{"id":2063,"date":"2015-06-05T17:06:03","date_gmt":"2015-06-05T17:06:02","guid":{"rendered":"https:\/\/www.couchbase.com\/blog\/?p=2063"},"modified":"2023-06-27T22:47:44","modified_gmt":"2023-06-28T05:47:44","slug":"mongodb-is-special-benchmarks-prove-it","status":"publish","type":"post","link":"https:\/\/www.couchbase.com\/blog\/pt\/mongodb-is-special-benchmarks-prove-it\/","title":{"rendered":"O que o MongoDB tem contra a transpar\u00eancia?"},"content":{"rendered":"

O MongoDB publicou outro benchmark realizado pela United Software Associates.<\/p>\n

Os benchmarks s\u00e3o uma ferramenta \u00fatil para avaliar desempenho do banco de dados<\/a>. Mas, para serem \u00fateis, elas devem ser transparentes e repet\u00edveis. Se n\u00e3o atenderem a esses padr\u00f5es, os resultados ser\u00e3o question\u00e1veis.<\/p>\n

Em benchmarks recentes, o Couchbase e o MongoDB adotaram duas abordagens diferentes. O Couchbase documentou claramente a configura\u00e7\u00e3o completa e<\/em> inclu\u00eda os resultados de cada teste. O MongoDB n\u00e3o o fez.<\/p>\n

As tabelas abaixo ilustram as diferentes abordagens adotadas pela Avalon Consulting, LLC e pela United Software Associates:<\/strong><\/p>\n

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
<\/td>\nUnited Software Associates<\/td>\nAvalon Consulting, LLC<\/td>\n<\/tr>\n
YCSB<\/strong><\/td>\n<\/tr>\n
Entradas \/ Opera\u00e7\u00f5es<\/td>\n400M \/ 100M<\/td>\n300M \/ 100M<\/td>\n<\/tr>\n
Tamanho do valor<\/td>\nAusente<\/strong><\/td>\n1K<\/td>\n<\/tr>\n
Tamanho do conjunto de dados<\/td>\nAusente<\/strong><\/td>\n286 GB<\/td>\n<\/tr>\n
Distribui\u00e7\u00e3o de solicita\u00e7\u00f5es<\/td>\nZipfiano<\/td>\nUniforme<\/td>\n<\/tr>\n
Banco de dados<\/strong><\/td>\n<\/tr>\n
N\u00f3s<\/td>\nAusente<\/strong><\/td>\nMongoDB: 9
\nServidor Couchbase: 9<\/td>\n<\/tr>\n
R\u00e9plicas<\/td>\nAusente<\/strong><\/td>\n3 (1 prim\u00e1ria, 2 secund\u00e1rias)<\/td>\n<\/tr>\n
Replica\u00e7\u00e3o<\/td>\nAusente<\/strong><\/td>\nMongoDB: Ass\u00edncrono
\nServidor Couchbase: Async<\/td>\n<\/tr>\n
Persist\u00eancia<\/td>\nAusente<\/strong><\/td>\nMongoDB: Ass\u00edncrono
\nServidor Couchbase: Async<\/td>\n<\/tr>\n
Mem\u00f3ria configurada (por n\u00f3)<\/td>\nAusente<\/strong><\/td>\nMongoDB: 30 GB
\nServidor Couchbase: 30GB<\/td>\n<\/tr>\n
Tamanho total do conjunto de dados (com r\u00e9plicas)<\/td>\nAusente<\/strong><\/td>\n858 GB<\/td>\n<\/tr>\n
Dados prim\u00e1rios residentes na mem\u00f3ria<\/td>\nAusente<\/strong><\/td>\n32%<\/td>\n<\/tr>\n
Vers\u00e3o<\/strong><\/td>\n<\/tr>\n
Banco de dados<\/td>\nMongoDB: 3.0.3
\nServidor Couchbase: 3.0.2<\/td>\n		MongoDB: 3.0.0
\nServidor Couchbase: 3.0.2<\/td>\n<\/tr>\n
Cliente<\/td>\nMongoDB: 3.0.0
\nServidor Couchbase: 2.1.2<\/td>\n		MongoDB: 2.1.3
\nServidor Couchbase: 2.1.0<\/td>\n<\/tr>\n
Hardware<\/strong><\/td>\n<\/tr>\n
Servidores<\/td>\nBanco de dados: 3
\nYCSB: 1<\/td>\n		Banco de dados: 9x AWS EC2 i2.2xlarge
\nYCSB: 2-23x AWS EC2 r2.8xlarge<\/td>\n<\/tr>\n
Processadores<\/td>\nAmbos: 2x 3.0GHz<\/td>\nBanco de dados: 8 vCPU (2,5 GHz)
\nYCSB: 32vCPU (2,5 GHz)<\/td>\n<\/tr>\n
Mem\u00f3ria<\/td>\nAmbos: 96 GB<\/td>\nBanco de dados: 61 GB
\nYCSB: 244 GB<\/td>\n<\/tr>\n
Armazenamento<\/td>\nAmbos: 2x 960GB SSD<\/td>\nBanco de dados: 2x SSD de 800 GB
\nYCSB: 2x 320GB SSD<\/td>\n<\/tr>\n
Trabalho em rede<\/td>\nAmbos: 10GbE<\/td>\nAmbos: alto<\/td>\n<\/tr>\n
SO<\/td>\nAmbos: Ubuntu 14.10<\/td>\nBanco de dados: CentOS 6
\nYCSB: Amazon Linux<\/td>\n<\/tr>\n
SO<\/strong><\/td>\n<\/tr>\n
P\u00e1ginas enormes transparentes (THP)<\/td>\nDesativado<\/td>\nDesativado<\/td>\n<\/tr>\n
NUMA<\/td>\nDesativado<\/td>\nDesativado<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n

Espero que o MongoDB e a DataStax me ajudem a aprimorar esse modelo para futuros benchmarks.<\/em><\/p>\n

Resultados de benchmark da United Software Associates<\/strong><\/h3>\n

Eles n\u00e3o publicaram os resultados de todos<\/em> eles publicaram os resultados de um deles.<\/p>\n

O benchmark indica que o n\u00famero ideal de threads para cada banco de dados \u00e9 150 ou 350, dependendo da carga de trabalho, mas n\u00e3o indica o n\u00famero de threads para os resultados publicados.<\/p>\n

Carga de trabalho A Taxa de transfer\u00eancia<\/u><\/h4>\n
\n\n\n\n\n\n\n\n\n\n\n\n
Fios<\/strong><\/td>\nMongoDB<\/strong><\/td>\nServidor Couchbase<\/strong><\/td>\n<\/tr>\n
105<\/td>\nAusente<\/td>\nAusente<\/td>\n<\/tr>\n
140<\/td>\nAusente<\/td>\nAusente<\/td>\n<\/tr>\n
175<\/td>\nAusente<\/td>\nAusente<\/td>\n<\/tr>\n
210<\/td>\nAusente<\/td>\nAusente<\/td>\n<\/tr>\n
245<\/td>\nAusente<\/td>\nAusente<\/td>\n<\/tr>\n
280<\/td>\nAusente<\/td>\nAusente<\/td>\n<\/tr>\n
315<\/td>\nAusente<\/td>\nAusente<\/td>\n<\/tr>\n
350<\/td>\nAusente<\/td>\nAusente<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n

Resultados - Lat\u00eancia da carga de trabalho A<\/u><\/h4>\n
\n\n\n\n\n\n\n\n\n\n\n\n
Fios<\/strong><\/td>\nMongoDB<\/strong><\/td>\nServidor Couchbase<\/strong><\/td>\n<\/tr>\n
105<\/td>\nLer: Desaparecido
\nEscrever: Missing<\/td>\n		Ler: Desaparecido
\nEscrever: Missing<\/td>\n<\/tr>\n
140<\/td>\nLer: Desaparecido
\nEscrever: Missing<\/td>\n		Ler: Desaparecido
\nEscrever: Missing<\/td>\n<\/tr>\n
175<\/td>\nLer: Desaparecido
\nEscrever: Missing<\/td>\n		Ler: Desaparecido
\nEscrever: Missing<\/td>\n<\/tr>\n
210<\/td>\nLer: Desaparecido
\nEscrever: Missing<\/td>\n		Ler: Desaparecido
\nEscrever: Missing<\/td>\n<\/tr>\n
245<\/td>\nLer: Desaparecido
\nEscrever: Missing<\/td>\n		Ler: Desaparecido
\nEscrever: Missing<\/td>\n<\/tr>\n
280<\/td>\nLer: Desaparecido
\nEscrever: Missing<\/td>\n		Ler: Desaparecido
\nEscrever: Missing<\/td>\n<\/tr>\n
315<\/td>\nLer: Desaparecido
\nEscrever: Missing<\/td>\n		Ler: Desaparecido
\nEscrever: Missing<\/td>\n<\/tr>\n
350<\/td>\nLer: Desaparecido
\nEscrever: Missing<\/td>\n		Ler: Desaparecido
\nEscrever: Missing<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n

Avalon Consulting, LLC Resultados de refer\u00eancia<\/h3>\n

Eles publicaram os resultados de todos<\/em> testes e<\/u> indicou o n\u00famero de threads para eles.<\/p>\n

Carga de trabalho A Taxa de transfer\u00eancia<\/u><\/h4>\n
\n\n\n\n\n\n\n\n\n\n\n\n
Fios<\/strong><\/td>\nMongoDB<\/strong><\/td>\nServidor Couchbase<\/strong><\/td>\n<\/tr>\n
105<\/td>\n61K<\/td>\n110K<\/td>\n<\/tr>\n
140<\/td>\n65K<\/td>\n141K<\/td>\n<\/tr>\n
175<\/td>\n67K<\/td>\n154K<\/td>\n<\/tr>\n
210<\/td>\n70K<\/td>\n170K<\/td>\n<\/tr>\n
245<\/td>\n74K<\/td>\n193K<\/td>\n<\/tr>\n
280<\/td>\nLat\u00eancia m\u00e1xima excedida<\/td>\n238K<\/td>\n<\/tr>\n
315<\/td>\nLat\u00eancia m\u00e1xima excedida<\/td>\n245K<\/td>\n<\/tr>\n
350<\/td>\nLat\u00eancia m\u00e1xima excedida<\/td>\n252K<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n

Resultados - Lat\u00eancia da carga de trabalho A <\/u><\/h4>\n
\n\n\n\n\n\n\n\n\n\n\n\n
Fios<\/strong><\/td>\nMongoDB<\/strong><\/td>\nServidor Couchbase<\/strong><\/td>\n<\/tr>\n
105<\/td>\nLeitura: 1,42 ms
\nEscrever: 2,05 ms<\/td>\n		Leitura: 0,78ms
\nGrava\u00e7\u00e3o: 0,76 ms<\/td>\n<\/tr>\n
140<\/td>\nLeitura: 2,01 ms
\nGrava\u00e7\u00e3o: 2,97 ms<\/td>\n		Leitura: 0,79ms
\nGrava\u00e7\u00e3o: 0,78 ms<\/td>\n<\/tr>\n
175<\/td>\nLeitura: 3,16 ms
\nGrava\u00e7\u00e3o: 3,54ms<\/td>\n		Leitura: 0,89ms
\nGrava\u00e7\u00e3o: 0,88 ms<\/td>\n<\/tr>\n
210<\/td>\nLeitura: 3,5 ms
\nGrava\u00e7\u00e3o: 4,49ms<\/td>\n		Leitura: 0,93 ms
\nGrava\u00e7\u00e3o: 0,92 ms<\/td>\n<\/tr>\n
245<\/td>\nLeitura: 4,19 ms
\nGrava\u00e7\u00e3o: 5,38ms<\/td>\n		Leitura: 0,92 ms
\nGrava\u00e7\u00e3o: 0,91 ms<\/td>\n<\/tr>\n
280<\/td>\nLat\u00eancia m\u00e1xima excedida<\/td>\nLeitura: 0,92 ms
\nGrava\u00e7\u00e3o: 0,92 ms<\/td>\n<\/tr>\n
315<\/td>\nLat\u00eancia m\u00e1xima excedida<\/td>\nLeitura: 1,06 ms
\nGrava\u00e7\u00e3o: 0,99 ms<\/td>\n<\/tr>\n
350<\/td>\nLat\u00eancia m\u00e1xima excedida<\/td>\nLeitura: 1,22 ms
\nGrava\u00e7\u00e3o: 1,22 ms<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n

Configura\u00e7\u00e3o de refer\u00eancia<\/strong><\/h2>\n

Um benchmark, se voc\u00ea se importar, deve responder \u00e0s seguintes perguntas:<\/p>\n