Mongodb千万级数据在python下的综合压力测试及应用探讨-51CTO.COM

曾经在收集数据的项目中，用过mongodb的数据存储，但是当数据很大的时候，还是比较的吃力。很可能当时的应用水平不高，也可以是当时的服务器不是很强。所以这次能力比以前高点了，然后服务器比以前也高端了很多，好嘞 ~再测试下。

（更多的是单机测试，没有用复制分片的测试～）！

相比较MySQL，MongoDB数据库更适合那些读作业较重的任务模型。MongoDB能充分利用机器的内存资源。如果机器的内存资源丰富的话，MongoDB的查询效率会快很多。

这次测试的服务器是dell 的 r510！

内存还行，是48G的，本来想让同事给加满，但是最终还是没有说出口 ~

磁盘是10个2T的，但是因为格式化的时间太久了，哥们直接把其他的硬盘给拔出来了，就用了三个盘。。。data目录没有做raid，是为了让他们体现更好的硬盘速度。

既然说好了是在python下的应用测试，那就需要安装mongodb python下的模块！

对了，不知道mongodb-server的安装要不要说下？

    
            cat /etc/yum.repos.d/10.repo
[10gen]
name=10gen Repository
baseurl=http://downloads-distro.mongodb.org/repo/redhat/os/x86_64
gpgcheck=0

Pymongo的基本用法

    
            
            from pymongo import * # 导包
con = Connection(...) # 链接
db = con.database # 链接数据库
db.authenticate('username', 'password') # 登录
db.drop_collection('users') #删除表
db.logout() # 退出
db.collection_names() # 查看所有表
db.users.count() # 查询数量
db.users.find_one({'name' : 'xiaoming'}) # 单个对象
db.users.find({'age' : 18}) # 所有对象
db.users.find({'id':64}, {'age':1,'_id':0}) # 返回一些字段 默认_id总是返回的 0不返回 1返回
db.users.find({}).sort({'age': 1}) # 排序
db.users.find({}).skip(2).limit(5) # 切片

        

测试的代码：

    
            
            #!/usr/bin/env python
from pymongo import Connection
import time,datetime
import os,sys
connection = Connection('127.0.0.1', 27017)
db = connection['xiaorui']
def func_time(func):
    def _wrapper(*args,**kwargs):
        start = time.time()
        func(*args,**kwargs)
        print func.__name__,'run:',time.time()-start
    return _wrapper
@func_time
def ainsert(num):
    posts = db.userinfo
    for x in range(num):
        post = {"_id" : str(x),
        "author": str(x)+"Mike",
        "text": "My first blog post!",
        "tags": ["xiaorui", "xiaorui.cc", "rfyiamcool.51cto"],
        "date": datetime.datetime.utcnow()}
        posts.insert(post)
if __name__ == "__main__":
    num = sys.argv[1]
    ainsert(int(num))

        

咱们就先来个百万的数据做做测试~

综合点的数据：

在top下看到的程序占用资源的情况 ~ 我们看到的是有两个进程的很突出，对头！正是mongodb的服务和我们正在跑的python脚本！

看下服务的io的情况 ~

脚本运行完毕，总结下运行的时间 ~

查看mongodb的状态~

他的insert也不到5k ~ 插入量也就800k左右 ~

它的输出有以下几列：

inserts/s 每秒插入次数

query/s 每秒查询次数

update/s 每秒更新次数

delete/s 每秒删除次数

getmore/s 每秒执行getmore次数

command/s 每秒的命令数，比以上插入、查找、更新、删除的综合还多，还统计了别的命令

flushs/s 每秒执行fsync将数据写入硬盘的次数。

mapped/s 所有的被mmap的数据量，单位是MB，

vsize 虚拟内存使用量，单位MB

res 物理内存使用量，单位MB

faults/s 每秒访问失败数（只有Linux有），数据被交换出物理内存，放到swap。不要超过100，否则就是机器内存太小，造成频繁swap写入。此时要升级内存或者扩展

locked % 被锁的时间百分比，尽量控制在50%以下吧

idx miss % 索引不命中所占百分比。如果太高的话就要考虑索引是不是少了

q t|r|w 当Mongodb接收到太多的命令而数据库被锁住无法执行完成，它会将命令加入队列。这一栏显示了总共、读、写3个队列的长度，都为0的话表示mongo毫无压力。高并发时，一般队列值会升高。

conn 当前连接数

time 时间戳

瞅下面的监控数据！

然后我们在测试下在一千万的数据下的消耗时间情况 ~

共用了2294秒，每秒插入 4359个数据 ~

看看他的内存的使用情况：

虚拟内存在8gb左右，真实内存在2gb左右

再换成多线程的模式跑跑 ~ 个人不太喜欢用多线程，这东西属于管你忙不忙，老大说了要公平，我就算抢到了，但是没事干，我也不让给你。。。属于那种蛮干的机制 ~

nima，要比单个跑的慢呀 ~ 线程这东西咋会这么不靠谱呀 ~

应该是没有做线程池pool，拉取队列。导致线程过多导致的。不然不可能比单进程都要慢~

还有就是像这些涉及到IO的东西，交给协程的事件框架更加合理点！！！

    
            
            def goodinsert(a):
    posts.insert(a)
def ainsert(num):
    for x in range(num):
        post = {"_id" : str(x),
        "author": str(x)+"Mike",
        "text": "My first blog post!",
        "tags": ["mongodb", "python", "pymongo"],
        "date": datetime.datetime.utcnow()}
#       goodinsert(post)
        a=threading.Thread(target=goodinsert,args=(post,))
        a.start()

        

python毕竟有gil的限制，虽然multiprocess号称可以解决多进程的。但是用过的朋友知道，这个东西更不靠谱 ~ 属于坑人的东西 ~

要是有朋友怀疑是python的单进程的性能问题，那咱们就用supervisord跑了几个后台的python压力脚本 ~ supervisord的配置我就不说了，我以前的文章里面有详述的 ~

cpu方面是跑的有点均匀了，但是mongodb那边的压力总是上不去

当加大到16个后台进程做压力测试的时候 ~ 大家会发现insert很不稳定。看来他的极限也就是2MB左右的数据 ~

当减少到8个压力进程的时候 ~ 我们发现他的insert慢慢的提供到正常了，也就是说他真的是2MB的极限 ~

脚本里面是有做有序的id插入的，我们试试把id的插入给去掉，看看有没有提升~

结果和不插入id差不多的结果 ~

调优之后～再度测试

ulimit的优化

    
            cat /etc/security/limits.conf
*       soft   nofile       102400
*       hard   nofile       102400

内核的tcp优化

    
            
            cat /etc/sysctl.conf
net.ipv4.tcp_syncookies = 1
net.ipv4.tcp_tw_reuse = 1
net.ipv4.tcp_tw_recycle = 1
net.ipv4.tcp_timestsmps = 0
net.ipv4.tcp_synack_retries = 2
net.ipv4.tcp_syn_retries = 2
net.ipv4.tcp_wmem = 8192 436600 873200
net.ipv4.tcp_rmem = 32768 436600 873200
net.ipv4.tcp_mem = 94500000 91500000 92700000
net.ipv4.tcp_max_orphans = 3276800
net.ipv4.tcp_fin_timeout = 30
#直接生效
/sbin/sysctl -p

        

启动的时候，加上多核的优化参数

    
            多核问题可以在启动时加入启动参数： numactl --interleave=all

insert的频率已经到了2w左右～内存占用了8G左右～

我想到的一个方案：

当然不用非要celery，就算咱们用socket写分发，和zeromq的pub sub也可以实现这些的。这是celery的调度更加专业点。

刚才我们测试的都是insert，现在我们再来测试下在***别数据量下的查询如何：

查询正则的，以2开头的字符

    
            posts = db.userinfo
for i in posts.find({"author":re.compile('^2.Mike')}):
    print i

精确的查询：

查询在5s左右 ~

总结：

典型的高读低写数据库！

有时间加索引再度测试下！

本文出自 “峰云，就她了。” 博客，谢绝转载！