Py学习  »  docker

MySQL运行在Docker容器中会损失多少性能

Java知音 • 1 年前 • 1415 次点击  

前言


自从使用 docker 以来,就经常听说 MySQL 数据库最好别运行在容器中,性能会损失很多。一些之前没使用过容器的同事,对数据库运行在容器中也是忌讳莫深,甚至只要数据库跑在容器中出现性能问题时,首先就把问题推到容器上。


那么到底会损失多少,性能损失会很多吗?


为此我装了两个 MySQL,版本都是 8.0.34。一个用官网二进制包安装,另一个用 docker hub 的 MySQL 镜像安装。两个 MySQL 都运行在同一台机器,但不同时运行,先后运行测试。测试工具用的 sysbench,运行在另一台机器。


提前声明:测试流程比较简单,只是用 sysbench 测了混合读写场景,测试次数也较少,不具有权威性。感兴趣的话,可以自行完善测试流程。



如果对后文没什么兴趣,这里也可以直接说结论:单表百万级以下时,非容器和容器的性能差异并不多。单表千万级时,容器 MySQL 大概会损耗 10% ~ 20%的性能。


应用版本备注
Debian12.0操作系统。4C16G
docker20.10.17容器运行时
MySQL(非 docker)8.0.34基于官方的二进制安装包
MySQL(docker)8.0.34使用 docker hub 的镜像
sysbench1.0.20压测工具


MySQL 配置


MySQL 安装后创建测试用的 sysbench 用户和 sysbench 数据库,调整 innodb_buffer_pool_size 为 2GB。


docker 容器的网络配置为 bridge,挂载数据目录。


sysbench 命令


准备数据


sysbench --db-driver=mysql --mysql-host=192.168.3.21 --mysql-port=3306 --mysql-user=sysbench 


    
--mysql-password=123456 --mysql-db=sysbench --table_size=10000000 --tables=20 --threads=4 oltp_read_write prepare


执行测试


sysbench --db-driver=mysql --mysql-host=192.168.3.21 --mysql-port=3306 --mysql-user=sysbench --mysql-password=123456 --mysql-db=sysbench --time=300 --threads=8 --report-interval=10 oltp_read_write run


清理测试数据


sysbench --db-driver=mysql --mysql-host=192.168.3.21 --mysql-port=3306 --mysql-user=sysbench --mysql-password=123456 --mysql-db=sysbench --table_size=10000000 --tables=20 --threads=4 oltp_read_write cleanup


测试结果


单表 1000w 数据,20 张表,测试 4 次。


MySQL 运行环境测试序列总 SQL 执行数每秒 SQL 数每秒事务数延迟时间(平均)延迟时间(95%)
非容器1379809312658.84632.7812.6420.00
非容器2391457813047.91652.2812.2617.01
非容器3 405986713531.79676.4611.8215.55
非容器4377239012574.00628.5812.7219.65
容器1323067810768.41538.2814.8626.20
容器2353857311794.68589.6213.5719.29
容器3356794311892.56594.5013.4517.63
容器4361620412053.53602.5813.2717.32


平均统计:


MySQL 运行环境总 SQL 执行数每秒 SQL 数每秒事务数延迟时间(平均)延迟时间(95%)
非容器3,886,23212,953.14647.5312.3618.05
容器3,488,35011,627.3581.2513.7920.11
环比-10.24%-10.24%-10.24% +11.57%+11.41%


在测千万级数据量之前,测过几轮几十万级的数据量,非容器和容器版的 MySQL 并没有多大区别。当数据量逐渐增多时,差异就愈加明显。目前测单表 1000w 已经出现 10%左右的性能损耗,如果单表数据继续增大,性能损耗应该也会更多。


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/172276
 
1415 次点击