Informazioni sul rendimento

Questa pagina descrive le prestazioni approssimative che Bigtable può fornire in condizioni ottimali, fattori che possono influire sul rendimento e suggerimenti per i test e la risoluzione dei problemi di prestazioni di Bigtable.

Prestazioni per carichi di lavoro tipici

Bigtable offre prestazioni altamente prevedibili in modo lineare e scalabile. Evitando le cause di un rallentamento delle prestazioni descritte di seguito, ciascun nodo Bigtable può fornire velocità effettiva approssimativa, in base al tipo di archiviazione del cluster utilizza:

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 e i dati di Google Cloud.

In generale, le prestazioni di un cluster scalano in modo lineare man mano che aggiungi nodi in un cluster Kubernetes. Ad esempio, se crei un cluster SSD con 10 nodi, il cluster può supportare fino a 140.000 righe al secondo per una tipica carico di lavoro.

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 i dati relativi al rendimento possono essere utili come punto di partenza per fare una stima del per esigenze di calcolo, ma non devono essere usate per il dimensionamento esatto dei cluster o per stime dei costi.

Pianificare la capacità di Bigtable

Quando pianifichi i cluster Bigtable, decidi se ottimizzare per latenza o throughput. 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 a una 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.

Attieniti alle linee guida riportate di seguito quando configuri i target di scalabilità automatica 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 determinata dal tipo di archiviazione e dal numero di nodi nel cluster. 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 lo spazio di archiviazione del cluster (byte) per il numero di nodi nel 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.

Inizia con quanto segue quando configuri le impostazioni di scalabilità automatica. 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 ulteriori informazioni, consulta Spazio di archiviazione per nodo.

Esegui i 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.

Lo strumento PerfKit Benchmarker di Google utilizza YCSB per eseguire il benchmarking del cloud i servizi di machine learning. Puoi seguire Tutorial PerfKitBenchmarker per Bigtable per creare test per i tuoi carichi di lavoro. A questo scopo, devi ottimizzare i parametri nei file di configurazione del benchmarking yaml per assicurarti che il benchmark generato rifletta le seguenti caratteristiche nella 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 chiave 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 colpisce un nodo caldo può aumentare la latenza di coda. Per informazioni dettagliate, consulta Letture e rendimento.
• 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 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 di cellule. Bigtable impiega tempo per elaborare ogni cella in una riga. Inoltre, ogni cella aggiunge alla quantità di dati archiviati nella tabella e inviati sulla rete. Ad esempio: se archivi 1 KB (1.024 byte) di dati, è molto più efficiente in termini di spazio archiviare quei dati singola cella, invece di diffondere i dati in 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 con timestamp Considera di conservare solo il valore più recente. Un altro per una tabella già esistente è inviare un'eliminazione per tutti i a ogni riscrittura.

• Il cluster non ha un numero sufficiente di nodi. I nodi di un cluster forniscono risorse di calcolo per consentire al cluster di gestire le letture e le scritture in arrivo, tenere traccia dello spazio di archiviazione ed eseguire attività di manutenzione come la compattazione. Devi assicurarti in modo che il cluster abbia un numero sufficiente di nodi per soddisfare i limiti consigliati computing e archiviazione. Utilizza gli strumenti di monitoraggio per verificare se il cluster è sovraccarico.

  • Computing: se la CPU del cluster Bigtable è sovraccaricata, l'aggiunta di altri nodi può migliorare le prestazioni suddividendo il carico di lavoro su più nodi.
  • Spazio di archiviazione: se l'utilizzo dello spazio di archiviazione per nodo è diventato superiore a quanto consigliato, devi aggiungere altri nodi per mantenere ottimali la latenza e il throughput, anche se il cluster dispone di CPU sufficienti per elaborare le richieste. Questo perché aumentando lo spazio di archiviazione per nodo aumenta la quantità di manutenzione in background per nodo. Per maggiori dettagli, consulta Permute tra dell'utilizzo e delle prestazioni dello spazio di archiviazione.

• Di recente è stato eseguito lo scale up o lo scale down del cluster Bigtable. Una volta aumentato il numero di nodi in un cluster, possono essere necessarie fino a 20 minuti sotto carico, prima di osservare un miglioramento significativo le prestazioni dei dispositivi. 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, il cluster deve utilizzare dischi SSD, che hanno prestazioni notevolmente migliori rispetto ai dischi HDD. Per maggiori dettagli, consulta Scegliere tra archiviazione SSD e HDD.

• Esistono problemi di connessione di rete. I problemi di rete possono ridurre la velocità effettiva e far sì che le letture e le scritture impieghino più tempo del solito. In particolare, potresti riscontrare problemi se i tuoi clienti non utilizzano zona come cluster Bigtable o se i tuoi client eseguono 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 abilitato la replica, assicurati che la libreria client di Cloud Bigtable utilizzata dalla tua applicazione sia aggiornate. Le versioni precedenti delle librerie client potrebbero non essere ottimizzate per supportare la replica. Consulta la pagina 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 abilitato la replica, ma non hai aggiunto altri nodi ai cluster. In un che utilizza la replica, ogni cluster deve gestire il lavoro di replica oltre al carico che riceve dalle applicazioni. I cluster sottodimensionati possono causare un aumento della latenza. Puoi verificarlo controllando i grafici relativi all'utilizzo della CPU nella console Google Cloud.

Poiché carichi di lavoro diversi possono far variare le prestazioni, è necessario eseguire test con i propri carichi di lavoro per ottenere benchmark più accurati.

Avvii a freddo e QPS basse

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

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

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

Se utilizzi una versione del client Cloud Bigtable per Java che precedenti alla 2.18.0, puoi attivare l'aggiornamento dei canali. Nelle versioni successive, l'ottimizzazione del canale è attivata per impostazione predefinita.

Durante gli avvii a freddo o i periodi di QPS ridotto, il numero di errori restituiti da Bigtable è più pertinente della percentuale di operazioni che restituiscono un errore.

In che modo Bigtable ottimizza i dati nel tempo

Per archiviare i dati sottostanti di ciascuna tabella, Bigtable suddivide i dati in più tablet, che possono essere spostati tra i nodi del 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 prova a distribuire le letture e le scritture in modo uniforme tra a 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 richieste 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 in altri nodi del cluster in modo che la quantità di dati sia distribuita in modo più uniforme nel cluster:

Distribuzione di letture e scritture in modo uniforme tra i nodi

Se hai progettato lo schema correttamente, le letture e le scritture dovrebbero essere distribuite in modo abbastanza uniforme in tutta la tabella. Tuttavia, in alcuni casi non puoi evitare di accedere ad alcune righe più frequentemente di altre. Bigtable ti aiuta a gestire questi casi eseguendo letture e scrive quando bilancia i tablet tra i nodi.

Ad esempio, supponiamo che il 25% delle letture venga indirizzato a un numero ridotto di tablet all'interno di un cluster e che le letture siano distribuite uniformemente su tutti gli altri tablet:

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

Testare 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 tabella che contenga almeno 100 GB di dati per nodo. Ad esempio, se di produzione ha un cluster a quattro nodi e le tabelle nell'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.
• Rimani 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 consente a Bigtable di bilanciare i dati tra i nodi in base ai pattern di accesso osservati.
• Esegui il test per almeno 10 minuti. Questo passaggio consente a Bigtable di ottimizzare ulteriormente i dati e ti aiuta a verificare le letture dal disco e le letture 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:

• Guarda le scansioni di Key Visualizer per la tua tabella. Lo strumento Key Visualizer per Bigtable genera nuovi dati di scansione ogni 15 che mostra i pattern di utilizzo per ciascuna tabella in 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 letture e scritture Bigtable. 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 Bigtable.

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

  • Se utilizzi la replica o i profili di app per identificare diversi tipi di traffico verso la tua istanza, crea un client per profilo di app e condividilo nell'intera applicazione.
  • Se non utilizzi la replica o i profili delle app, crea un singolo client 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 funziona al meglio quando le letture e le scritture sono distribuite uniformemente nella tabella, il che aiuta Bigtable a distribuire il carico di lavoro su 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 che il rendimento sia quasi uguale per le letture e scrive. Se noti che le letture sono molto più veloci delle scritture, potresti essere in procinto di leggere chiavi di riga che non esistono o un ampio intervallo di chiavi di riga che contiene solo un numero limitato di righe.

  Per fare un confronto valido tra letture e scritture, dovresti puntare a almeno il 90% delle letture restituisca risultati validi. Inoltre, se leggi un un ampio intervallo di chiavi di riga, misura le prestazioni in base al numero effettivo righe incluse in quell'intervallo, anziché il numero massimo di righe che potrebbe essere. esistono.

• Utilizza il tipo corretto di richieste di scrittura per i tuoi dati. Scegliere il modo ottimale per scrivere i dati consente di mantenere un elevato livello di prestazioni.

• Controlla la latenza di una singola riga. Se noti una latenza imprevista durante inviando ReadRows richieste, puoi controllare la latenza della prima riga per individuare la causa. Per impostazione predefinita, la latenza complessiva La richiesta ReadRows include la latenza per 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 di Bigtable per Java, puoi visualizzare la metrica read_rows_first_row_latency nella Esplora metriche della console Google Cloud dopo aver abilitato 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. Poi puoi monitorare per i profili delle app separatamente per risolvere il problema. 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 facilitare ottimizzare e risolvere i problemi relativi alle 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 per fornirti insight su quale parte del ciclo di vita della richiesta potrebbe causare latenza.

Passaggi successivi

• Scopri come progettare uno schema Bigtable.
• Scopri come monitorare il rendimento di Bigtable.
• Scopri come risolvere i problemi relativi a Key Visualizzatore.
• Visualizza il codice campione per aggiungere nodi in modo programmatico a una Cluster Bigtable.