MySQL 性能压测工具-sysbench，从入门到自定义测试项

sysbench是一个开源的、基于LuaJIT（LuaJIT 是 Lua 的即时编译器，可将代码直接翻译成机器码，性能比原生 lua 要高）的、可自定义脚本的多线程基准测试工具，也是目前用得最多的 MySQL 性能压测工具。

基于 sysbench，我们可以对比 MySQL 在不同版本、不同硬件配置、不同参数（操作系统和数据库）下的性能差异。

下面会从 sysbench 的基本用法出发，逐渐延伸到 sysbench 的一些高级玩法，譬如如何阅读自带的测试脚本、如何自定义测试项等。除此之外，使用 sysbench 对 CPU 进行测试，网上很多资料都语焉不详，甚至是错误的，所以这次也会从源码的角度分析 CPU 测试的实现逻辑及 –cpu-max-prime 选项的具体含义。

本文主要包括以下几部分：

安装sysbench
sysbench用法讲解
对MySQL进行基准测试的基本步骤
如何分析MySQL基准测试结果
如何使用sysbench对服务器进行测试
MySQL常见测试场景及对应的 SQL 语句
如何自定义sysbench测试脚本

安装 sysbench

下面是 sysbench 源码包的安装步骤。

#yum-yinstallmakeautomakelibtoolpkgconfiglibaio-developenssl-develmysql-devel
#cd/usr/src/
#wgethttps://github.com/akopytov/sysbench/archive/refs/tags/1.0.20.tar.gz
#tarxvf1.0.20.tar.gz
#cdsysbench-1.0.20/
#./autogen.sh
#./configure
#make-j
#makeinstall

安装完成后，压测脚本默认会安装在/usr/local/share/sysbench目录下。

我们看看该目录的内容。

#ls/usr/local/share/sysbench/
bulk_insert.luaoltp_insert.luaoltp_read_write.luaoltp_write_only.luatests
oltp_common.luaoltp_point_select.luaoltp_update_index.luaselect_random_points.lua
oltp_delete.luaoltp_read_only.luaoltp_update_non_index.luaselect_random_ranges.lua

除了oltp_common.lua是个公共模块，其它每个 lua 脚本都对应一个测试场景。

sysbench 用法讲解

sysbench 命令语法如下：

sysbench[options]...[testname][command]

命令中的testname是测试项名称。sysbench 支持的测试项包括：

*.lua：数据库性能基准测试。
fileio：磁盘 IO 基准测试。
cpu：CPU 性能基准测试。
memory：内存访问基准测试。
threads：基于线程的调度程序基准测试。
mutex：POSIX 互斥量基准测试。

command是 sysbench 要执行的命令，支持的选项有：prepare，prewarm，run，cleanup，help。注意，不是所有的测试项都支持这些选项。

options是配置项。sysbench 中的配置项主要包括以下两部分：

1. 通用配置项。这部分配置项可通过sysbench --help查看。例如，

#sysbench--help
...
Generaloptions:
--threads=Nnumberofthreadstouse[1]
--events=Nlimitfortotalnumberofevents[0]
--time=Nlimitfortotalexecutiontimeinseconds[10]
...

2. 测试项相关的配置项。各个测试项支持的配置项可通过sysbench testname help查看。例如，

#sysbenchmemoryhelp
sysbench1.0.20(usingbundledLuaJIT2.1.0-beta2)

memoryoptions:
--memory-block-size=SIZEsizeofmemoryblockfortest[1K]
--memory-total-size=SIZEtotalsizeofdatatotransfer[100G]
--memory-scope=STRINGmemoryaccessscope{global,local}[global]
--memory-hugetlb[=on|off]allocatememoryfromHugeTLBpool[off]
--memory-oper=STRINGtypeofmemoryoperations{read,write,none}[write]
--memory-access-mode=STRINGmemoryaccessmode{seq,rnd}[seq]

对 MySQL 进行基准测试的基本步骤

下面以oltp_read_write为例，看看使用 sysbench 对 MySQL 进行基准测试的四个标准步骤：

prepare

生成压测数据。默认情况下，sysbench 是通过 INSERT INTO 命令来导入测试数据的。如果是使用LOAD DATA LOCAL INFILE 命令来导入，sysbench 导数速度能提升30%，具体可参考：使用 LOAD DATA LOCAL INFILE，sysbench 导数速度提升30%

#sysbencholtp_read_write--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=30prepare

命令中各个选项的具体含义如下：

oltp_read_write：测试项，对应的是/usr/local/share/sysbench/oltp_read_write.lua。这里也可指定脚本的绝对路径名。
–mysql-host、–mysql-port、–mysql-user、–mysql-password：分别代表 MySQL 实例的主机名、端口、用户名和密码。
–mysql-db：库名。不指定则默认为sbtest。
–tables ：表的数量，默认为 1。
–table-size ：单表的大小，默认为 10000。
–threads ：并发线程数，默认为 1。注意，导入时，单表只能使用一个线程。
prepare：执行准备工作。

oltp_read_write 用来压测 OLTP 场景。在 sysbench 1.0 之前，该场景是通过 oltp.lua 这个脚本来测试的。不过该脚本在 sysbench 1.0 之后就被废弃了，但为了跟之前的版本兼容，该脚本放到了/usr/local/share/sysbench/tests/include/oltp_legacy/目录下。

鉴于 oltp_read_write.lua 和 oltp.lua 两者的压测内容完全一致。从 sysbench 1.0 开始，压测 OLTP 场景建议直接使用 oltp_read_write。

prewarm

预热。主要是将磁盘中的数据加载到内存中。

#sysbencholtp_read_write--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=30prewarm

除了需要将命令设置为prewarm，其它配置与prepare中一样。

run

压测。

#sysbencholtp_read_write--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=64--time=60--report-interval=10run

其中，

–time ：压测时间。不指定则默认为 10 秒。除了 –time，也可通过 –events 限制需要执行的 event 的数量。
–report-interval=10 ：每 10 秒输出一次测试结果，默认为 0，不输出。

cleanup

清理数据。

#sysbencholtp_read_write--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30cleanup

这里只需指定 –tables ，sysbench 会串行执行DROP TABLE IF EXISTS sbtest操作。

如何分析 MySQL 基准测试结果

下面我们分析下 oltp_read_write 场景下的压测结果。注：右滑可以看到每个指标的具体含义。

Threadsstarted!

[10s]thds:64tps:5028.08qps:100641.26(r/w/o:70457.59/20121.51/10062.16)lat(ms,95%):17.32err/s:0.00reconn/s:0.00
# thds 是并发线程数。tps 是每秒事务数。qps 是每秒操作数，等于 r（读操作）加上 w（写操作）加上 o（其他操作，主要包括 BEGIN 和 COMMIT）。lat 是延迟，(ms,95%)是 95%的查询时间小于或等于该值，单位毫秒。err/s 是每秒错误数。reconn/s 是每秒重试的次数。
[20s]thds:64tps:5108.93qps:102192.09(r/w/o:71533.28/20440.64/10218.17)lat(ms,95%):17.32err/s:0.00reconn/s:0.00
[30s]thds:64tps:5126.50qps:102505.50(r/w/o:71756.30/20496.60/10252.60)lat(ms,95%):17.32err/s:0.00reconn/s:0.00
[40s]thds:64tps:5144.50qps:102907.20(r/w/o:72034.07/20583.72/10289.41)lat(ms,95%):17.01err/s:0.00reconn/s:0.00
[50s]thds:64tps:5137.29qps:102739.80(r/w/o:71916.99/20548.64/10274.17)lat(ms,95%):17.01err/s:0.00reconn/s:0.00
[60s]thds:64tps:4995.38qps:99896.35(r/w/o:69925.98/19979.61/9990.75)lat(ms,95%):17.95err/s:0.00reconn/s:0.00
SQLstatistics:
queriesperformed:
read:4276622#读操作的数量
write:1221892#写操作的数量
other:610946#其它操作的数量
total:6109460#总的操作数量，total=read+write+other
transactions:305473(5088.63persec.)#总的事务数（每秒事务数）
queries:6109460(101772.64persec.)#总的操作数（每秒操作数）
ignorederrors:0(0.00persec.)#忽略的错误数（每秒忽略的错误数）
reconnects:0(0.00persec.)#重试次数（每秒重试的次数）

Generalstatistics:
totaltime:60.0301s#总的执行时间
totalnumberofevents:305473#执行的event的数量
#在oltp_read_write中，默认参数下，一个event其实就是一个事务

Latency(ms):
min:5.81#最小耗时
avg:12.57#平均耗时
max:228.87#最大耗时
95thpercentile:17.32#95%event的执行耗时
sum:3840044.28#总耗时

Threadsfairness:
events(avg/stddev):4773.0156/30.77#平均每个线程执行event的数量
# stddev 是标准差，值越小，代表结果越稳定。
executiontime(avg/stddev):60.0007/0.01#平均每个线程的执行时间

输出中，重点关注三个指标：

每秒事务数，即我们常说的 TPS。
每秒操作数，即我们常说的 QPS。
95% event 的执行耗时。

TPS 和 QPS 反映了系统的吞吐量，越大越好。执行耗时代表了事务的执行时长，越小越好。在一定范围内，并发线程数指定得越大，TPS 和 QPS 也会越高。

使用 sysbench 对服务器进行测试

除了数据库基准测试，sysbench 还能对服务器的性能进行测试。服务器资源一般包括四大类：CPU、内存、IO和网络。sysbench 可对CPU、内存和磁盘IO进行测试。下面我们具体来看看。

cpu

CPU 性能测试。支持的选项只有一个，即--cpu-max-prime。

CPU 测试的命令如下：

#sysbenchcpu--cpu-max-prime=20000--threads=32run

输出中，重点关注events per second。值越大，代表 CPU 的计算性能越强。

CPUspeed:
eventspersecond:25058.08

下面是 CPU 测试相关的代码，可以看到，sysbench 是通过计算--cpu-max-prime范围内的质数来衡量 CPU 的计算能力的。

质数（prime number）又称素数，指的是大于 1，且只能被 1 和自身整除的自然数。在代码实现时，对于自然数 n，一般会用 2 到根号 n 之间的整数去除，如果都无法整除，则意味着 n 是个质数。

intcpu_execute_event(sb_event_t*r,intthread_id)
{
unsignedlonglongc;
unsignedlonglongl;
doublet;
unsignedlonglongn=0;

(void)thread_id;/*unused*/
(void)r;/*unused*/

//max_prime即命令行中指定的--cpu-max-prime
for(c=3;c<max_prime;c++)
{
t=sqrt((double)c);
for(l=2;l<=t;l++)
if(c%l==0)
break;
if(l>t)
n++;
}

return0;
}

memory

内存测试，支持的选项有：

–memory-block-size：内存块的大小，默认为 1KB。测试时建议设置为 1MB。
–memory-total-size：要传输的数据的总大小。默认为 100GB。
–memory-scope：内存访问范围，可指定 global、local，默认为 global。
–memory-hugetlb：是否从 HugeTLB 池中分配内存，默认为 off。
–memory-oper：内存操作类型，可指定 read、write、none，默认为 write。
–memory-access-mode：内存访问模式，可指定 seq（顺序访问）、rnd（随机访问），默认为 seq。

内存测试的命令如下：

#sysbench--test=memory--memory-block-size=1M--memory-total-size=100G--num-threads=1run

输出中，重点关注以下部分：

102400.00MiBtransferred(23335.96MiB/sec)

23335.96 MiB/sec 即数据在内存中的顺序写入速率。

fileio

磁盘 IO 测试。支持的选项有：

–file-num：需要创建的文件数，默认为128。
–file-block-size：数据块的大小，默认为16384，即16KB。
–file-total-size：需要创建的文件总大小，默认为2GB。
–file-test-mode：测试模式，可指定 seqwr（顺序写）、seqrewr（顺序重写）、seqrd（顺序读）、rndrd（随机读）、rndwr（随机写）、rndrw（随机读写）。
–file-io-mode：文件的操作模式，可指定 sync（同步 IO）、async（异步 IO）、mmap，默认为 sync。
–file-async-backlog：每个线程异步 IO 队列的长度，默认为 128。
–file-extra-flags：打开文件时指定的标志，可指定 sync、dsync、direct，默认为空，没指定。
–file-fsync-freq：指定持久化操作的频率，默认为 100，即每执行 100 个 IO 请求，则会进行一次持久化操作。
–file-fsync-all：在每次写入操作后执行持久化操作，默认为 off。
–file-fsync-end：在测试结束时执行持久化操作，默认为 on。
–file-fsync-mode：持久化操作的模式，可指定 fsync、fdatasync，默认为 fsync。fdatasync 和 fsync类似，只不过 fdatasync 只会更新数据，而 fsync 还会同步更新文件的属性。
–file-merged-requests：允许合并的最多 IO 请求数，默认为0，不合并。
–file-rw-ratio：混合测试中的读写比例，默认为1.5。

磁盘 IO 测试主要分为以下三步：

#准备测试文件
#sysbenchfileio--file-num=1--file-total-size=10G--file-test-mode=rndrwprepare

#测试
#sysbenchfileio--file-num=1--file-total-size=10G--file-test-mode=rndrwrun

#删除测试文件
#sysbenchfileio--file-num=1--file-total-size=10G--file-test-mode=rndrwcleanup

输出中，重点关注以下两部分：

Fileoperations:
reads/s:4978.26
writes/s:3318.84
fsyncs/s:83.07

Throughput:
read,MiB/s:77.79
written,MiB/s:51.86

其中，reads/s 加上 writes/s 即我们常说的 IOPS。read, MiB/s 加上 written, MiB/s 即我们常说的吞吐量。

MySQL 常见测试场景及对应的 SQL 语句

接下来会列举 MySQL 常见的测试场景及各个场景对应的 SQL 语句。

为了让大家清晰的知道 SQL 语句的含义，首先我们看看测试表的表结构。

除了 bulk_insert 会创建单独的测试表，其它场景都会使用下面的表结构。

mysql>showcreatetablesbtest.sbtest1\G
***************************1.row***************************
Table:sbtest1
CreateTable:CREATETABLE`sbtest1`(
`id`intNOTNULLAUTO_INCREMENT,
`k`intNOTNULLDEFAULT'0',
`c`char(120)NOTNULLDEFAULT'',
`pad`char(60)NOTNULLDEFAULT'',
PRIMARYKEY(`id`),
KEY`k_1`(`k`)
)ENGINE=InnoDBAUTO_INCREMENT=1000001DEFAULTCHARSET=utf8mb4COLLATE=utf8mb4_0900_ai_ci
1rowinset(0.00sec)

bulk_insert

批量插入测试。

#sysbenchbulk_insert--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=64--time=60--report-interval=10run

下面是 bulk_insert 场景下创建的测试表。

mysql>showcreatetablesbtest.sbtest1\G
***************************1.row***************************
Table:sbtest1
CreateTable:CREATETABLE`sbtest1`(
`id`intNOTNULL,
`k`intNOTNULLDEFAULT'0',
PRIMARYKEY(`id`)
)ENGINE=InnoDBDEFAULTCHARSET=utf8mb4COLLATE=utf8mb4_0900_ai_ci
1rowinset(0.01sec)

测试对应的 SQL 语句如下：

INSERTINTOsbtest1VALUES(?,?),(?,?),(?,?),(?,?)...

oltp_delete

删除测试。

#sysbencholtp_delete--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=64--time=60--report-interval=10run

基于主键进行删除。测试对应的 SQL 语句如下：

DELETEFROMsbtest1WHEREid=?

oltp_insert

插入测试。

#sysbencholtp_insert--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=64--time=60--report-interval=10run

测试对应的 SQL 语句如下：

INSERTINTOsbtest1(id,k,c,pad)VALUES(?,?,?,?)

oltp_point_select

基于主键进行查询。

#sysbencholtp_point_select--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=64--time=60--report-interval=10run

测试对应的 SQL 语句如下：

SELECTcFROMsbtest1WHEREid=?

oltp_read_only

只读测试。

#sysbencholtp_read_only--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=64--time=60--report-interval=10run

测试对应的 SQL 语句如下：

SELECTcFROMsbtest1WHEREid=?#默认会执行 10次，由--point_selects 选项控制。
SELECTcFROMsbtest1WHEREidBETWEEN?AND?
SELECTSUM(k)FROMsbtest1WHEREidBETWEEN?AND?
SELECTcFROMsbtest1WHEREidBETWEEN?AND?ORDERBYc
SELECTDISTINCTcFROMsbtest1WHEREidBETWEEN?AND?ORDERBYc

oltp_read_write

读写测试。

测试对应的 SQL 语句如下：

SELECTcFROMsbtest1WHEREid=?#默认会执行 10次，由--point_selects 选项控制。
SELECTcFROMsbtest1WHEREidBETWEEN?AND?
SELECTSUM(k)FROMsbtest1WHEREidBETWEEN?AND?
SELECTcFROMsbtest1WHEREidBETWEEN?AND?ORDERBYc
SELECTDISTINCTcFROMsbtest1WHEREidBETWEEN?AND?ORDERBYc
UPDATEsbtest1SETk=k+1WHEREid=?
UPDATEsbtest1SETc=?WHEREid=?
DELETEFROMsbtest1WHEREid=?
INSERTINTOsbtest1(id,k,c,pad)VALUES(?,?,?,?)

oltp_update_index

基于主键进行更新，更新的是索引字段。

#sysbencholtp_update_index--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=64--time=60--report-interval=10run

测试对应的 SQL 语句如下：

UPDATEsbtest1SETk=k+1WHEREid=?

oltp_update_non_index

基于主键进行更新，更新的是非索引字段。

#sysbencholtp_update_non_index--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=64--time=60--report-interval=10run

测试对应的 SQL 语句如下：

UPDATEsbtest1SETc=?WHEREid=?

oltp_write_only

只写测试。

#sysbencholtp_write_only--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=64--time=60--report-interval=10run

测试对应的 SQL 语句如下：

UPDATEsbtest1SETk=k+1WHEREid=?
UPDATEsbtest1SETc=?WHEREid=?
DELETEFROMsbtest1WHEREid=?
INSERTINTOsbtest1(id,k,c,pad)VALUES(?,?,?,?)

select_random_points

基于索引进行随机查询。

#sysbenchselect_random_points--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=64--time=60--report-interval=10run

测试对应的 SQL 语句如下：

SELECTid,k,c,pad
FROMsbtest1
WHEREkIN(?,?,?,?,?,?,?,?,?,?)

select_random_ranges

基于索引进行随机范围查询。

#sysbenchselect_random_ranges--mysql-host=10.0.0.64--mysql-port=3306--mysql-user=admin--mysql-password=Py@123456--mysql-db=sbtest--tables=30--table-size=1000000--threads=64--time=60--report-interval=10run

测试对应的 SQL 语句如下：

SELECTcount(k)
FROMsbtest1
WHEREkBETWEEN?AND?ORkBETWEEN?AND?ORkBETWEEN?AND?ORkBETWEEN?AND?ORkBETWEEN?AND?ORkBETWEEN?AND?ORkBETWEEN?AND?ORkBETWEEN?AND?ORkBETWEEN?AND?ORkBETWEEN?AND?

如何自定义 sysbench 测试脚本

下面通过 bulk_insert.lua 和 oltp_point_select.lua 这两个脚本分析下 sysbench 测试脚本的实现逻辑。

首先看看 bulk_insert.lua。

#catbulk_insert.lua
#!/usr/bin/envsysbench

cursize=0
functionthread_init()
drv=sysbench.sql.driver()
con=drv:connect()
end

functionprepare()
locali

localdrv=sysbench.sql.driver()
localcon=drv:connect()

fori=1,sysbench.opt.threadsdo
print("Creatingtable'sbtest"..i.."'...")
con:query(string.format([[
CREATETABLEIFNOTEXISTSsbtest%d(
idINTEGERNOTNULL,
kINTEGERDEFAULT'0'NOTNULL,
PRIMARYKEY(id))]],i))
end
end

functionevent()
if(cursize==0)then
con:bulk_insert_init("INSERTINTOsbtest"..thread_id+1.."VALUES")
end

cursize=cursize+1

con:bulk_insert_next("("..cursize..","..cursize..")")
end

functionthread_done(thread_9d)
con:bulk_insert_done()
con:disconnect()
end

functioncleanup()
locali

localdrv=sysbench.sql.driver()
localcon=drv:connect()

fori=1,sysbench.opt.threadsdo
print("Droppingtable'sbtest"..i.."'...")
con:query("DROPTABLEIFEXISTSsbtest"..i)
end
end

下面，我们看看这几个函数的具体作用：

thread_init()：线程初始化时调用。这个函数常用来创建数据库连接。
prepare()：指定 prepare 时调用。这个函数常用来创建测试表，生成测试数据。
event()：指定 run 时调用。这个函数会定义需要测试的 SQL 语句。
thread_done()：线程退出时调用。这个函数常用来关闭 Prepared Statements 和数据库连接。
cleanup()：指定 cleanup 时调用。这个函数常用来删除测试表。

如果我们要自定义测试脚本，只需实现这几个函数即可。

如果我们要基于 sbtest 表自定义测试项，就要分析 oltp*.lua 脚本的实现逻辑。

下面，以oltp_point_select.lua 脚本为例。

#!/usr/bin/envsysbench
...
require("oltp_common")

functionprepare_statements()
-- point_selects 是 oltp_point_select 中支持的选项，默认为 10，这里调整为了 1。
sysbench.opt.point_selects=1

prepare_point_selects()
end

functionevent()
execute_point_selects()
end

与 bulk_insert.lua 不一样的是，oltp_point_select.lua 只简单的定义了两个函数：prepare_statements()和event()。实际上，不仅仅是 oltp_point_select.lua，其它 oltp*.lua 脚本也只定义了这两个函数。

虽然只定义了这两个函数，但脚本导入了 oltp_common 模块，所以实际上，脚本中的 prepare_point_selects()，execute_point_selects() 以及 bulk_insert.lua 中的 thread_init()，prepare()，thread_done()，cleanup() 都是在oltp_common.lua这个公共模块中定义的。

接下来，我们看看 prepare_point_selects() 和 execute_point_selects() 这两个函数的实现逻辑。

首先看看prepare_point_selects()。

它调用的是prepare_for_each_table()。prepare_for_each_table()是一个基础函数。所有prepare 相关的函数都会调用prepare_for_each_table()，只不过不同的 prepare 函数会传入不同的参数名。

prepare_for_each_table()会填充两张表（Lua 中的表既可用来表示数组，也可用来表示集合）：stmt 和 param。其中，stmt 用来存储 Prepared Statements 语句，param 用来存储 Prepared Statements 语句相关的参数类型。

填充完毕后，最后再通过 bind_param 函数将两者绑定在一起。

可以看到，无论是 Prepared Statements 语句还是相关的参数类型，都是在 stmt_defs 定义的。

functionprepare_point_selects()
prepare_for_each_table("point_selects")
end

functionprepare_for_each_table(key)
fort=1,sysbench.opt.tablesdo
--t是表的序号，key是测试项的名字
stmt[t][key]=con:prepare(string.format(stmt_defs[key][1],t))

localnparam=#stmt_defs[key]-1

ifnparam>0then
param[t][key]={}
end

forp=1,nparamdo
localbtype=stmt_defs[key][p+1]
locallen

iftype(btype)=="table"then
len=btype[2]
btype=btype[1]
end
ifbtype==sysbench.sql.type.VARCHARor
btype==sysbench.sql.type.CHARthen
param[t][key][p]=stmt[t][key]:bind_create(btype,len)
else
param[t][key][p]=stmt[t][key]:bind_create(btype)
end
end

ifnparam>0then
stmt[t][key]:bind_param(unpack(param[t][key]))
end
end
end

接下来，我们看看 stmt_defs 的内容。

localstmt_defs={
point_selects={
"SELECTcFROMsbtest%uWHEREid=?",
t.INT},
simple_ranges={
"SELECTcFROMsbtest%uWHEREidBETWEEN?AND?",
t.INT,t.INT},
sum_ranges={
"SELECTSUM(k)FROMsbtest%uWHEREidBETWEEN?AND?",
t.INT,t.INT},
order_ranges={
"SELECTcFROMsbtest%uWHEREidBETWEEN?AND?ORDERBYc",
t.INT,t.INT},
distinct_ranges={
"SELECTDISTINCTcFROMsbtest%uWHEREidBETWEEN?AND?ORDERBYc",
t.INT,t.INT},
index_updates={
"UPDATEsbtest%uSETk=k+1WHEREid=?",
t.INT},
non_index_updates={
"UPDATEsbtest%uSETc=?WHEREid=?",
{t.CHAR,120},t.INT},
deletes={
"DELETEFROMsbtest%uWHEREid=?",
t.INT},
inserts={
"INSERTINTOsbtest%u(id,k,c,pad)VALUES(?,?,?,?)",
t.INT,t.INT,{t.CHAR,120},{t.CHAR,60}},
}

可以看到，stmt_defs 是一张表，里面定义了不同测试项对应的 Prepared Statements 语句和参数类型。

具体到 point_selects 这个测试项，它对应的 Prepared Statements 语句是SELECT c FROM sbtest%u WHERE id=?，对应的参数类型是t.INT。

梳理完 prepare_point_selects() 函数的实现逻辑。最后我们看看execute_point_selects()函数的实现逻辑。

functionexecute_point_selects()
localtnum=get_table_num()
locali
-- point_selects 对应命令行中的--point_selects 选项，默认为 10。
fori=1,sysbench.opt.point_selectsdo
param[tnum].point_selects[1]:set(get_id())

stmt[tnum].point_selects:execute()
end
end

逻辑也非常简单，先赋值，最后执行。

所以如果我们要基于 sbtest 表自定义测试项，最关键的一步其实就是在 stmt_defs 中定义 Prepared Statements 语句和相关的参数类型。至于 prepare_xxx 和 execute_xxx 函数，实现起来都非常简单。

总结

1. 基准测试一般会关注三个指标：TPS/QPS、响应耗时和并发量。

2. 只有进行全链路压测，我们才知道系统的瓶颈在哪里。不能想当然的以为，数据库不容易横向扩展，系统瓶颈就一定会出在数据库层。事实上，很多系统在设计之初就引入了缓存，而缓存会分担很大一部分读流量，这种架构下的数据库压力其实并不大。

3. 不能简单的将 sysbench 的测试结果（TPS/QPS）作为业务系统的吞吐量指标，因为两者的业务模型并不一致。

4. 如果要自定义测试脚本，实现的方式有两种：

自己实现测试相关的所有函数，具体实现细节可参考 bulk_insert.lua。
基于 sbtest 表自定义测试项。实现过程中最关键的一步是在 stmt_defs 中定义 Prepared Statements 语句和相关的参数类型。

MySQL 性能压测工具-sysbench，从入门到自定义测试项

最新关注

热文推荐

PyTorch 之简介、相关软件框架、基本使用方法、tensor 的几种形状和 autograd 机制

【自定义Source、Sink】Flink自定义Source、Sink对redis进行读写操作

Baumer工业相机堡盟工业相机如何通过NEOAPI SDK获取相机当前数据吞吐量（C++）

基于微信小程序的学生宿舍管理系统设计与实现(源码+数据库+文档)

全网最详细中英文ChatGPT-GPT-4示例文档-官网推荐的48种最佳应用场景——从0到1快速入门自然语言转换SQL查询语句应用（附python/node.js/curl命令源代码，小白也能学）

Python入门-字面量，函数,类

MySQL 性能压测工具-sysbench，从入门到自定义测试项

相关文章

最新关注

热文推荐