arm平台kafka性能测试

arm平台kafka性能测试

部署方式

主机名 kafka版本 IP
vcapp250 2.3.1 172.32.150.250
vcapp251 2.3.1 172.32.150.251
vcapp252 2.3.1 172.32.150.252

生产者测试

分区数

测试过程

  1. 新建一个拥有3个分区、1个副本的主题;
  2. 新建一个拥有6个分区、1个副本的主题;
  3. 新建一个拥有15个分区、1个副本的主题;
  4. 新建一个拥有24个分区、1个副本的主题;
  5. 新建一个拥有30个分区、1个副本的主题;
  6. 向拥有3个分区、1个副本的主题中发送相同数量的消息记录,查看性能变化;
  7. 向拥有6个分区、1个副本的主题中发送相同数量的消息记录,查看性能变化;
  8. 向拥有15个分区、1个副本的主题中发送相同数量的消息记录,查看性能变化;
  9. 向拥有24个分区、1个副本的主题中发送相同数量的消息记录,查看性能变化;
  10. 向拥有30个分区、1个副本的主题中发送相同数量的消息记录,查看性能变化。

测试命令

#创建topic
#根据测试条件更改参数--partitions

./bin/kafka-topics.sh \
    --create  \
    --zookeeper 172.32.150.250:2181 172.32.150.251:2181 172.32.150.252:2181 \
    --topic testproducer \
    --partitions XX \
    --replication-factor 1  

#创建生产者
#消息长度1024
./bin/kafka-producer-perf-test.sh \
    --num-records 5000000  \
    --topic testproducer  \
    --record-size 1024 \
    --throughput  -1 \
    --producer-props bootstrap.servers=172.32.150.250:9092,172.32.150.251:9092,172.32.150.252:9092 acks=-1

#消息长度2048
./bin/kafka-producer-perf-test.sh \
    --num-records 5000000  \
    --topic testproducer  \
    --record-size 2048 \
    --throughput  -1 \
    --producer-props bootstrap.servers=172.32.150.250:9092,172.32.150.251:9092,172.32.150.252:9092 acks=-1

#删除topic
./bin/kafka-topics.sh \
    --delete \
    --zookeeper 172.32.150.250:2181 172.32.150.251:2181 172.32.150.252:2181 \
    --topic testproducer

测试结果

kafka节点数 分区数 副本数 消息大小 每秒发送信息(records/sec) 数据量(MB/sec)
3 3 1 1024 119402.985075 116.60
3 6 1 1024 145492.638073 142.08
3 15 1 1024 154282.893113 150.67
3 24 1 1024 150679.564837 147.15
3 30 1 1024 151781.919738 148.22
kafka节点数 分区数 副本数 消息大小 每秒发送信息(records/sec) 数据量(MB/sec)
3 3 1 2048 56215.146609 109.80
3 6 1 2048 70209.927684 137.13
3 15 1 2048 78094.494338 152.53
3 24 1 2048 71077.246752 138.82
3 30 1 2048 76645.972254 149.70

测试结论

当partition个数为broker数的5倍左右时性能较好。

副本数

测试过程

  1. 新建一个拥有15个分区、1个副本的主题;
  2. 新建一个拥有15个分区、2个副本的主题;
  3. 新建一个拥有15个分区、3个副本的主题;

测试命令

参考之前分区数测试相关命令。

测试结果

kafka节点数 分区数 副本数 消息大小 每秒发送信息(records/sec) 数据量(MB/sec)
3 15 1 1024 78094.494338 152.53
3 15 2 1024 48058.439062 46.93
3 15 3 1024 36459.358753 35.60

测试结论

当副本数为1时性能最佳,增加副本后性能下降明显。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,386评论 6 479
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,939评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,851评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,953评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,971评论 5 369
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,784评论 1 283
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,126评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,765评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,148评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,744评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,858评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,479评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,080评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,053评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,278评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,245评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,590评论 2 343

推荐阅读更多精彩内容