1. 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。
2. 测试环境
本次测试基于物理机部署（40C250G 3），硬件信息如下。 CPU：Intel(R) Xeon(R) 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） |
3. 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。
3.1 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。
3.1.1 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。
3.1.2 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 |
3.1.3 操作步骤（复现路径）
-
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。
i. OpenMLDB：
- 镜像：
docker pull 4pdosc/openmldb:0.8.5;
- 文档：https://openmldb.ai/docs/zh/main/quickstart/openmldb_quickstart.html；
ii. Redis：
- 镜像：
docker pull redis：7.2.4；
- 文档：https://hub.docker.com/_/redis
-
拉取测试代码;
-
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_CLUSTER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。
-
运行测试：【github benchmark Readme 中相关路径】
-
查看输出结果；
3.2 方法二：使用开源数据集TalkingData
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。 i. OpenMLDB：
- 镜像：
docker pull 4pdosc/openmldb:0.8.5; - 文档：https://openmldb.ai/docs/zh/main/quickstart/openmldb_quickstart.html； ii. Redis：
- 镜像：
docker pull redis：7.2.4； - 文档：https://hub.docker.com/_/redis
拉取测试代码;
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_CLUSTER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。
运行测试：【github benchmark Readme 中相关路径】
查看输出结果；
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：
- 采样数据：OpenMLDB 中的典型案例使用的采样数据
- 全量数据：kaggle
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）。
3.2.1 举例
| ip | app | device | os | channel | click_time | is_attributed |
|---|---|---|---|---|---|---|
| 925 | 15 | 1 | 13 | 245 | 2017/11/7 16:14 | 0 |
| 925 | 18 | 1 | 19 | 107 | 2017/11/8 2:30 | 0 |
| 925 | 24 | 2 | 13 | 178 | 2017/11/8 10:33 | 0 |
| 925 | 21 | 1 | 26 | 128 | 2017/11/7 5:50 | 0 |
| 024 | 14 | 2 | 41 | 467 | 2017/11/8 15:09 | 0 |
| 944 | 2 | 1 | 6 | 377 | 2017/11/8 2:35 | 0 |
| 944 | 18 | 1 | 13 | 439 | 2017/11/8 22:21 | 0 |
| 944 | 12 | 1 | 19 | 481 | 2017/11/7 23:17 | 0 |
| 960 | 15 | 1 | 19 | 4302017/11/8 4:32 | 0 | |
| 973 | 12 | 1 | 13 | 178 | 2017/11/9 2:35 | 0 |
3.2.2 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 |
3.2.3 操作步骤（复现路径）
- 部署 OpenMLDB 和 Redis；
同 3.1.3，这里不再重复。
- 拉取测试代码;
- 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);
- 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；
- 运行测试：【github benchmark Readme 中相关路径】
- 查看输出结果；
4. 测试结果
4.1 随机数据集测试结果
- 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);
| Key 数据量 | Memory Size (bytes) | Memory Size (bytes) | Memory Size (bytes) |
|---|---|---|---|
| Redis | OpenMLDB | 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% |
4.1.1 结论
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。
4.2 TalkingData 数据集测试结果
4.2.1 结果
| daaset | 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% |
4.2.2 结论
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%。
5. 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。
相关阅读
- OpenMLDB 官网：https://openmldb.ai/OpenMLDB
- OpenMLDB GitHub 主页 https://github.com/4paradigm/OpenMLDB
- OpenMLDB 文档 https://openmldb.ai/docs/zh/
- 微信交流群
