深入OceanBase性能分析,使用大跃进算法演绎魔术本质
写作背景
最近异数OS MR Lab 项目告一段落,终于在Steam上发布,回来写写博文,最近世界处于水生火热,所以自卷需要越来越大,出于自卷需求(也叫内卷,但我们体制属于举国体制,所以用自卷更贴却),我们这次把目标放在OceanBase上面,当然选他做目标也是因为他的表演漏洞较多,因此给我们了不少能够攻击他的料。
还原OceanBase的基础性能数据
华丽的外衣掩饰不住来自原始的恐慌,光鲜之下的是无处不在的无奈,我们常用的数据库性能指标是tps,从定义讲,他是不可以分布式扩充的,所以tps性能指标只能通过节点内的I/O性能提升来做,这样的话就不利于成绩作弊,出于表演需要,阿里找到了tpmC这个性能测试指标,这样表演就可以很华丽了,什么是tpmC测试呢?tmpC是一个仓库进销存的应用测试场景,最关键的是,它允许多仓库存取测试,因此他跟我们一般讲的tps性能测试是不同的,它可以通过仓库数量来做近乎是无限的水平性能扩充,另外tpm和tps单位不一样,tpm指每分钟事物处理性能,tps则是每秒,所以需要换算,如果不做换算那么性能看起来确实是非常夸张的,因此我们必要脱去tpmC测试数据的外衣,把他的数据换算成我们能看得懂的tps