Informazioni sul rendimento

Questa pagina descrive le prestazioni approssimative che Bigtable può fornire in condizioni ottimali, i fattori che possono influire sulle prestazioni e i suggerimenti per testare e risolvere i problemi di prestazioni di Bigtable.

Prestazioni per carichi di lavoro tipici

Bigtable offre prestazioni altamente prevedibili e scalabili in modo lineare. Se eviti le cause di prestazioni più lente descritte di seguito, ogni nodo Bigtable può fornire il seguente throughput approssimativo, a seconda del tipo di spazio di archiviazione utilizzato dal cluster:

Tipo di archiviazione	Letture		Scritture		Scansioni
SSD	fino a 17.000 righe al secondo	o	fino a 14.000 righe al secondo	o	Fino a 220 MB/s
HDD	fino a 500 righe al secondo	o	fino a 10.000 righe al secondo	o	fino a 180 MB/s

Queste stime presuppongono che ogni riga contenga 1 KB di dati.

In generale, le prestazioni di un cluster aumentano in modo lineare man mano che aggiungi nodi al cluster. Ad esempio, se crei un cluster SSD con 10 nodi, il cluster può supportare fino a 140.000 righe al secondo per un tipico carico di lavoro di sola lettura o di sola scrittura.

Nota: questi dati relativi al rendimento sono solo stime e riflettono una di sola lettura o sola scrittura. Le prestazioni di Bigtable sono elevate dipendono dal carico di lavoro, dalla progettazione dello schema e dalle caratteristiche del set di dati. Questi valori di prestazioni possono essere utili come punto di partenza per stimare le tue esigenze di calcolo, ma non devono essere utilizzati per determinare le dimensioni esatta del cluster o per stime dei costi.

Pianifica la capacità di Bigtable

Quando pianifichi i cluster Bigtable, decidi se vuoi ottimizzare la latenza o la velocità effettiva. Ad esempio, per un'elaborazione dati in batch, un job, potresti essere più interessato alla velocità effettiva e meno alla latenza. Al contrario, per un servizio online che gestisce le richieste degli utenti, potresti dare la priorità alla latenza inferiore rispetto al throughput. Puoi ottenere i numeri riportati nella sezione Rendimento per carichi di lavoro tipici quando esegui l'ottimizzazione per il throughput.

Utilizzo CPU

Nella maggior parte dei casi, ti consigliamo di utilizzare la scalabilità automatica, che consente a Bigtable di aggiungere o rimuovere nodi in base al tuo utilizzo. Per ulteriori informazioni, consulta la sezione Scalabilità automatica.

Segui queste linee guida quando configuri i target di scalabilità automatica o se scegli l'allocazione manuale dei nodi. Queste linee guida si applicano indipendentemente di cluster di cui dispone la tua istanza. Per un cluster con allocazione manuale dei nodi, devi monitorare l'utilizzo della CPU del cluster con l'obiettivo di mantenere al di sotto di questi valori per ottenere prestazioni ottimali.

Obiettivo di ottimizzazione	Utilizzo massimo della CPU
Velocità effettiva	90%
Latenza	60%

Per ulteriori informazioni sul monitoraggio, consulta Monitoraggio.

Utilizzo archiviazione

Un'altra considerazione da considerare nella pianificazione della capacità è l'archiviazione. La capacità di archiviazione di un cluster è determinato dal tipo di archiviazione e dal numero di nodi in un cluster Kubernetes. Quando la quantità di dati archiviati in un cluster aumenta, Bigtable ottimizza lo spazio di archiviazione distribuendo la quantità di dati su tutti i nodi del cluster.

Puoi determinare l'utilizzo dello spazio di archiviazione per nodo dividendo l'utilizzo dello spazio di archiviazione (byte) del cluster per il numero di nodi del cluster. Per Prendiamo come esempio un cluster con tre nodi HDD e 9 TB di dati. Ogni nodo immagazzina circa 3 TB, ovvero il 18,75% del limite di spazio di archiviazione HDD per nodo di 16 TB.

Quando l'utilizzo dello spazio di archiviazione aumenta, i carichi di lavoro possono registrare un aumento della latenza di elaborazione delle query anche se il cluster dispone di nodi sufficienti per soddisfare le esigenze complessive della CPU. Questo perché, maggiore è lo spazio di archiviazione per nodo, maggiore è il lavoro in background, come l'indicizzazione, richiesto. L'aumento del lavoro in background per gestire più spazio di archiviazione può comportare una latenza più elevata e una velocità effettiva inferiore.

Quando configuri le impostazioni di scalabilità automatica, inizia con quanto segue. Se scegliere l'allocazione manuale dei nodi, monitorare l'uso dello spazio di archiviazione del cluster aggiungi o rimuovi nodi per mantenere quanto segue.

Obiettivo di ottimizzazione	Utilizzo massimo dello spazio di archiviazione
Velocità effettiva	70%
Latenza	60%

Per maggiori informazioni, consulta Spazio di archiviazione per nodo.

Esegui i tuoi carichi di lavoro tipici su Bigtable

Esegui sempre i tuoi carichi di lavoro tipici su Bigtable cluster quando si pianifica la capacità, per individuare la risorsa migliore alla distribuzione per le tue applicazioni.

PerfKit Benchmarker di Google utilizza YCSB per eseguire il benchmark dei servizi cloud. Puoi seguire Tutorial PerfKitBenchmarker per Bigtable per creare test per i tuoi carichi di lavoro. Quando lo fai, dovresti regolare nei file di configurazione yaml di benchmarking per verificare che il benchmark generato riflette le seguenti caratteristiche nella tua produzione:

• Dimensioni totali della tabella. Può essere proporzionale, ma utilizza almeno 100 GB.
• Forma dei dati di riga (dimensioni della chiave di riga, numero di colonne, dimensioni dei dati di riga e così via)
• Pattern di accesso ai dati (distribuzione delle chiavi di riga)
• Combinazione di letture e scritture

Per altre best practice, consulta Testare le prestazioni con Bigtable.

Cause di un rallentamento delle prestazioni

Esistono diversi fattori che possono aumentare le prestazioni di Bigtable rispetto alle stime sopra indicate:

• Leggi un numero elevato di chiavi di riga o intervalli di riga non contigui in una singola richiesta di lettura. Bigtable esegue la scansione della tabella e legge le righe richieste in sequenza. Questa mancanza di parallelismo influisce sulla latenza complessiva, e qualsiasi lettura che raggiunge un nodo attivo può aumentare la latenza tail. Per informazioni dettagliate, consulta Letture e prestazioni.
• Lo schema della tabella non è progettato correttamente. Per ottenere un buon rendimento da Bigtable, è essenziale progettare uno schema che consenta di distribuire le letture e le scritture in modo uniforme in ogni tabella. Inoltre, gli hotspot in una tabella possono influire sulle prestazioni di altre tabelle nella stessa istanza. Per saperne di più, consulta le best practice per la progettazione degli schemi.
• Le righe della tabella Bigtable contengono grandi quantità di dati. Le stime sul rendimento mostrate sopra presuppongono che ogni riga contenga 1 KB di dati. Puoi leggere e scrivere quantità maggiori di dati per riga, ma l'aumento della quantità di dati per riga riduce anche il numero di righe al secondo.
• Le righe della tabella Bigtable contengono un numero molto elevato celle. Bigtable impiega del tempo per elaborare ogni cella di una riga. Inoltre, ogni cella aggiunge un po' di overhead alla quantità di dati memorizzati nella tabella e inviati tramite la rete. Ad esempio, se memorizzi 1 KB (1024 byte) di dati, è molto più efficiente in termini di spazio archiviarli in una singola cella anziché distribuirli su 1024 celle contenenti ciascuna 1 byte. Se suddividi i dati in più celle del necessario, potresti non ottenere il miglior rendimento possibile. Se le righe contengono un numero elevato di celle perché le colonne contengono più versioni dei dati con timestamp, ti consigliamo di mantenere solo il valore più recente. Un'altra opzione per una tabella esistente è inviare un'eliminazione per tutte le versioni precedenti con ogni riscrittura.

• Il cluster non ha un numero sufficiente di nodi. I nodi di un cluster forniscono affinché il cluster gestisca le letture e le scritture in entrata, tieni traccia archiviazione ed eseguire attività di manutenzione come la compattazione. Devi assicurarti che il cluster abbia nodi sufficienti per soddisfare i limiti consigliati sia per l'elaborazione sia per lo spazio di archiviazione. Utilizza gli strumenti di monitoraggio per verificare se il cluster è sovraccarico.

  • Computing: se la CPU del tuo cluster Bigtable è sovraccarico, l'aggiunta di altri nodi può migliorare le prestazioni distribuendo carico di lavoro su più nodi.
  • Spazio di archiviazione - Se l'utilizzo dello spazio di archiviazione per nodo è diventato superiore a quella consigliata, devi aggiungere altri nodi per mantenere latenza e velocità effettiva, anche se il cluster ha una CPU sufficiente per l'elaborazione richieste. Questo perché l'aumento dello spazio di archiviazione per nodo aumenta la quantità di lavoro di manutenzione in background per nodo. Per maggiori dettagli, vedi Compromisi tra utilizzo dello spazio di archiviazione e prestazioni.

• Di recente è stato eseguito lo scale up o lo scale down del cluster Bigtable. Dopo aver aumentato il numero di nodi in un cluster, possono essere necessari fino a 20 minuti sotto carico prima di notare un miglioramento significativo delle prestazioni del cluster. Bigtable scala i nodi di un cluster in base al carico che deve gestire.

  Quando riduci il numero di nodi di un cluster per fare lo scale down, cerca di non ridurre le dimensioni del cluster di oltre il 10% in un periodo di 10 minuti per minimizzare dei picchi di latenza.

• Il cluster Bigtable utilizza dischi HDD. Nella maggior parte dei casi, dovrebbe usare dischi SSD, che hanno prestazioni notevolmente migliori rispetto a quelli i dischi HDD. Per maggiori dettagli, consulta Scegliere tra archiviazione SSD e HDD.

• Esistono problemi di connessione di rete. I problemi di rete possono ridurre e causano letture e scritture più lunghe del solito. In particolare, potresti riscontrare problemi se i client non sono in esecuzione nella stessa zona del cluster Bigtable o se vengono eseguiti al di fuori di Google Cloud.

• Stai utilizzando la replica, ma la tua applicazione utilizza un modello non aggiornato libreria client. Se noti un aumento della latenza dopo aver attivato la replica, assicurati che la libreria client Cloud Bigtable utilizzata dalla tua applicazione sia aggiornata. Le versioni precedenti delle librerie client potrebbero non essere ottimizzate per supportare la replica. Consulta la sezione Librerie client di Cloud Bigtable per trovare il repository GitHub della tua libreria client, dove puoi controllare la versione ed eseguire l'upgrade, se necessario.

• Hai attivato la replica, ma non hai aggiunto altri nodi ai tuoi cluster. In un'istanza che utilizza la replica, ogni cluster deve gestire il lavoro di replica oltre al carico ricevuto dalle applicazioni. I cluster sottodimensionati possono causare un aumento della latenza. Puoi verificarlo controllando i grafici dell'utilizzo della CPU dell'istanza nella console Google Cloud.

Poiché carichi di lavoro diversi possono causare variazioni delle prestazioni, è consigliabile con i tuoi carichi di lavoro per ottenere i benchmark più accurati.

Avvii a freddo e QPS ridotti

Gli avvii a freddo e un QPS basso possono aumentare la latenza. Bigtable esegue è la scelta migliore con tabelle di grandi dimensioni a cui si accede di frequente. Per questo motivo, se iniziare a inviare richieste dopo un periodo di non utilizzo (avvio a freddo), osservare una latenza elevata mentre Bigtable ristabilisce le connessioni. La latenza è più elevata anche quando il QPS è basso.

Se il valore QPS è basso o se sai che a volte invii richieste a una tabella Bigtable dopo un periodo di inattività, puoi provare le seguenti strategie per mantenere calda la connessione ed evitare questa latenza elevata.

• Invia sempre una bassa percentuale di traffico artificiale alla tabella.
• Configura il pool di connessione per assicurarti che un QPS costante mantenga il pool attivo.

Se utilizzi una versione del client Cloud Bigtable per Java precedente alla versione 2.18.0, puoi abilitare l'aggiornamento del canale. Nelle versioni successive, l'ottimizzazione del canale è attivata per impostazione predefinita.

Durante gli avvii a freddo o i periodi con QPS basse, il numero di errori che I dati restituiti da Bigtable sono più rilevanti della percentuale che restituiscono un errore.

In che modo Bigtable ottimizza i dati nel tempo

Per archiviare i dati sottostanti per ciascuna delle tue tabelle, Bigtable esegue lo sharding dei dati su più tablet, che possono essere spostati tra i nodi un cluster Bigtable. Questo metodo di archiviazione abilita Bigtable per utilizzare due diverse strategie per l'ottimizzazione dei dati nel tempo:

1. Bigtable tenta di archiviare all'incirca la stessa quantità di dati su ogni nodo Bigtable.
2. Bigtable cerca di distribuire equamente le letture e le scritture su tutti i nodi Bigtable.

A volte queste strategie sono in conflitto tra loro. Ad esempio, se uno le righe del tablet vengono lette con estrema frequenza, Bigtable il tablet sul proprio nodo, anche se questo fa sì che alcuni nodi archivino dati di altri utenti.

Nell'ambito di questo processo, Bigtable potrebbe anche suddividere un tablet in due o più tablet più piccoli, per ridurne le dimensioni o per isolare le righe più utilizzate all'interno di un tablet esistente.

Le sezioni seguenti spiegano ciascuna di queste strategie in modo più dettagliato.

Distribuzione della quantità di dati tra i nodi

Quando scrivi dati in una tabella Bigtable, Bigtable li suddivide in tablet. Ogni tablet contiene un intervallo contiguo di riga all'interno della tabella.

Se hai scritto meno di diversi GB di dati nella tabella, Bigtable archivia tutti i tablet su un singolo nodo all'interno nel tuo cluster:

Man mano che si accumulano più tablet, Bigtable ne sposta alcuni altri nodi del cluster in modo che la quantità di dati sia bilanciata in modo più uniforme nel cluster:

Distribuzione uniforme delle letture e delle scritture tra i nodi

Se hai progettato lo schema correttamente, allora legge e scrive devono essere distribuiti in modo abbastanza uniforme sull'intera tabella. Tuttavia, in alcuni casi non puoi evitare di accedere ad alcune righe più frequentemente di altre. Bigtable ti aiuta a gestire questi casi tenendo conto delle letture e delle scritture quando bilancia i tablet tra i nodi.

Ad esempio, supponiamo che il 25% delle letture venga inviato a un numero ridotto di tablet all'interno di un cluster e le letture sono distribuite in modo uniforme su tutti gli altri tablet:

Bigtable ridistribuirà i tablet esistenti in modo che le letture siano distribuite il più uniformemente possibile nell'intero cluster:

Testa le prestazioni con Bigtable

Se stai eseguendo un test di prestazioni per un'applicazione che dipende da Bigtable, segui queste linee guida durante la pianificazione ed esecuzione del test:

• Esegui test con una quantità sufficiente di dati.
  • Se le tabelle dell'istanza di produzione contengono un totale di massimo 100 GB di dati per nodo, esegui il test con una tabella contenente la stessa quantità di dati.
  • Se le tabelle contengono più di 100 GB di dati per nodo, esegui il test con una contenente almeno 100 GB di dati per nodo. Ad esempio, se la tua istanza di produzione ha un cluster di quattro nodi e le tabelle dell'istanza contengono un totale di 1 TB di dati, esegui il test utilizzando una tabella di almeno 400 GB.
• Esegui il test con una singola tabella.
• Resta al di sotto dell'utilizzo dello spazio di archiviazione consigliato per nodo. Per maggiori dettagli, consulta Utilizzo dello spazio di archiviazione per nodo.
• Prima di eseguire il test, esegui un pre-test impegnativo per diversi minuti. Questo passaggio offre a Bigtable la possibilità di bilanciare i dati tra i nodi in base i pattern di accesso che osserva.
• Esegui il test per almeno 10 minuti. Questo passaggio consente Bigtable ottimizza ulteriormente i dati e aiuta a garantire testerà le letture dal disco e quelle memorizzate nella cache dalla memoria.

Risolvere i problemi di prestazioni

Se ritieni che Bigtable possa creare una performance collo di bottiglia nella tua applicazione, assicurati di controllare tutti gli elementi seguenti:

• Esamina le scansioni di Key Visualizer per la tua tabella. Lo strumento di visualizzazione delle chiavi per Bigtable genera nuovi dati di scansione ogni 15 minuti che mostrano i pattern di utilizzo per ogni tabella di un cluster. Key Visualizer consente di verificare se i tuoi pattern di utilizzo stanno causando risultati indesiderati, ad esempio hotspot in righe specifiche o utilizzo eccessivo della CPU. Scopri come iniziare a utilizzare Key Visualizer.
• Prova a commentare il codice che esegue le letture e le scrive. Se il problema di prestazioni scompare, probabilmente stai utilizzando Bigtable in un modo che comporta prestazioni non ottimali. Se il problema di prestazioni persiste, probabilmente non è correlato a Bigtable.

• Assicurati di creare il minor numero possibile di client. Creazione di un client per Bigtable è un'operazione relativamente costosa. Pertanto, dovresti creare il minor numero possibile di clienti:

  • Se usi la replica o l'app profili per identificare diversi tipi di traffico verso il tuo Ad esempio, crei un client per ogni profilo dell'app e condividi i client in tutta l'applicazione.
  • Se non utilizzi la replica o i profili delle app, crea un singolo cliente e condividilo nell'intera applicazione.

  Se utilizzi il client HBase per Java, crei un oggetto Connection anziché un client, quindi devi creare il minor numero possibile di connessioni.

• Assicurati di leggere e scrivere molte righe diverse nella tabella. Bigtable offre prestazioni migliori quando letture e scritture sono uniformi distribuiti in tutta la tabella, il che aiuta Bigtable a distribuire il carico di lavoro in tutti i nodi del cluster. Se le letture e le scritture non possono essere distribuite su tutti i nodi Bigtable, il rendimento ne risentirà.

  Se ti accorgi che stai leggendo e scrivendo solo un numero limitato di righe, Potrebbe essere necessario riprogettare lo schema in modo che le operazioni di lettura e scrittura sono distribuiti in modo più uniforme.

• Verifica di ottenere lo stesso rendimento approssimativo per letture e scritte. Se noti che le letture sono molto più veloci delle scritture, potresti dover quando tentano di leggere chiavi di riga che non esistono o un ampio intervallo di chiavi di riga contiene solo un numero limitato di righe.

  Per fare un confronto valido tra letture e scritture, dovresti cercare di ottenere risultati validi almeno per il 90% delle letture. Inoltre, se stai leggendo un ampio intervallo di chiavi di riga, misura il rendimento in base al numero effettivo di righe nell'intervallo anziché al numero massimo di righe che potrebbero esistere.

• Utilizza il tipo corretto di richieste di scrittura per i tuoi dati. La scelta del modo ottimale per scrivere i dati consente di mantenere delle prestazioni.

• Controlla la latenza di una singola riga. Se noti una latenza imprevista quando invii richieste ReadRows, puoi controllare la latenza della prima riga della richiesta per restringere la causa. Per impostazione predefinita, la latenza complessiva di una richiestaReadRows include la latenza di ogni riga della richiesta, nonché il tempo di elaborazione tra le righe. Se la latenza complessiva è elevata, ma la latenza della prima riga è bassa, ciò suggerisce che la latenza è causata dal numero di richieste o dal tempo di elaborazione, anziché da un problema con Bigtable.

  Se utilizzi la libreria client Bigtable per Java, puoi visualizzare la metrica read_rows_first_row_latency in Metrics Explorer della console Google Cloud dopo aver attivato le metriche lato client.

• Usa un profilo dell'app separato per ogni carico di lavoro. Se riscontri a problemi di prestazioni dopo l'aggiunta di un nuovo carico di lavoro, crea un nuovo profilo dell'app per il nuovo carico di lavoro. In seguito, puoi monitorare le metriche per i profili delle app separatamente per risolvere ulteriormente i problemi. Consulta: Come funzionano i profili delle app per scoprire perché è una best practice per usare più profili di app.

• Attiva le metriche lato client. Puoi configurare le metriche lato client per contribuire a ottimizzare e risolvere i problemi di prestazioni. Ad esempio, poiché Bigtable funziona meglio con QPS elevate, distribuite uniformemente e P100 aumentato la latenza (max) per una piccola percentuale di richieste non indica necessariamente una un problema di prestazioni più grande con Bigtable. Le metriche lato client possono indicarti quale parte del ciclo di vita della richiesta potrebbe causare la latenza.

Passaggi successivi

• Scopri come progettare uno schema Bigtable.
• Scopri come monitorare il rendimento di Bigtable.
• Scopri come risolvere i problemi relativi a KeyVisualizer.
• Visualizza il codice di esempio per l'aggiunta di nodi a un cluster Bigtable tramite programmazione.