分享下 nutsdb 单机 1 亿、10 亿数据实测

大家好， 想给大家分享下我最近为 nutsdb 做的数据测试。 ## 测试项目 github 地址： https://github.com/xujiajun/nutsdb ## 起因 事情起因是这个 [issue](https://github.com/xujiajun/nutsdb/issues/33) : 简单说就是内存高了，不够用了。 ## 验证测试一亿条数据 回到正题： 为了验证这个 issue 于是我先测了一个亿的数据量 ``` 版本：nutsdb V0.4.0 服务器配置：Ubuntu 16.04 64 位 8 核 64G 为了加快测试，没有设置实时 sync ``` ## key\value 类似: ``` key := []byte("namename" + strconv.Itoa(i)) val := []byte("valvalvavalvalvalvavalvalvalvavalvalvalvaval" + strconv.Itoa(i)) ``` ## 测试结果： ``` Mem : 64430 MB , Free: 63776 MB , Used:176 MB , Usage:0.273957% start db index cost time: 72.076µs batch put data cost: 6m29.067011134s Mem : 64430 MB , Free: 24760 MB , Used:39147 MB , Usage:60.759105% ``` 数据量：占有 11G 左右 （目前版本没有做压缩）。写入速度：25.7w/s。发现 消耗内存是数据量的 3.46 倍左右 。说实话虽然比他说的少几倍，但我还是有点接受不了。怎么办？ ## 解决 于是开发了新的模式 EntryIdxMode:HintBPTSparseIdxMode, 专门为节约内存设计。原理采用 b+树多级索引的方式。 master 分支 已经支持了，有兴趣的欢迎尝试。 那我们单机先来测试 10 亿条数据。 ## 新模式测试 10 亿条数据 ``` 版本 ：nutsdb master 分支 主机配置：Ubuntu 16.04 64 位 2 核 2G key\value 类似上面的 为了加快测试，没有设置实时 sync ``` ## 测试结果： ``` Mem : 1999 MB , Free: 1786 MB , Used:53 MB , Usage:2.688618% Mem : 1999 MB , Free: 1695 MB , Used:135 MB , Usage:6.784733% ``` 内存占用只有 82MB，完成 10 亿条数据插入，但是写速度降到 4.35w/s。产生索引数据文件 153G 再来看下读的表现，读取 10 条数据，这个是没有加缓存的结果如下： ``` load cost: 2.607796193s key , find val namename0 valvalvavalvalvalvavalvalvalvavalvalvalvaval0 key , find val namename1 valvalvavalvalvalvavalvalvalvavalvalvalvaval1 key , find val namename2 valvalvavalvalvalvavalvalvalvavalvalvalvaval2 key , find val namename3 valvalvavalvalvalvavalvalvalvavalvalvalvaval3 key , find val namename4 valvalvavalvalvalvavalvalvalvavalvalvalvaval4 key , find val namename5 valvalvavalvalvalvavalvalvalvavalvalvalvaval5 key , find val namename6 valvalvavalvalvalvavalvalvalvavalvalvalvaval6 key , find val namename7 valvalvavalvalvalvavalvalvalvavalvalvalvaval7 key , find val namename8 valvalvavalvalvalvavalvalvalvavalvalvalvaval8 key , find val namename9 valvalvavalvalvalvavalvalvalvavalvalvalvaval9 read cost 87.208728ms ``` 好了分享到这里。欢迎留言交流。 最后，欢迎去 nutsdb 提 issue，点 Star 关注，提交 PR，谢谢！