求知若渴，虚心如愚。

使用ESRally压测ElasticSearch性能

发表于 更新于 分类于 ， 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
------------------------------------------------------
    _______             __   _____
   / ____(_)___  ____ _/ /  / ___/_________  ________
  / /_  / / __ \/ __ `/ /   \__ \/ ___/ __ \/ ___/ _ \
 / __/ / / / / / /_/ / /   ___/ / /__/ /_/ / /  /  __/
/_/   /_/_/ /_/\__,_/_/   /____/\___/\____/_/   \___/
------------------------------------------------------

|                         Metric |                 Task |     Value |   Unit |
|-------------------------------:|---------------------:|----------:|-------:|
|            Total indexing time |                      |   28.0997 |    min |
|               Total merge time |                      |   6.84378 |    min |
|             Total refresh time |                      |   3.06045 |    min |
|               Total flush time |                      |  0.106517 |    min |
|      Total merge throttle time |                      |   1.28193 |    min |
|               Median CPU usage |                      |     471.6 |      % |
|             Total Young Gen GC |                      |    16.237 |      s |
|               Total Old Gen GC |                      |     1.796 |      s |
|                     Index size |                      |   2.60124 |     GB |
|                  Total written |                      |   11.8144 |     GB |
|         Heap used for segments |                      |   14.7326 |     MB |
|       Heap used for doc values |                      |  0.115917 |     MB |
|            Heap used for terms |                      |   13.3203 |     MB |
|            Heap used for norms |                      | 0.0734253 |     MB |
|           Heap used for points |                      |    0.5793 |     MB |
|    Heap used for stored fields |                      |  0.643608 |     MB |
|                  Segment count |                      |        97 |        |
|                 Min Throughput |         index-append |   31925.2 | docs/s |
|              Median Throughput |         index-append |   39137.5 | docs/s |
|                 Max Throughput |         index-append |   39633.6 | docs/s |
|      50.0th percentile latency |         index-append |   872.513 |     ms |
|      90.0th percentile latency |         index-append |   1457.13 |     ms |
|      99.0th percentile latency |         index-append |   1874.89 |     ms |
|       100th percentile latency |         index-append |   2711.71 |     ms |
| 50.0th percentile service time |         index-append |   872.513 |     ms |
| 90.0th percentile service time |         index-append |   1457.13 |     ms |
| 99.0th percentile service time |         index-append |   1874.89 |     ms |
|  100th percentile service time |         index-append |   2711.71 |     ms |
|                           ...  |                  ... |       ... |    ... |
|                           ...  |                  ... |       ... |    ... |
|                 Min Throughput |     painless_dynamic |   2.53292 |  ops/s |
|              Median Throughput |     painless_dynamic |   2.53813 |  ops/s |
|                 Max Throughput |     painless_dynamic |   2.54401 |  ops/s |
|      50.0th percentile latency |     painless_dynamic |    172208 |     ms |
|      90.0th percentile latency |     painless_dynamic |    310401 |     ms |
|      99.0th percentile latency |     painless_dynamic |    341341 |     ms |
|      99.9th percentile latency |     painless_dynamic |    344404 |     ms |
|       100th percentile latency |     painless_dynamic |    344754 |     ms |
| 50.0th percentile service time |     painless_dynamic |    393.02 |     ms |
| 90.0th percentile service time |     painless_dynamic |   407.579 |     ms |
| 99.0th percentile service time |     painless_dynamic |   430.806 |     ms |
| 99.9th percentile service time |     painless_dynamic |   457.352 |     ms |
|  100th percentile service time |     painless_dynamic |   459.474 |     ms |

----------------------------------
[INFO] SUCCESS (took 2634 seconds)
----------------------------------

在部署完一套ES集群之后，我们肯定想知道这套集群性能如何？是否可以支撑未来业务发展？存不存在性能上的瓶颈？要想有依据的回答这些问题，我们需要通过压力测试结果中找答案。

介绍

Rally是Elasticsearch的基准测试框架，由官方提供维护。

安装

  1. 安装Python3.5及以上版本，系统默认可能是2.x版本，如果需要升级请参考《在CentOS7上安装Python3》。
  2. 安装git1.9及以上版本
  3. 安装esrally pip3 install esrally
  4. 配置esrally esrally configure，执行此命令后会在当前用户根目录下生成 .rally 目录，可以 ll ~/.rally 这样来确认。

使用

快速开始

如果想测试当前机器上某个版本单点ES性能，可以像下面这样：

1
2
3
4
esrally --distribution-version=6.5.3

# 同样的如果你想测试其它版本
esrally --distribution-version=6.8.1

当执行上面的命令之后会自动下载对应es版本软件，并在本地启动，接着执行测试。这个过程在rally中被称为比赛，而赛道是用默认的，即geonames。

测试远程集群

上面的示例不能测试存在的es集群，下面介绍使用方法：

  1. 指定跑道和ES集群地址后就可以执行测试。 
    1
    2
    3
    4
    esrally --pipeline=benchmark-only \
     --track=http_logs \
     --target-hosts=192.168.1.100:9200,192.168.1.101:9200,192.168.1.102:9200 \
     --report-file=/tmp/report_http_logs.md
  2. 执行 esrally list tracks 命令可以查看可用跑道（–track）
  3. 可以使用 --report-file=/path/to/your/report.md 将此报告也保存到文件中，并使用 --report-format=csv 将其另存为CSV。

修改默认跑道参数

如果直接在默认跑道上修改，会被还原，所以只能通过增加跑道的方式。

  1. 在 .rally/benchmarks/tracks 下面创建新的赛道，比如 custom。

  2. 在 custom/http_logs/challenges/default.json 文件中调整赛道的配置并保存，例如下面修改default对应的操作，由10个客户端发起，每个用户端发出100次操作。

    1
    2
    3
    4
    5
    6
    7
    {
      "operation": "default",
      "clients": 10,
      "warmup-iterations": 500,
      "iterations": 100,
      "target-throughput": 100
    }

  3. 在启动时指定跑道：esrally --track=custom ....，例如：

    1
    2
    3
    4
    5
    esrally --pipeline=benchmark-only \
     --track=custom \
     --track=http_logs \
     --target-hosts=192.168.1.100:9200,192.168.1.101:9200,192.168.1.102:9200 \
     --report-file=/tmp/report_http_logs.md

    小结

  4. 关于报告解读部分可以参考官方文档

  5. 本文只介绍了基本使用，相信这些东西可以适用大部分人的需求，更多信息可以阅读上面官方文档。

参考文献：

  1. https://esrally.readthedocs.io/en/stable/index.html
  2. https://github.com/elastic/rally