OpenMLDB vs Redis 内存占用量测试报告#

背景#

OpenMLDB 是一款开源的高性能全内存 SQL 数据库，在时序数据存储、实时特征计算等方面都有很多创新和优化。Redis 是业界最流行的内存存储数据库，广泛应用于缓存等高性能在线场景。虽然二者应用场景不尽相同，但作为都是使用内存作为存储介质的数据库，希望通过对相同数据行数下的内存占用量进行测试对比，让客户直观了解二者在内存资源上的消耗占比。

测试环境#

本次测试基于物理机部署（40C250G * 3），硬件信息如下。

硬件

配置

CPU

Intel® Xeon® CPU E5-2630 v4 @ 2.20GHz

Processor

40 Cores

Memory

250 G

Storage

HDD 7.3T * 4

软件版本具体如下。

对比产品

版本

部署模式

内存统计方式

OpenMLDB

0.8.5

集群模式(2 tablets)

内置命令（show table status）

Redis

7.2.4

单机模式

内置命令（info）

测试方法#

使用 Java 开发测试工具，使用OpenMLDB Java SDK 和 Jedis，分别向 OpenMLDB 和 Redis 插入相同的数据，对比两者的内存占用情况。因为两者支持的数据类型和数据存储方式的不同，实际数据插入方式有一定的差异。因为特征数据都是有时序的，为了尽可能贴近用户的实际使用情况，我们设计了两种测试方式。

方法一：随机生成数据数据集#

设计每一个测试数据集都有 m 个 key作为主键，每个 key 可能有 n 个不同的 value（模拟时序性）。简单起见，这里 value 就只用 1 个字段表示，可以通过配置参数分别控制 key 和 value 字段长度。对应到 OpenMLDB，创建一个包含（ key，value）两列数据的测试表，以每一个 key:value 作为一条数据，插入测试表中。对应到 Redis，以每个 key 作为键，以这个 key 对应的多个 value 组合为 zset，存储到 Redis 中。

举例#

计划测试 100万（记为1M）个 key，每个 key 对应有 100 条时序数据。则实际存储时，OpenMLDB 中存储的实际数据量为 1M * 100 = 100M，即 1 亿条数据。而 Redis 中，则是存储 1M 个键，每个 key 对应的 value 为包含 100 个成员的 zset。

可配置参数#

配置项

说明

默认值

KEY_LENGTH

key 的长度

50

VALUE_LENGTH

单个 value 的长度

100

VALUE_PER_KEY

每个 key 对应的 value 个数

5

TOTAL_KEY_NUM

想要测试的 key 数量。解析为列表，依次循环进行测试

1000,10000,100000,500000,1000000

REDIS_HOST_PORT

redis 的连接参数

127.0.0.1:6379

OPENMLDB_TABLE_NAME

OpenMLDB 的测试表名

test_db

ZK_CLUSTER

zk 的连接参数

127.0.0.1:2181

ZK_PATH

zk path

/openmldb

操作步骤（复现路径）#

  1. 部署 OpenMLDB 和 Redis：部署可以使用容器化部署或者使用软件包在物理机上直接部署，经过对比，两者无明显差异。下边以容器化部署为例进行举例描述。

  2. 拉取测试代码

  3. 修改配置

    • 配置文件：src/main/resources/memory.properties – [link]

    • 配置说明：必须确认REDIS_HOST_PORT和ZK_CLUSTE配置与实际测试环境一致， 其它配置为测试数据量相关配置，请按需配置。注意：如果数据量过大，测试耗时会比较长。

  4. 运行测试：【github benchmark Readme 中相关路径】

  5. 查看输出结果

方法二：使用开源数据集TalkingData#

为了使结果更具说服力，覆盖更多的数据类型，也便于复现和对比结果，我们也设计使用开源数据集进行测试。数据集为OpenMLDB 典型案例 TalkingData（广告欺诈检测数据集）。这里使用 TalkingData 的 train 数据集，其获取方式如下：

方法一略有不同，TalkingData 数据集包含多列数据，包含字符串、数字和时间类型。为了让存储和使用更符合实际应用场景，这里设计使用TalkingData的 ip 列作为 key 进行存储。对应到 OpenMLDB 中，即创建一个和 TalkingData数据集对应的数据表，为 ip 列创建索引（OpenMLDB 默认为第一列创建索引）。对应到 Redis，以 ip 为键，以其他列数据的 JSON 字符串组成 zset 进行存放（TalkingData作为时序数据，存在多行数据具有相同 ip 的情况）。

举例#

ip

app

device

os

channel

click_time

is_attributed

925

15

1

13

245

7/11/2017 16:14

0

925

18

1

19

107

8/11/2017 2:30

0

925

24

2

13

178

8/11/2017 10:33

0

925

21

1

26

128

7/11/2017 5:50

0

925

14

2

41

467

8/11/2017 15:09

0

944

2

1

6

377

8/11/2017 2:35

0

944

18

1

13

439

8/11/2017 22:21

0

944

12

1

19

481

7/11/2017 23:17

0

960

15

1

19

430

8/11/2017 4:32

0

973

12

1

13

178

9/11/2017 2:35

0

可配置参数#

配置项

说明

默认值

REDIS_HOST_PORT

redis 的连接参数

127.0.0.1:6379

ZK_CLUSTER

zk 的连接参数

127.0.0.1:2181

ZK_PATH

zk path

/openmldb

操作步骤（复现路径）#

  1. 部署 OpenMLDB 和 Redis：同方法一，这里不再重复。

  2. 拉取测试代码

  3. 修改配置

    • 配置文件：src/main/resources/memory.properties – [link]

    • 配置说明：

      • 确认REDIS_HOST_PORT和ZK_CLUSTER配置与实际测试环境一致;

      • 修改TALKING_DATASET_PATH(默认使用 resources/data/talking_data_sample.csv)

  4. 获取测试数据文件并放到resources/data目录下，和TALKING_DATASET_PATH配置路径一致

  5. 运行测试：【github benchmark Readme 中相关路径】

  6. 查看输出结果

测试结果#

随机数据集测试结果#

Key 数据量

RedisMem (bytes)

OpenMLDBMem (bytes)

Reduction percent*

1k

2,769,280

1,286,704

53.54%

10k

19,864,176

12,873,424

35.19%

100k

190,316,568

128,754,536

32.35%

200k

379,537,928

257,521,192

32.15%

500k

944,725,616

643,863,920

31.85%

1m

1,884,007,736

1,287,708,720

31.65%

2m

3,753,713,064

2,575,360,296

31.39%

test-result-1

在前述实验条件下，存储同样数量的数据，OpenMLDB（内存表模式）的内存使用量相对于 Redis 少 30% 以上。

TalkingData 数据集测试结果#

Dataset

数据量（条）

RedisMem (bytes)

OpenMLDBMem (bytes)

Reduction percent

talking-data-train-sample

10,000

9,272,328

2,339,699

74.77%

talking-data-train-sample

100,000

48,501,288

15,624,290

74.77%

talking-data-train-sample

1,000,000

215,323,024

105,722,441

50.90%

talking-data-train-sample

10,000,000

1,897,343,984

1,008,276,458

46.86%

talking-data-train

184,903,890

34,071,049,864

18,513,271,540

45.66%

test-result-2

得益于 OpenMLDB 对数据的压缩效果，在 TalkingData train数据集上， 截取小批量数据时，OpenMLDB 相对于 Redis的内存使用量，大幅降低 74.77%。随着测试用数据量的增加，因为TalkingData train 数据集本身的特点， 向 Redis 中存储时，存在大量的重复 key 的情况，OpenMLDB 相对于 Redis 的存储优势有所减小。直到将TalkingData train 数据集全部存入数据库，OpenMLDB 相对于 Redis，内存减少 45.66%。

结论#

在开源数据集 TalkingData 上，存储相同量级的数据，OpenMLDB 相对于 Redis，内存使用量减少45.66%。即便是 在纯字符串数据集上，OpenMLDB 相对于 Redis 也能减少 30% 以上的内存占用。

由于 OpenMLDB 采用了紧凑的行编码格式，各种数据类型在存储相同数据量时都得到了优化。这种优化不仅在全内存数据库中减少了内存占用，降低了服务成本，而且通过与主流内存数据库 Redis 进行存储测试比较，进一步展示了 OpenMLDB 项目在内存占用和服务总体成本（TCO）中拥有更优势的表现。