Kafka性能基准测试、Kafak生产者吞吐量测试、Kafka消费者吞吐量测试、BenchMark 10

前言_BenchMark

• BenchMark是一个系统性能的测量工具，也可以看做是一种评价方式
• 主要测试负载的执行时间、传输速度、吞吐量、资源占用率等
• 对系统进行性能基准测试后，将得到基准数据作为性能指标的参照物，可以用于以下场景

1.任意一项变更为系统产生的影响

修改某项配置参数后（启用某项参数），系统的变化情况

2.系统环境的变更对系统性能产生的影响

3.在相同场景下，不同框架的系统性能表现的差异

• 一些大数据BenchMark工具：

1.Hibench：由Intel开发的针对Hadoop的基准测试工具

2.Berkeley BigDataBench：随着Spark的推出，由AMPLab开发的一套大数据基准测试工具

3.Hadoop GridMix：Hadoop自带的Benchmark，作为Hadoop自带的测试工具使用方便、负载经典，应用广泛

除此之外，有些大型的框架会自带BenchMark工具，方便进行测试。

1. Kafka生产者基准测试

分别使用Kafka自带的基准工具对Kafka Producer/Consumer进行性能基准测试

• 测试背景
  需要对Kafka Producer在不同参数下的性能
• 性能指标
  平均吞吐量（条/秒）、平均延时（毫秒）、平均吞吐率速度（MB/秒）

1.1 测试方法

使用Kafka基准测试工具kafka-producer-perf进行测试
此工具位于kafka/bin目录下
此工具的一些必要参数如下

./kafka-producer-perf-test.sh 
--topic 指定topic
--num-records	指定生产数据量
--throughput	指定吞吐量
--record-size   record数据大小
--producer-props key=value	指定producer配置

• 一个实例如下：

./kafka-producer-perf-test.sh 
--topic louisvv
--num-records 5000000
--throughput -1
--record-size 200
--producer-props bootstrap.servers=192.168.137.100:9092,192.168.137.110:9092,192.168.137.120:9092 acks=1

• 测试参数
  除了测试acks以及replication对kafka producer的吞吐量外，还对其他参数进行测试。
  参数列表如下
  
• 默认设置

1. 以5000万数据测试结果为准，该结果更加具有代表性
2. 测试其他参数时，默认设置acks=1,partition数为5，replication数为2。

1.2 测试结果分析

1.2.1 acks作为变量

• acks作为变量，测试平均吞吐量，平均延时，平均吞吐速率，测试结果如下：
  
• 测试结果换算成图标如下
  
• 结论

1. 在不考虑数据丢失等情况下，设置acks=1时，吞吐量最大。是acks=all的3.51倍。
2. 在保证数据不丢失的情况下，需要选择使用acks=all，但是吞吐量会明显降低。

1.2.2 replication作为变量

• 设置Kafka的replication-factor为2、3，进行测试
• 测试结果如下：

• 图表如下：
  
• 结论：
  replication数越多，吞吐量越低

1.2.3 batch作为变量

• 分别设置Kafka的batch-size批处理大小为1000，5000，8000，10000，100000，550000，600000进行测试
• 测试结果：
  
• 折线图如下
  
• 结论：
  batch-size大小达到阀值时，会达到吞吐量峰值，
  当batch-size大小超过阀值后，并不会提高性能。

1.2.4 数据压缩作为变量

• 分别设置Kafka的压缩格式为lz4、snappy、gzip，进行测试
• 测试结果：
  
• 条形图如下：
  
• 结论

1. 使用snappy压缩格式，吞吐量最高
2. 启用压缩的平均延时远小于不启用压缩的平均延时
3. Gzip压缩格式，吞吐量最低，比默认不适用压缩吞吐量还低

1.2.5 record-size(消息长度)

• 分别设置record-size大小为100、200、500、1000进行测试
• 测试结果如下：
  
• 图标如下:
  
• 结论：
  随着消息长度的增加，吞吐量逐渐减小，但平均吞吐速率会增大。

1.2.6 分区作为变量

• 分别设置partition为1、3、5进行测试
• 测试结果如下
  
• 图表如下：
  
• 结论
  分区数越多，吞吐量越大

2. Kafka消费者基准测试

• 测试背景
  需要测试Kafka Consumer在不同参数下的吞吐量
• 性能指标
  平均吞吐量（条/秒）、平均延时（毫秒）、平均吞吐率速率（MB/秒）

2.1 测试方法

使用Kafka基准测试工具kafka-consumer-perf进行测试
这个工具位于kafka/bin目录下
这里仅简单介绍一下该工具的一些必要参数

./kafka-consumer-perf-test.sh
--topic 指定topic
--threads 指定线程数
--messages 指定消费数据条数
--broker-list kafka broker列表

• 一个实例如下：

./kafka-consumer-perf-test.sh
--topic louisvv
--threads 1
--messages 5000000
--broker-list 192.168.137.100:9092,192.168.137.110:9092,192.168.137.120:9092

• 测试参数
  注意：replication并不会影响consumer的吞吐率，因为consumer只会从每个partition的leader读数据，而与replicaiton无关
  
• 默认设置

1. 以5000万数据测试结果为准，该结果更加具有代表性默认设置
2. 测试其他参数时，partition数为5，replication数为2

2.2 测试结果分析

2.2.1 以分区作为变量

• 分别设置partition为1、3、5进行测试
• 测试结果：
  
• 图表如下：
  
• 结论：
  分区越多，吞吐量越高

2.2.2 以fetch-size作为变量

• 分别设置record-size大小为50000、100000、200000、300000、400000、450000、500000、550000、600000行测试
• 测试结果如下:
  
• 折线图如下：
  
• 结论
  fetch-size大小达到一定阈值时，会达到吞吐量峰值，当fetch-size超过阈值后，不会提升性能

2.2.3 以replication作为变量

• 设置Kafka的replication-factor为2、3，进行测试
• 测试结果如下：
  
• 测试图表如下
  
• 结论
  副本数越少，吞吐量越大。

2.2.4 以线程数作为变量

• 设置Kafka的consumer线程数为1、3、5、10、20、30，进行测试
• 测试结果：
  
• 测试图表入下：
  
• 结论：
  提高consumer线程数，对吞吐量性能影响并不明显

如果喜欢本文章，请用小手点个赞~