目录

引入（关于基准测试）

一、Benchmark的定义： 

二、Benchmark的组成：

三、Benchmark的运用：

引入（关于基准测试）

·定义：

基准测试是一种测量和评估软件性能指标的活动，用于建立某个时刻的性能基准，以便当系统发生软硬件变化时评估变化对性能的影响。可以看作是针对系统设置的一种压力测试（两者略有差别）,可以用来观察系统不同压力下的不同行为。

·应用场景：

1.模拟比当前系统更高的负载，以找出系统随着加压而可能遇到的扩展瓶颈。

2.测试不同的硬件，软件的版本和操作系统的配置对数据库的性能影响。

3.验证新设备是否是配置正确。

一、Benchmark的定义： 

Benchmark是一种评价方式，主要应用于性能测试，主要测试负载的执行时间、传输速度、吞吐量、资源占用率等。

二、Benchmark的组成：

Benchmark的核心由3部分组成：数据集、工作负载、度量指标。

1. 数据集

为更好地处理数据，将数据类型分为结构化数据、半结构化数据和非结构化数据

（1）结构化数据：传统的关系数据模型，可用二维表结构表示。典型场景有电商交易、财务系统、医疗HIS数据库、政务信息化系统等等。（纯数据）

（2）半结构化数据：类似XML、HTML之类，自描述，数据结构和内容混杂在一起。典型应用场景有邮件系统、Web搜索引擎存储、教学资源库、档案系统等等。（半数据半图文）

（PS：XML为可扩展标记语言，HTML为超文本标记语言）

（PS：标记语言是展现出关于文档结构和数据处理细节的电脑文字编码）

（3）非结构化数据：各种文档、图片、视频和音频等。典型的应用有视频网站、图片相册、交通视频监控等等。（纯图文）

2. 工作负载

·对工作负载理解和设计可以从以下几个维度来看

（1）密集计算类型：主要有计算密集型、IO密集型、数据密集型三种。

a. 计算密集型：要进行大量的计算，消耗CPU资源。如计算圆周率等。

b. IO密集型：涉及到网络、磁盘IO的任务都是IO密集型任务。CPU消耗很少，任务的大部分时间都在等待IO操作完成。如文件传输、下载等。

c. 数据密集型：可看作前二者的结合。如web应用，它是以海量数据为基础，以数据处理为核心的互联网服务系统。

（2）计算范式：是和某种用于执行计算任务的硬件结构相适应的计算风格。

（3）计算延迟：有在线计算、离线计算、实时计算。

3. 度量指标（待深入了解）

·意为测量中应考虑的测量工具的主要性能，它是选择和使用测量工具的依据

（1）从架构角度度量：浮点型操作密度、整数型操作密度、指令中断、cache命中率、TLB命中；

（2）从Spark系统执行时间和吞吐的角度度量：Job作业执行时间、Job吞吐量、Stage执行时间、Stage吞吐量、Task执行时间、Task吞吐量；

（3）从Spark系统资源利用率的角度度量：CPU在指定时间段的利用率、内存在指定时间段的利用率、磁盘在指定时间段的利用率、网络带宽在指定时间段的利用率；

（4）从扩展性的角度度量：数据量扩展、集群节点数据扩展（scale out）、单机性能扩展（scale up）。

三、Benchmark的运用：

（待深入了解）

1. Hibench：由Intel开发的针对Hadoop的基准测试工具，开源的，用户可以到Github库中下载。

2. Berkeley BigDataBench：随着Spark的推出，由AMPLab开发的一套大数据基准测试工具，官网介绍。

3. Hadoop GridMix：Hadoop自带的Benchmark，作为Hadoop自带的测试工具使用方便、负载经典，应用广泛。

4. Bigbench：由Teradata、多伦多大学、InfoSizing、Oracle开发，其设计思想和利用扩展具有研究价值，可以参阅论文Bigbench:Towards an industry standard benchmark for big data analytics。

5. BigDataBenchmark：由中科院研发，官方介绍。

6. TPC-DS：广泛应用于SQL on Hadoop的产品评测。

7. 其他的Benchmark：Malstone、Cloud Harmony、YCSB、SWIM、LinkBench、DFSIO、Hive performance Benchmark(Pavlo)等等。