【无标题】

性能测试和分析文档（ray）

选定一个与选题对应的计算类/存储类测试任务

矩阵乘法：

matrix_multiply.py

from email.utils import collapse_rfc2231_value
import numpy as np
import time
import ray

ray.init(address="192.168.43.247:6379")

def f1():
    n = 1200
    a = np.random.randint(0, 10, (n, n))
    b = np.random.randint(0, 10, (n, n))
    c = a @ b

@ray.remote
def f2():
    n = 1200
    a = np.random.randint(0, 10, (n, n))
    b = np.random.randint(0, 10, (n, n))
    c = a @ b

time1=time.time()
[ f1() for _ in range(8)]
print(time.time()-time1)

time2=time.time()
ray.get([ f2.remote() for _ in range(8)])
print(time.time()-time2)

拟定一份计算类/存储类对应的性能指标列表

• 响应时间

响应时间就是用户感受软件系统为其服务所耗费的时间，客户感受的响应时间其实是等于客户端响应时间+服务器端响应时间+网络响应时间

• 吞吐量

软件系统在每单位时间内能处理多少个事务/请求/单位数据

• CPU 使用率
• RAM 使用率
• Disk 使用率

常见的资源使用率

单机版性能测试

运行 matrix_multiply.py：

python3 matrix_multiply.py

运行时间：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zhsiqqis-1656673728199)(file/10.png)]

延迟和资源使用率（使用 dashboard 查看）：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NdeKT8jX-1656673728202)(file/9.png)]

基于已有部署进行分析，进行测试和优化

修改参数 num_cpus，即 ray.init(num_cpus = n)

num_cpus = 2：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KRxF751t-1656673728203)(file/13.png)]

num_cpus = 4：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bgYj2iYy-1656673728204)(file/14.png)]

num_cpus = 8：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-j4FZYP3S-1656673728205)(file/15.png)]

cpu 核数达到饱和

分布式性能测试

运行 matrix_multiply.py：

python3 matrix_multiply.py

运行时间（是单机版运行时间的 1/2）：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JGNqbHcs-1656673728206)(file/12.png)]

延迟和资源使用率（使用 dashboard 查看）：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-x01qGq3q-1656673728207)(file/11.png)]