基于 TDengine 3.0 TSBS 基准测试报告，此前我们已经输出了系列文——为什么选择 TSBS 作为测试平台、写入性能对比、查询性能对比，分别就 TSBS 及测试环境、写入性能及开销、查询性能及开销进行了相关解读。在本篇文章中，我们将为想要验证本报告测试结果的小伙伴，分享进行报告测试复现的详细步骤。
数据建模
在 TSBS 框架中， TimescaleDB 和 InfluxDB 会自动创建相应的数据模型并生成对应格式的数据。本文不再赘述其具体的数据建模方式，只介绍 TDengine 的数据建模策略。
TDengine 一个重要的创新是其独特的数据模型——为每个设备创建独立的数据表（子表），并通过超级表（Super Table）在逻辑上和语义上对同一采集类型的设备进行统一管理。针对 DevOps 场景的数据内容，我们为每个设备 （这里是 CPU）创建了一个表，用以存储该表的时序数据。我们在 TDengine 中使用 hostname 作为子表的名称（因为hostname 可以作为每个设备的标识 ID），并使用如下的语句创建名为 CPU 的超级表，包含 10 个测量值和 10 个标签。
create stable cpu (ts timestamp,usage_user bigint,usage_system bigint,usage_idle bigint,usage_nice bigint,usage_iowait bigint,usage_irq bigint,usage_softirq bigint,usage_steal bigint,usage_guest bigint,usage_guest_nice bigint)
tags (hostname varchar(30), region varchar(30),datacenter varchar(30),rack varchar(30),os varchar(30),arch varchar(30),team varchar(30),service varchar(30),service_version varchar(30),service_environment varchar(30))然后 ，我们使用如下语句创建名为 host_0 的子表：
create table host_0 using cpu (hostname,region,datacenter,rack,os,arch,team,service,service_version,service_environment)
tags ('host_0','eu-central-1','eu-central-1a','6','Ubuntu15.10','x86','SF','19','1','test')上述语句创建了一个子表。由此可知，对于 100 个设备（CPU）的场景 一，我们将会建立 100 个子表。对于 4000 个设备的场景二，系统中将会建立 4000 个子表用以存储各自对应的数据 。
软件版本和配置
本报告仅仅比较 TDengine ( Time Series Database )、InfluxDB 与 TimeScaleDB, 下面对使用的版本和配置做出说明。
TDengine
我们直接采用 TDengine Ver3.0，从 GitHub 克隆 TDengine 代码编译版本作为性能对比的版本。
gitinfo: c90e2aa791ceb62542f6ecffe7bd715165f181e8在服务器上编译安装运行。
cmake .. -DDISABLE_ASSERT=true -DSIMD_SUPPORT=true -DCMAKE_BUILD_TYPE=Release -DBUILD_TOOLS=false
make -j && make install在 TDengine 的配置文件中设置了四个涉及查询的配置参数。
numOfVnodeFetchThreads 4
queryRspPolicy 1
compressMsgSize 128000
SIMD-builtins 1参数设置解读：
- numOfVnodeFetchThreads 设置了 Vnode 的 Fetch 线程数量为 4 个，
- queryRspPolicy 用来打开 query response 快速返回机制
- compressMsgSize 的作用是自动压缩 TDengine 在传输层上大于 128,000 bytes 的消息
- 如果 CPU 支持，SIMD-builtins 可以启用内置的 FMA/AVX/AVX2 硬件加速
如上所述，TDengine 建库默认创建 6 个 vnodes，即创建的表会按照表名随机分配到 6 个虚拟节点（virtual node, VNode) 中。打开 LRU 缓存，设置为 last_row 缓存模式。对于场景一和场景二，stt_trigger 设置为 1，此时 TDengine 会准备一个 Sorted Time-series Table (STT) 文件，当单表写入量小于 minimum rows 时，数据会直接保存在 STT 文件中，当 STT 文件中无法容纳新数据时，系统就会将 STT 中的数据整理后再写入到数据文件中。对于其他的场景（场景三、四、五），stt_trigger 设置为 8，即允许最多生成 8 个 STT 文件。针对表较多的场景，需要适度增加 STT 的值，以此来获得更好的写入性能。
TimescaleDB
为确保结果具有可比性，我们选用 TimescaleDB 版本 version 2.6.0。为获得较好的性能，TimescaleDB 需要针对不同的场景设置不同的 Chunk 参数，不同场景下参数的设置如下表所示。
上述参数的设置，充分参考了《TimescaleDB vs. InfluxDB》（如下链接） 中推荐的配置参数设置，以确保能够最大化写入性能指标。
TimescaleDB vs. InfluxDB: Purpose Built Differently for Time-Series Data. https://www.timescale.com/blog/timescaledb-vs-influxdb-for-time-series-data-timescale-influx-sql-nosql-36489299877/
InfluxDB
我们选择了 InfluxDB version 1.8.10。这里没有使用 InfluxDB 最新的 2.x 版本是因为 TSBS 没有对其进行适配，所以选用了 InfluxDB 能够运行 TSBS 框架的最新版本。同样，我们采用《TimescaleDB vs. InfluxDB》中推荐的方式配置 InfluxDB，将缓冲区配置为 80G，以便 1000W 设备写入时能够顺利进行，同时开启 Time Series Index（TSI）。配置系统在系统插入数据完成 30s 后开始数据压缩。
cache-max-memory-size = "80g"
max-values-per-tag = 0
index-version = "tsi1"
compact-full-write-cold-duration = "30s"测试步骤
硬件准备
为达到与 TimescaleDB vs. InfluxDB 对比报告中的环境高度接近，我们使用亚马逊 AWS 的 EC2 提供的 r4.8xlarge 类型实例作为基础运行平台，包括 1 台服务器、1 台客户端共两个节点构成的环境。客户端与服务器硬件配置完全相同，客户端与服务器使用 10 Gbps 网络连接。配置简表如下：
服务器环境准备
为运行测试脚本，服务器 OS 需要是 ubuntu20 以上的系统。AWS EC2 的服务器系统信息如下：
- OS： Linux tv5931 5.15.0-1028-aws #32~20.04.1-Ubuntu SMP Mon Jan 9 18:02:08 UTC 2023 x86_64 x86_64 x86_64 GNU/Linux
- Gcc：gcc version 9.4.0 (Ubuntu 9.4.0-1ubuntu1~20.04)
- 基础环境，版本信息为：Go1.16.9 , python3.8 , pip20.0.2 (无需手动安装，测试脚本将自动安装）
- 编译依赖：gcc , cmake, build-essential, git, libssl-dev (无需手动安装，测试脚本将自动安装）
开始前请做两个配置：
- client 和 server 配置 ssh 访问免密，以便脚本可不暴露密码，可参考文档：免密配置（https://blog.csdn.net/qq_38154295/article/details/121582534）。
- 保证 client 和 server 之间所有端口开放。
获取测试脚本
为便于重复测试，隐藏繁琐的下载、安装、配置、启动、汇总结果等细节，整个 TSBS 的测试过程被封装成一个测试脚本。重复本测试报告，需要先下载该测试脚本，脚本暂支持 ubuntu20 以上的系统。以下操作要求具有 root 权限。
- 在客户端机器，进入测试目录拉取代码，默认进入 /usr/local/src/ 目录：
cd /usr/local/src/ && apt install git && git clone https://github.com/taosdata/tsbs.git && cd tsbs/scripts/tsdbComp 2. 修改配置文件 test.ini 中服务端和客户端的 IP 地址（这里配置 AWS 的私网地址即可）和 hostname，如果服务器未配置免密，还需要配置服务器端的 root 密码：
clientIP="192.168.0.203" #client ip
clientHost="trd03" #client hostname
serverIP="192.168.0.204" #server ip
serverHost="trd04" #server hostname
serverPass="taosdata123" #server root password一键执行对比测试
执行以下命令：
nohup bash tsdbComparison.sh > test.log &测试脚本将自动安装 TDengine、InfluxDB、TimeScaleDB 等软件，并自动运行各种对比测试项。在目前的硬件配置下，整个测试跑完需要大约一天半的时间。测试结束后，将自动生成 CSV 格式的对比测试报告，并存放在客户端的 /data2 目录。
写在最后
阅读完毕，你一定更加深入地了解了 TDengine 的数据建模、三大数据库测试版本和配置，以及如何运用测试脚本进行一键复现。如果有小伙伴想要验证 TDengine 的报告结果，欢迎按照上述步骤进行操作，检验测试结果，有任何问题都欢迎大家和我们及时沟通。现在添加小T vx:tdengine1，可以邀请你加入 TDengine 用户交流群，和更多志同道合的开发者一起聊技术、聊实战。
