ARM處理器在數(shù)據(jù)中心中的應(yīng)用一直是一個熱門話題，我們很想看看他在PG中表現(xiàn)怎么樣。用于測試和評估基于ARM的服務(wù)器，其可用性一直是一個主要障礙，當AWS 2018年宣布在他們的云中提供基于ARM的處理器時，轉(zhuǎn)機出現(xiàn)了。但是還不能太過激動，因為很多人認為這是個實驗性的東西。我們也很謹慎將它推薦給關(guān)鍵用途，而且在測試時也沒太過用心。但是2020年5月Graviton2發(fā)布后，可以認真考慮了。我們決定從PG運行角度獨立研究實例的價格/性能。

要點：請注意，盡管在x86和arm上比較PG很有吸引力，但這是不正確的。這些測試比較了兩個虛擬云中的PG，保護的移動部件不止CPU。我們主要關(guān)注基于兩種不同體系架構(gòu)的兩個特定AWS EC2實例的性價比。

測試設(shè)置

本測試中，選擇了兩個相似的是，一個是教老的m5d.5xlarge，一個是新型基于Graviton2的m6gd.8xlarge。兩個實例都有一個本地”短暫性”存儲。使用非常快速的本地驅(qū)動可有助于暴露系統(tǒng)其它部分的差異，并避免測試云存儲。這些實例并不是完全相同，正如下面看到的，但也非常接近，可以被認為是相同級別。我們使用來自pgdg repo的PG13.1和ubuntu20.04 AMI，小內(nèi)存和大數(shù)據(jù)量進行測試。

實例

實例的規(guī)范和按需定價，參考Northern Virginia region的定價信息，按目前的掛牌價格，m6gd.8xlarge便宜25%。

操作系統(tǒng)及PG設(shè)置

我們選擇ubuntun20.04 LTS AMIS，操心系統(tǒng)上沒有做任何修改，在m5d.8xlarge上兩個本地的NVME SSD統(tǒng)一在一個raid0中。PG使用PGDG存儲庫中提供的.deb包進行安裝。

aarch64 表示64位的ARM架構(gòu)。

下面是PG配置：

Pgbench進行測試

執(zhí)行命令：pgbench -c 16 -j 16 -T 600 -r

16個客戶端連接和16個pgbench job。

無checksum的讀寫

在ARM上有19％的提升．

有checksum的讀寫

Checksum計算會因架構(gòu)不同而有不同性能嗎？開啟PG checksum命令：pg＿checksums －e －D ＄PGDATA

令人驚訝的是，結(jié)果稍微好點，不同只有1．7％，可以認為是噪聲。至少可以得出這樣的結(jié)論：在現(xiàn)代處理器上，啟用checksum不會有明顯的性能下降。

無checksum的只讀

指定負載可以認為是CPU型，因數(shù)據(jù)大小能夠全部放到內(nèi)存，消除了IO影響。ARM下有30％的提升。

有checksum的只讀

同樣類似，有30％的提升。Checksum也沒帶來性能衰減。

注意：當PG從緩沖池讀取或?qū)懗鰰r會計算checksum并寫入頁。另外啟用checksum后，總是會記錄hint bits，增加了WAL IO的壓力。為了爭取驗證checksum開銷，需要更長更大的測試，就行增加對sysbench tpcc所做的一樣。

sysbench－tpcc進行測試

我們決定使用sysbench－tpcc執(zhí)行更詳細的測試。注意感興趣的是數(shù)據(jù)可全放到內(nèi)存的情況。另一方面，雖然ARM服務(wù)器上PG沒有問題，但是與x86服務(wù)器相比，sysbench根據(jù)挑剔。

每個測試執(zhí)行下面步驟：

1）restore必要規(guī)模的數(shù)據(jù)目錄（10／200）

2）用相同參數(shù)進行10分鐘預(yù)熱

3）PG端checkpoint

4）進行測試

16個線程，在內(nèi)存

這種中等負載下，ARM實例性能提升了15．5％。此處及之后結(jié)果，百分比差異基于平均TPS值。

可能會思考，為什么測試在結(jié)束時性能會突然下降。他與full＿page＿writes的checkpoint有關(guān)。即使對于內(nèi)存測試，使用了pareto分布，但是每個checkpoint后仍會寫出相當多的頁面。本實例中，顯示W(wǎng)AL早于對應(yīng)點觸發(fā)checkpoint，所有進行的測試都會有這種下降。

32個線程，在內(nèi)存

32個線程下，性能的不同減小到了將近8％。

64個線程，在內(nèi)存

64個下，減小到了4．5％。

128個線程，在內(nèi)存

兩個實例超過飽和點，性能差異就很小了。經(jīng)仍保持在1．4％水平。此外可以看到ARM的tps下降了6－7％，在x86上下降了4％。

并不是所有測試都有利于Graviton2的實例。在IO綁定測試中，看到兩個實例之間的差異很小，64個128個線程上，常規(guī)的m5d實例性能更好，從下面組合圖上可看到這一點：

造成這種情況的一個可能原因，特別對于m6gd．8xlarge的128線程上的嚴重衰減，是因為缺少m5d．8xlarge所擁有的第二個驅(qū)動器。目前還沒有完全可比較的實例可用，因此我們認為這是一個比較公平的測試。每個實例類型都有一定優(yōu)勢。需要更多測試和分析?？梢允褂肊BS執(zhí)行IO綁定測試，以嘗試刪除本地驅(qū)動器。

有關(guān)測試設(shè)置、結(jié)果、使用腳本和測試之間生產(chǎn)的數(shù)據(jù)的更詳細信息，訪問https：／／github．com／arronax／scratch／tree／master／performance／graviton2－postgres

總結(jié)

執(zhí)行測試中，ARM實例比x86慢的情況不多。過去的幾天測試中，結(jié)果一致。雖然基于ARM的實例便宜了25％，但與x86相比，能夠在大多數(shù)測試中有15－20％的提升。因此基于ARM的實例在各方面提供了更好的性價比。

責(zé)任編輯：gt