還是失敗
aoflastwrite_status ok AOF的最后寫入操作的狀態(tài),是成功還是失敗
aoflastcow_size 0 上一次AOF保存操作期間寫時復(fù)制的大?。ㄒ宰止?jié)為單位)
aofcurrentsize 4747340 AOF 文件當(dāng)前的大小
aofbasesize 4746996 最近一次啟動或重寫時的AOF文件大小
aofpendingrewrite 0 記錄了是否有 AOF 重寫操作在等待 RDB 文件創(chuàng)建完畢之后執(zhí)行
aofbufferlength 0 AOF緩沖區(qū)的大小
aofrewritebuffer_length 0 AOF 重寫緩沖區(qū)的大小
aofpendingbio_fsync 0 后臺 I/O 隊列里面,等待執(zhí)行的 fsync 數(shù)量
aofdelayedfsync 0 被延遲的 fsync 調(diào)用數(shù)量,如果該值比較大,可以開啟參數(shù):no-appendfsync-on-rewrite=yes
  • stats :獲取 server 的一些基本統(tǒng)計信息,如處理過的連接數(shù)量等# 緩存命中次數(shù)越高,代表緩存起到了很大的作用。如:keyspace_hits:9808 命中 keyspace_misses:1 miss

totalconnectionsreceived 11 服務(wù)器接受的連接總數(shù)totalcommandsprocessed 48 服務(wù)器已執(zhí)行的命令數(shù)量instantaneousopsper_sec 0 服務(wù)器每秒鐘執(zhí)行的命令數(shù)量totalnetinput_bytes 1312 啟動以來,流入的字節(jié)總數(shù)totalnetoutput_bytes 114800 啟動以來,流出的字節(jié)總數(shù)instantaneousinputkbps 0.00 接收輸入的速率(每秒)instantaneousoutputkbps 0.00 輸出的速率(每秒)rejected_connections 0 由于maxclients限制而被拒絕的連接數(shù)sync_full 0 與slave full sync的次數(shù)syncpartialok 0 接受的部分重新同步(psync)請求的數(shù)量syncpartialerr 0 被拒絕的部分重新同步(psync)請求的數(shù)量expired_keys 0 key過期事件總數(shù)expiredstaleperc 0.00 過期的比率expiredtimecapreachedcount 0 過期計數(shù)evicted_keys 0 由于最大內(nèi)存限制而被驅(qū)逐的key數(shù)量keyspace_hits 6 key命中次數(shù)keyspace_misses 0 key未命中次數(shù)pubsub_channels 0 發(fā)布/訂閱頻道的數(shù)量pubsub_patterns 0 發(fā)布/訂閱的模式數(shù)量latestforkusec 803 最近一次 fork() 操作耗費的毫秒數(shù)(以微秒為單位)migratecachedsockets 0 為遷移而打開的套接字?jǐn)?shù)slaveexpirestracked_keys 0 跟蹤過期key數(shù)量(僅適用于可寫從)activedefraghits 0 活躍碎片執(zhí)行的值重新分配的數(shù)量activedefragmisses 0 活躍碎片執(zhí)行的中止值重新分配的數(shù)量activedefragkey_hits 0 活躍碎片整理的key數(shù)activedefragkey_misses 0 活躍碎片整理過程跳過的key數(shù)
  • replication: 獲取 server 的主從配置信息

role master 角色(master、slave),一個從服務(wù)器也可能是另一個服務(wù)器的主服務(wù)器
connected_slaves 1 連接slave實例的個數(shù)
slave0 ip=127.0.0.1,port=6380,state=online,offset=14,lag=1 連接的slave的信息
master_replid 899b9814f2e841ca194dcc2620c83aa5df0abc10 服務(wù)器的復(fù)制ID
master_replid2 0000000000000000000000000000000000000000 第二服務(wù)器復(fù)制ID,用于故障轉(zhuǎn)移后的PSYNC,用于集群等高可用之后主從節(jié)點的互換
masterreploffset 14 復(fù)制偏移量1
secondreploffset -1 第二服務(wù)器復(fù)制偏移量2
replbacklogactive 1 復(fù)制緩沖區(qū)狀態(tài)
replbacklogsize 1048576 復(fù)制緩沖區(qū)的大?。ㄒ宰止?jié)為單位)
replbacklogfirstbyteoffset 1 復(fù)制緩沖區(qū)的偏移量,標(biāo)識當(dāng)前緩沖區(qū)可用范圍
replbackloghistlen 14 復(fù)制緩沖區(qū)中數(shù)據(jù)的大?。ㄒ宰止?jié)為單位)
  • cpu: 獲取 server 的 CPU 使用信息。

usedcpusys 2.559564 消耗的系統(tǒng)CPU
usedcpuuser 0.878593 消耗的用戶CPU
usedcpusys_children 0.001414 后臺進(jìn)程占用的系統(tǒng)CPU
usedcpuuser_children 0.000510 后臺進(jìn)程占用的用戶CPU
  • keyspace: 獲取 server 中各個 DB 的 key 的數(shù)量

  • cluster: 獲取集群節(jié)點信息,僅在開啟集群后可見

2.redis存在大量連接

通過 info 查看連接數(shù)量,redis連接數(shù)過多會影響性能

3.響應(yīng)時間

1)info commandstats 獲取每種命令的統(tǒng)計信息,查看Redis 哪些命令操作 比較耗時間

redis性能測試及瓶頸分析調(diào)優(yōu)
  • calls: 次數(shù)

  • usec: 總時間

  • usec_per_call:平均時間

2)Redis 慢查詢?nèi)罩?/p>

配置文件里面可進(jìn)行設(shè)置如下兩個參數(shù):

  • slowlog-log-slower-than 10000:單位 微秒指定執(zhí)行時間超過多少微秒的命令會被記錄到日志上

  • slowlog-max-len 128:服務(wù)器上最多保存慢查詢?nèi)罩镜臈l數(shù)

查看慢查詢?nèi)罩荆簊lowlog get

redis性能測試及瓶頸分析調(diào)優(yōu)

影響相應(yīng)時間的因素:

  • 持久化:持久化對于性能有直接的影響,因為不僅要操作內(nèi)存,還要操作磁盤 【會直接影響命令的處理時間】

  • 有大量的數(shù)據(jù)過期失效:內(nèi)部 數(shù)據(jù)過期機制,Redis 自動刪除 ,同樣 需要消耗資源

五、Redis 監(jiān)控體系

1.采集服務(wù)部署

1)官網(wǎng)下載redis_exporter:https://github.com/oliver006/redis_exporter

2)下載后進(jìn)行解壓

3)啟動(在解壓后的路徑操作)

前臺啟動:./redis_exporter -redis.addr 127.0.0.1:6379

后臺啟動:nohup ./redis_exporter -redis.addr 127.0.0.1:6379 > nginx_exporter.log 2>&1 &

啟動后,默認(rèn)端口 9121,通過采集服務(wù)所在的IP+端口可以訪問到采集的數(shù)據(jù)內(nèi)容

參數(shù)說明:

  • -redis.addr:指明一個或多個 Redis 節(jié)點的地址,多個節(jié)點使用逗號分隔,默認(rèn)為 redis://localhost:6379

  • -redis.password:驗證 Redis 時使用的密碼;

  • -redis.file:包含一個或多個redis 節(jié)點的文件路徑,每行一個節(jié)點,此選項與 -redis.addr 互斥。

  • -web.listen-address:監(jiān)聽的地址和端口,默認(rèn)為 0.0.0.0:9121

2.Prometheus配置

修改配置文件prometheus.yml,新增如下內(nèi)容,修改后重啟prometheus服務(wù);

# 以下為新增內(nèi)容  
- job_name: "redis"    
  static_configs:      
    - targets: ['redis機器ip:9121']  # 這個就是你的redis_exporter啟動的端口
3.grafana配置

導(dǎo)入grafana_prometheus_redis_dashboard.json看板模板

https://download.csdn.net/download/qq_38571773/87387394

六、Redis 調(diào)優(yōu)建議

Redis本身的性能足夠逆天,大部分的問題在于 開發(fā)人員沒有用好Redis

  1. pipelining 管道批處理:比如 將大量數(shù)據(jù) 加載到 redis就可以用 管道

  1. Redis處理命令時采取的單線程,所以不需要大量 Redis連接

  1. Redis的應(yīng)用場景對速度要求很高,采用合理的數(shù)據(jù)類型,更快速的操作

例如,采用字符串 string 類型,每一次查詢 必須從redis 查詢所有的內(nèi)容,會增加 網(wǎng)絡(luò)消耗,增加處理的資源占用;采用 hash,可以 將 用戶信息 分為多個key進(jìn)行存放,查詢效率高

  1. 盡量避免讓開發(fā)使用復(fù)雜的命令

例如 keys,Redis 里面,標(biāo)記為 O(1) 命令,代表速度快 ,O(n)、 O(logn) 速度較慢。如果你看到慢查詢?nèi)罩?里邊大量的命令,都是 非 O(1),則需要開發(fā)優(yōu)化命令文章來源地址http://www.zghlxwxcb.cn/news/detail-462774.html

到了這里,關(guān)于redis性能測試及瓶頸分析調(diào)優(yōu)的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點擊違法舉報進(jìn)行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費用

相關(guān)文章

  • Redis從基礎(chǔ)到進(jìn)階篇(四)----性能調(diào)優(yōu)、分布式鎖與緩存問題

    Redis從基礎(chǔ)到進(jìn)階篇(四)----性能調(diào)優(yōu)、分布式鎖與緩存問題

    目錄 一、Redis 集群演變 1.1?Replication+Sentinel*高可用 1.2?Proxy+Replication+Sentinel(僅僅了解) 1.3?Redis Cluster 集群 (重點) 1.3.1?Redis-cluster架構(gòu)圖 1.3.2?工作原理 1.3.3?主從切換 1.3.4 副本漂移 1.3.5 分片漂移 二、Redis版本歷史(增加了解) 三、Redis 5.0 源碼清單 (對源碼感興趣的,看一下

    2024年02月09日
    瀏覽(25)
  • 【kafka性能測試腳本詳解、性能測試、性能分析與性能調(diào)優(yōu)】

    【kafka性能測試腳本詳解、性能測試、性能分析與性能調(diào)優(yōu)】

    Apache Kafka 官方提供了兩個客戶端性能測試腳本,它們的存放位置如下: 生產(chǎn)者性能測試腳本:$KAFKA_HOME/bin/kafka-producer-perf-test.sh 消費者性能測試腳本:$KAFKA_HOME/bin/kafka-consumer-perf-test.sh kafka-producer-perf-test.sh 支持測試的性能指標(biāo)包括:吞吐量(throughput)、最大時延(max-latenc

    2024年02月04日
    瀏覽(25)
  • 性能測試監(jiān)控指標(biāo)及分析調(diào)優(yōu)指南

    性能測試監(jiān)控指標(biāo)及分析調(diào)優(yōu)指南

    ? 一、哪些因素會成為系統(tǒng)的瓶頸 ? CPU: 如果存在大量的計算,他們會長時間不間斷的占用CPU資源,導(dǎo)致其他資源無法爭奪到CPU而響應(yīng)緩慢,從而帶來系統(tǒng)性能問題,例如頻繁的FullGC,以及多線程造成的上下文頻繁的切換,都會導(dǎo)致CPU繁忙,一般情況下CPU使用率75%比較合適

    2024年02月16日
    瀏覽(32)
  • 大廠性能測試監(jiān)控指標(biāo)及分析調(diào)優(yōu)指南

    CPU: 如果存在大量的計算,他們會長時間不間斷的占用CPU資源,導(dǎo)致其他資源無法爭奪到CPU而響應(yīng)緩慢,從而帶來系統(tǒng)性能問題,例如頻繁的FullGC,以及多線程造成的上下文頻繁的切換,都會導(dǎo)致CPU繁忙,一般情況下CPU使用率75%比較合適。 內(nèi)存: Java內(nèi)存一般是通過jvm內(nèi)存進(jìn)

    2024年02月04日
    瀏覽(35)
  • 性能測試監(jiān)控指標(biāo)及分析調(diào)優(yōu) | 京東云技術(shù)團隊

    1、CPU,如果存在大量的計算,他們會長時間不間斷的占用CPU資源,導(dǎo)致其他資源無法爭奪到CPU而響應(yīng)緩慢,從而帶來系統(tǒng)性能問題,例如頻繁的FullGC,以及多線程造成的上下文頻繁的切換,都會導(dǎo)致CPU繁忙,一般情況下CPU使用率75%比較合適。 2、內(nèi)存,Java內(nèi)存一般是通過jv

    2024年02月06日
    瀏覽(25)
  • CYQ.Data 操作 Redis 性能測試:對比 StackExchange.Redis

    CYQ.Data 操作 Redis 性能測試:對比 StackExchange.Redis

    前幾天,點開自己的博客,看了一下 CYQ.Data V5系列?都有哪些文章, 發(fā)現(xiàn)了一篇2019年寫的:CYQ.Data 對于分布式緩存Redis、MemCache高可用的改進(jìn)及性能測試,于是點進(jìn)去看了看。 感覺文章中有些表述存有問題,不過不是重點。 重點,看了里面的測試結(jié)論,如果四五年過去了,

    2024年03月13日
    瀏覽(18)
  • Redis【性能 02】Redis-5.0.14偽集群和Docker集群搭建及延遲和性能測試(均無法提升性能)

    Redis【性能 02】Redis-5.0.14偽集群和Docker集群搭建及延遲和性能測試(均無法提升性能)

    使用的是騰訊的云服務(wù)器 1核心2G內(nèi)存50G存儲 ,系統(tǒng)信息如下: 每個Redis節(jié)點必須要有一個備機,例如搭建3個節(jié)點的集群就要有6個Redis實例。 數(shù)據(jù)按照slots分布式存儲在不同的Redis節(jié)點上,節(jié)點中的數(shù)據(jù)可共享,可以動態(tài)調(diào)整數(shù)據(jù)的分布。 可擴展性強,可以動態(tài)增刪節(jié)點 ,最

    2024年02月05日
    瀏覽(23)
  • 性能分析5部曲:瓶頸分析與問題定位,如何快速解決瓶頸?

    性能分析5部曲:瓶頸分析與問題定位,如何快速解決瓶頸?

    一、引言 很多做性能測試的同學(xué)都問過我這樣一個問題:魚哥(Carl_奕然),你說性能測試的重點是什么? 我的回答很簡單:瓶頸分析與問題定位。 在性能項目的整個周期,不管是腳本設(shè)計,腳本編寫還是腳本執(zhí)行,都還算簡單。 難點在于如何定位瓶頸,分析瓶頸,解決瓶頸。

    2024年02月20日
    瀏覽(22)
  • 一篇打通,性能測試與性能測試瓶頸評估,測試之道...

    一篇打通,性能測試與性能測試瓶頸評估,測試之道...

    什么是性能測試? 性能測試是驗證軟件系統(tǒng)是否能夠達(dá)到用戶提出的性能指標(biāo),同時發(fā)現(xiàn)軟件系統(tǒng)中存在的性能瓶頸,優(yōu)化軟件,最后起到優(yōu)化系統(tǒng)的目的。 概括為三個方面: 應(yīng)用在客戶端性能的測試; 應(yīng)用在網(wǎng)絡(luò)上性能的測試; 應(yīng)用在服務(wù)器端性能的測試; 通常情況下

    2024年02月10日
    瀏覽(18)
  • 性能分析與調(diào)優(yōu): Linux 使用 iperf3 進(jìn)行TCP網(wǎng)絡(luò)吞吐量測試

    性能分析與調(diào)優(yōu): Linux 使用 iperf3 進(jìn)行TCP網(wǎng)絡(luò)吞吐量測試

    目錄 一、實驗 1.環(huán)境 2.TCP網(wǎng)絡(luò)吞吐量的微觀基準(zhǔn)測試 二、問題 1.iperf參數(shù)有哪些 2.iperf如何二進(jìn)制安裝 (1)主機 表1-1 主機 主機 架構(gòu) 組件 IP 備注 prometheus 監(jiān)測 系統(tǒng) prometheus、node_exporter ?192.168.204.18 grafana 監(jiān)測GUI grafana 192.168.204.19 agent? 監(jiān)測 主機 node_exporter 192.168.204.20 (1)

    2024年02月03日
    瀏覽(39)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包