深入OceanBase性能分析，使用大跃进算法演绎魔术本质

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

OceanBase性能测试介绍

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