Deepgreen与Greenplum TPC-H性能测试对比(使用德哥脚本)

简介: Deepgreen数据库基于开源MPP数据库Greenplum而来,那么他的优越性几何?今天给大家分享数据仓库测试TPC-H的结果让大家加以比较
Deepgreen数据库基于开源MPP数据库Greenplum而来,那么他的优越性几何?今天给大家分享数据仓库测试TPC-H的结果让大家加以比较:
本次对比需要注意的几点:
  1. 测试参照德哥2015年发的【Greenplum的TPC-H】测试,只做了压缩类型的简单修改
  2. 由于测试机器性能问题,可能无法最大化展示二者性能(greenplum部分测试timeout)
一、测试环境:

服务器         IP              节点
Master          192.168.100.107 1 Master
Segment1        192.168.100.108 2 instance
Segment2        192.168.100.109 2 instance
软件版本:
Greenplum 4.3.12
Deepgreen 16.16
二、TPC-H测试结果
Greenplum:
 
2017-05-19 13:59:16 [1495173556] : preparing TPC-H database
2017-05-19 13:59:16 [1495173556] :   loading data
2017-05-19 13:59:39 [1495173579] :   creating primary keys
2017-05-19 13:59:39 [1495173579] :   creating foreign keys
2017-05-19 13:59:39 [1495173579] :   creating indexes
2017-05-19 13:59:57 [1495173597] :   analyzing
2017-05-19 14:00:10 [1495173610] : running TPC-H benchmark
2017-05-19 14:00:10 [1495173610] : running queries defined in TPC-H benchmark
2017-05-19 14:00:10 [1495173610] :   running query 1
2017-05-19 14:00:21 [1495173621] :     query 1 finished OK (6 seconds)
2017-05-19 14:00:21 [1495173621] :   running query 2
2017-05-19 14:08:37 [1495174117] :     query 2 finished OK (250 seconds)
2017-05-19 14:08:37 [1495174117] :   running query 3
2017-05-19 14:53:15 [1495176795] :     query 3 finished OK (1363 seconds)
2017-05-19 14:53:15 [1495176795] :   running query 4
2017-05-19 14:53:17 [1495176797] :     query 4 finished OK (1 seconds)
2017-05-19 14:53:17 [1495176797] :   running query 5
2017-05-19 14:53:18 [1495176798] :     query 5 finished OK (1 seconds)
2017-05-19 14:53:18 [1495176798] :   running query 6
2017-05-19 14:53:19 [1495176799] :     query 6 finished OK (1 seconds)
2017-05-19 14:53:19 [1495176799] :   running query 7
2017-05-19 15:28:32 [1495178912] :     query 7 finished OK (1057 seconds)
2017-05-19 15:28:32 [1495178912] :   running query 8
2017-05-19 15:54:09 [1495180449] :     query 8 finished OK (777 seconds)
2017-05-19 15:54:09 [1495180449] :   running query 9
2017-05-19 21:52:26 [1495201946] :     killing query 9 (timeout)
2017-05-19 21:52:36 [1495201956] :   running query 10
2017-05-19 21:52:37 [1495201957] :     query 10 finished OK (1 seconds)
2017-05-19 21:52:37 [1495201957] :   running query 11
2017-05-19 21:55:26 [1495202126] :     query 11 finished OK (85 seconds)
2017-05-19 21:55:26 [1495202126] :   running query 12
2017-05-19 21:55:27 [1495202127] :     query 12 finished OK (1 seconds)
2017-05-19 21:55:27 [1495202127] :   running query 13
2017-05-20 00:45:29 [1495212329] :     killing query 13 (timeout)
2017-05-20 00:45:39 [1495212339] :   running query 14
2017-05-20 00:45:40 [1495212340] :     query 14 finished OK (1 seconds)
2017-05-20 00:45:40 [1495212340] :   running query 15
2017-05-20 00:45:42 [1495212342] :     query 15 finished OK (1 seconds)
2017-05-20 00:45:42 [1495212342] :   running query 16
2017-05-20 00:48:30 [1495212510] :     query 16 finished OK (84 seconds)
2017-05-20 00:48:30 [1495212510] :   running query 17
2017-05-20 00:48:46 [1495212526] :     query 17 finished OK (8 seconds)
2017-05-20 00:48:46 [1495212526] :   running query 18
2017-05-20 02:06:47 [1495217207] :     killing query 18 (timeout)
2017-05-20 02:06:58 [1495217218] :   running query 19
2017-05-20 07:11:50 [1495235510] :     killing query 19 (timeout)
2017-05-20 07:12:00 [1495235520] :   running query 20
2017-05-20 07:12:02 [1495235522] :     query 20 finished OK (1 seconds)
2017-05-20 07:12:02 [1495235522] :   running query 21
2017-05-20 09:57:36 [1495245456] :     killing query 21 (timeout)
2017-05-20 09:57:46 [1495245466] :   running query 22
2017-05-20 10:12:01 [1495246321] :     query 22 finished OK (428 seconds)
2017-05-20 10:12:01 [1495246321] : finished TPC-H benchmark
Deepgreen:

[dgadmin@linux1 results]$ cat bench.log
2017-05-19 11:44:56 [1495165496] : preparing TPC-H database
2017-05-19 11:44:56 [1495165496] :   loading data
2017-05-19 11:45:14 [1495165514] :   creating primary keys
2017-05-19 11:45:14 [1495165514] :   creating foreign keys
2017-05-19 11:45:14 [1495165514] :   creating indexes
2017-05-19 11:45:29 [1495165529] :   analyzing
2017-05-19 11:45:32 [1495165532] : running TPC-H benchmark
2017-05-19 11:45:32 [1495165532] : running queries defined in TPC-H benchmark
2017-05-19 11:45:32 [1495165532] :   running query 1
2017-05-19 11:45:40 [1495165540] :     query 1 finished OK (4 seconds)
2017-05-19 11:45:40 [1495165540] :   running query 2
2017-05-19 11:52:23 [1495165943] :     query 2 finished OK (199 seconds)
2017-05-19 11:52:23 [1495165943] :   running query 3
2017-05-19 11:52:27 [1495165947] :     query 3 finished OK (3 seconds)
2017-05-19 11:52:27 [1495165947] :   running query 4
2017-05-19 11:52:28 [1495165948] :     query 4 finished OK (1 seconds)
2017-05-19 11:52:28 [1495165948] :   running query 5
2017-05-19 11:52:29 [1495165949] :     query 5 finished OK (1 seconds)
2017-05-19 11:52:29 [1495165949] :   running query 6
2017-05-19 11:52:30 [1495165950] :     query 6 finished OK (1 seconds)
2017-05-19 11:52:30 [1495165950] :   running query 7
2017-05-19 11:52:34 [1495165954] :     query 7 finished OK (3 seconds)
2017-05-19 11:52:34 [1495165954] :   running query 8
2017-05-19 11:52:36 [1495165956] :     query 8 finished OK (1 seconds)
2017-05-19 11:52:36 [1495165956] :   running query 9
2017-05-19 12:26:01 [1495167961] :     query 9 finished OK (1002 seconds)
2017-05-19 12:26:01 [1495167961] :   running query 10
2017-05-19 12:26:02 [1495167962] :     query 10 finished OK (1 seconds)
2017-05-19 12:26:02 [1495167962] :   running query 11
2017-05-19 12:26:05 [1495167965] :     query 11 finished OK (3 seconds)
2017-05-19 12:26:05 [1495167965] :   running query 12
2017-05-19 12:26:07 [1495167967] :     query 12 finished OK (1 seconds)
2017-05-19 12:26:07 [1495167967] :   running query 13
2017-05-19 12:45:19 [1495169119] :     query 13 finished OK (588 seconds)
2017-05-19 12:45:19 [1495169119] :   running query 14
2017-05-19 12:45:20 [1495169120] :     query 14 finished OK (1 seconds)
2017-05-19 12:45:20 [1495169120] :   running query 15
2017-05-19 12:45:21 [1495169121] :     query 15 finished OK (1 seconds)
2017-05-19 12:45:21 [1495169121] :   running query 16
2017-05-19 12:45:25 [1495169125] :     query 16 finished OK (3 seconds)
2017-05-19 12:45:25 [1495169125] :   running query 17
2017-05-19 12:45:30 [1495169130] :     query 17 finished OK (3 seconds)
2017-05-19 12:45:30 [1495169130] :   running query 18
2017-05-19 12:45:32 [1495169132] :     query 18 finished OK (1 seconds)
2017-05-19 12:45:32 [1495169132] :   running query 19
2017-05-19 12:45:34 [1495169134] :     query 19 finished OK (1 seconds)
2017-05-19 12:45:34 [1495169134] :   running query 20
2017-05-19 12:45:35 [1495169135] :     query 20 finished OK (1 seconds)
2017-05-19 12:45:35 [1495169135] :   running query 21
2017-05-19 12:45:36 [1495169136] :     query 21 finished OK (1 seconds)
2017-05-19 12:45:36 [1495169136] :   running query 22
2017-05-19 12:57:30 [1495169850] :     query 22 finished OK (357 seconds)
2017-05-19 12:57:30 [1495169850] : finished TPC-H benchmark

三、结果对比

总的来说,Deepgreen在整个测试中整体优于Greenplum。在22轮测试中,有8轮持平,其余14轮Deepgreen均优于Greenplum。其中Q3、Q7、Q8、Q11、Q16查询比Greenplum快指数倍;Greenplum的Q9、Q13、Q18、Q19、Q21 timeout,而Deepgreen没有;Q4、Q5、Q6、Q10、Q12、Q14、Q15、Q20二者持平。
d2bd8ac17549d3ce91d384d6422c844b068e30cc
8a9741c119a601992c790d88ecb6ce0f0595629b

相关实践学习
通过性能测试PTS对云服务器ECS进行规格选择与性能压测
本文为您介绍如何利用性能测试PTS对云服务器ECS进行规格选择与性能压测。
目录
相关文章
|
4月前
|
测试技术 Python
Playwright系列(4):录制测试脚本
Playwright系列(4):录制测试脚本
|
5月前
|
测试技术 Shell
shell脚本写的班级管理系统测试用例
shell脚本写的班级管理系统测试用例
63 1
|
6月前
|
Shell 测试技术 Linux
通过shell脚本进行linux服务器的CPU和内存压测
通过shell脚本进行linux服务器的CPU和内存压测
178 0
|
5月前
|
JSON 测试技术 API
『Postman入门万字长文』| 从工具简介、环境部署、脚本应用、Collections使用到接口自动化测试详细过程
『Postman入门万字长文』| 从工具简介、环境部署、脚本应用、Collections使用到接口自动化测试详细过程
80 3
|
6天前
|
JSON 监控 测试技术
Groovy脚本编写员工上网行为监控自动化测试
本文介绍了如何使用Groovy脚本创建一个自动化工具来监控员工的网络活动。通过编写简单脚本记录员工访问的网站并打印信息,可进一步扩展为将数据保存至数据库。此外,通过设定定时任务,实现了每30分钟自动监控一次的功能。最后,展示了如何将监控数据转换为JSON格式并使用HTTP POST请求提交到网站,以实现数据的自动化上报,有助于企业保障网络安全、保护数据并提升工作效率。
47 5
|
26天前
|
SQL 存储 分布式计算
Hive【基础知识 02-2】【Hive CLI 命令行工具使用】【详细举例-包含测试脚本文件】
【4月更文挑战第7天】Hive【基础知识 02-2】【Hive CLI 命令行工具使用】【详细举例-包含测试脚本文件】
21 0
|
1月前
|
JSON 测试技术 持续交付
自动化测试与脚本编写:Python实践指南
【4月更文挑战第9天】本文探讨了Python在自动化测试中的应用,强调其作为热门选择的原因。Python拥有丰富的测试框架(如unittest、pytest、nose)以支持自动化测试,简化测试用例的编写与维护。示例展示了使用unittest进行单元测试的基本步骤。此外,Python还适用于集成测试、系统测试等,提供模拟外部系统行为的工具。在脚本编写实践中,Python的灵活语法和强大库(如os、shutil、sqlite3、json)助力执行复杂测试任务。同时,Python支持并发、分布式执行及与Jenkins、Travis CI等持续集成工具的集成,提升测试效率和质量。
|
5月前
|
人工智能 自然语言处理 测试技术
软件测试/人工智能|如何使用ChatGPT帮我们写自动化测试脚本
软件测试/人工智能|如何使用ChatGPT帮我们写自动化测试脚本
88 0
软件测试/人工智能|如何使用ChatGPT帮我们写自动化测试脚本
|
2月前
|
数据采集 数据处理 开发工具
argparse是你的好帮手:快速编写自动化脚本、测试脚本、数据处理脚本
argparse是你的好帮手:快速编写自动化脚本、测试脚本、数据处理脚本
|
2月前
|
前端开发 Java 测试技术
《手把手教你》系列基础篇(五)-java+ selenium自动化测试- 创建首个自动化脚本(详细教程)
【2月更文挑战第14天】《手把手教你》系列基础篇(五)-java+ selenium自动化测试- 创建首个自动化脚本(详细教程) 前面几篇宏哥介绍了两种(java和maven)环境搭建和三大浏览器的启动方法,这篇文章宏哥将要介绍第一个自动化测试脚本。前边环境都搭建成功了,浏览器也驱动成功了,那么我们不着急学习其他内容,首先宏哥搭建好的环境中创建首个完整的自动化测试脚本,让小伙伴或者童鞋们提前感受感受,也是为了激起大家的学习兴趣。宏哥的个人经验是:自动化脚本编写比较容易,最大的困难去如何去写测试断言。自动化测试,最重要的还是落在测试上面,而不是自动化,自动化只是手段。
48 1
《手把手教你》系列基础篇(五)-java+ selenium自动化测试- 创建首个自动化脚本(详细教程)

热门文章

最新文章