GreptimeDB 在行業標準測試 Prometheus-Benchmark 當中以 100 個 8c16g 規格節點的集羣，在 datanode 峯值水位為 CPU 38%、內存 40% 的負載下，承接了每秒約 4000 萬點的寫入流量。總體活躍時間線 6.1 億條，每十分鐘更新 615 萬條時間線，在測試的 1.5 小時內均能穩定寫入。

測試結果説明 GreptimeDB 的架構設計能夠支撐超大規模的數據集羣，並且在同等規模集羣下，GreptimeDB 的資源佔用極低。對比同樣適用對象存儲的 Grafana Mimir，在處理同等規模的數據下，Mimir 需要消耗 5 倍以上的 CPU 和內存資源（基於 Mimir 測試報告折算）。

測試環境及工具

本輪測試中所使用的 Prometheus Benchmark 壓測工具的相關關鍵參數及解釋如下：

通過如上配置最終構建的理論數據產生速率約每秒 4160 萬點。

測試環境中一共有兩個集羣，分別是上述的 Prometheus Benchmark 的壓力集羣和 GreptimeDB 的數據庫集羣。兩個集羣均在 AWS EKS 部署。其中，GreptimeDB 集羣所使用的鏡像版本為 v0.8.2 所涉及到的各組件的部署規格及數量如下表所示：

GreptimeDB 集羣的 WAL 組件為 AWS EBS；SST flush 以及 compaction 均基於 S3 完成。本地盤規格為 GP3，S3 為相同 Region 的 Standard 類別。在本次測試中不包含節點調度遷移等的情況，各個節點之間使用 Round-Robin Selector 均勻分配數據分區，一共有 200 個 Regions。

詳細測試數據

寫入吞吐

本次測試一共持續約 1.5 小時，總和寫入量以及分節點的寫入量監控數據如下，可以看到在 1.5 個小時內集羣寫入流量能一直穩定保持在每秒約 4000 萬點的速率：

資源佔用

對 GreptimeDB 集羣水位進行觀察，可以看到如下數據：

• Datanode 的總和 CPU 使用率。總核數為 100 * 8c = 800c，峯值為 305，約佔 38%。
  
• Frontend 的總和 CPU 使用率。總核數為 50 * 8c = 400c，峯值為250，約佔 63%。
  
• Datanode 的總和內存佔用。總內存為 100 * 16GiB = 1600 GiB。峯值為640GiB，約佔 40%。
  
• Frontend 的總和內存佔用。總內存為 50 * 16GiB = 800 GiB。峯值為 110 GiB，約佔 14%。
  

存儲寫入流量

下圖是 S3 寫入流量的統計，帶寬佔用基本在 512 MiB/s 以下，最終一個半小時內的總寫入量為 2.8 TiB。

而 WAL 組件觀測到的寫入流量約為 800 MiB/s。通過兩張圖的對比能夠看到 GreptimeDB 對數據進行了有效壓縮，壓縮比達到 75%，降低了數據刷寫流量。最終壓測結束時 S3 的目錄大小遠小於 1 TiB。

結語

100 個節點遠遠不是上限，本次測試驗證了 GreptimeDB 架構無限擴展的能力，對比同樣基於對象存儲的 Grafana Mimir 有 5 倍的資源消耗降低。

下一步我們將進一步優化性能和測試，使 GreptimeDB 可承載海量時序指標數據的讀寫和分析。本次測試的版本是 v0.8.2， GreptimeDB 已發佈 v0.9.0 版本，引入了日誌引擎和全文檢索能力，進一步優化了性能和穩定性，朝着成為一個融合 Metrics、Logs 和 Events 的統一時序數據庫邁進了一大步，歡迎各位開發者測試使用。

關於 Greptime

Greptime 格睿科技專注於為可觀測、物聯網及車聯網等領域提供實時、高效的數據存儲和分析服務，幫助客户挖掘數據的深層價值。目前基於雲原生的時序數據庫 GreptimeDB 已經衍生出多款適合不同用户的解決方案，更多信息或 demo 展示請聯繫下方小助手（微信號：greptime）。
歡迎對開源感興趣的朋友們參與貢獻和討論，從帶有 good first issue 標籤的 issue 開始你的開源之旅吧～期待在開源社羣裏遇見你！添加小助手微信即可加入“技術交流羣”與志同道合的朋友們面對面交流哦~
Star us on GitHub Now: https://github.com/GreptimeTeam/greptimedb
官網：https://greptime.cn/
文檔：https://docs.greptime.cn/
Twitter: https://twitter.com/Greptime
Slack: https://greptime.com/slack
LinkedIn: https://www.linkedin.com/company/greptime/