|
1 测试环境
1.1使用icc编译器编译MySQL5.0
在configure前需要通过CC，CXX等变量改变编译器为icc。具体命令如下：
CC=icc CXX=icpc CFLAGS="-O3 -unroll2 -no-gcc –restrict -fPIC" CXXFLAGS="-O3 -unroll2 -no-gcc –restrict -fPIC" ./configure ……
上述需要注意的是-fPIC参数，如果不添加这个参数，编译过程中会出现“could not read symbols：bad value”错误。
1.2使用icc编译器编译MySQL5.1
在编译mysql5.1时，除了像编译5.0那样修改CC，CXX参数外，还需要修改mysql5.1（5.1.40）mysys/stacktrace.c中的代码，以避免编译过程中出现重定义错误。该错误是由于icc编译器和gcc编译支持的代码特性不同引起的。
char __attribute__ ((weak)) *
my_demangle(const char *mangled_name __attribute__((unused)),
int *status __attribute__((unused)))
{
return NULL;
}
改为：
#if defined(__INTEL_COMPILER)
#pragma weak my_demangle=my_demangle_null
char *my_demangle_null(const char *mangled_name, int *status)
{
return NULL;
}
#else
char __attribute__ ((weak)) *my_demangle(const char *mangled_name, int *status)
{
return NULL;
}
#endif /* !__INTEL_COMPILER */
1.3测试机器及环境
测试机有4颗CPU，16G内存。Icc编译的mysql和gcc编译的mysql同时安装在这台机器上，以避免由于机器差异而引起的性能差异。两个mysql的配置文件是相同的，以避免cache等参数的不同，引起的性能差异。
2 正确性测试方法及结果
2.1 正确性测试方法
本节是验证icc编译的mysql在程序逻辑和行为上的正确性。测试方法是选取某数据库的数据和两条典型SQL，分别在icc编译的mysql和gcc编译的mysql上执行。对比它们的输出来验证：icc编译的mysql执行结果是否和gcc编译的mysql的执行结果一致。测试包含对InnoDB和MyISAM两种引擎的分别测试。测试使用的两个SQL：
SQL1：select * from tb_customer where urldomain like "%.net" and status=3；
SQL2：update tb_customer set cust_prov=20 where pose_id=178;
针对SQL2，在执行完SQL2后，使用“select cust_prov from tb_customer where pose_id=178;”观察输出来验证SQL2执行的正确性。
2.2 正确性测试结果
下表中的数据是相关测试结果：
正确性测试结果 |
InnoDB |
MyISAM |
SQL1执行结果的MD5 |
SQL2执行结果的MD5 |
SQL1执行结果的MD5 |
SQL1执行结果的MD5 |
Icc编译的mysql |
6d48abf99ba07623 e98312079c4ae84f |
a76c01d4047639de d05bc06d8b800e96 |
6d48abf99ba07623 e98312079c4ae84f |
a76c01d4047639de d05bc06d8b800e96 |
Gcc编译的mysql |
6d48abf99ba07623 e98312079c4ae84f |
a76c01d4047639de d05bc06d8b800e96 |
6d48abf99ba07623 e98312079c4ae84f |
a76c01d4047639de d05bc06d8b800e96 |
表1
通过上表可以看出，icc编译的mysql在上述两个SQL上执行结果完全一致。通过本节测试可以证明icc编译的mysql在程序逻辑和行为上的正确性。
3 性能测试方法
本节整个测试分成两部分：1使用sql-bench对icc编译的mysql和gcc编译的mysql进行对比测试；2使用mysqlslap、某数据库数据对两个编译版本的mysql进行对比测试。
3.1使用sql-bench的测试方法
Sql-bench是一些通用的测试benchmark的集合，这些benchmark覆盖了多种SQL操作。它们的特点是测试表中的数据量不是太大，测试用的SQL操作丰富。测试方法：运行两个sql-bench，以相同的bench-mark测试icc编译的mysql和gcc编译的mysql。测试中包含针对InnoDB和MyISAM两种引擎的分别测试。
在测试过程中统计top中cpu信息和相关mysql进程内存占用信息，然后取均值。这些值均是以占机器总cpu时间，总物理内存的百分比的形式给出。以获得icc编译的mysql和gcc编译的mysql资源占用的比较。同时统计相关SQL集合的执行时间，以获得两个编译版本在执行时间(Qphotoshop/ target=_blank class=infotextkey>PS)上的对比。
3.2使用mysqlslap的测试方法
测试工具是mysqlslap，测试数据库是某数据库。测试中包含针对InnoDB和MyISAM两种引擎的分别测试。
对于InnoDB引擎：测试脚本是从上述数据库一天的全日制中抽取了10000条update和select类型的SQL。这些SQL组成了全测试脚本。在这个测试脚本的基础上，从中挑选了3个有代表性的SQL作为3个独立的测试脚本。
对于MyISAM引擎，从上面的测试脚本中挑选了4个有代表性的SQL，将它们对应的表转化成了MyISAM引擎进行测试。
测试方法：使用mysqlslap，同样的测试脚本，对icc编译的mysql和gcc编译的mysql进行测试。在全脚本测试过程中统计top中cpu信息和相关mysql进程内存占用信息，然后取均值。同时统计相关SQL集合的执行时间。对于后续的单独SQL测试，由于这些SQL资源消耗比较小，执行时间都比较短，没有采集执行它们时的资源消耗。
4 性能测试结果及分析
4.1使用sql-bench性能测试结果及分析
使用sql-bench的测试结果如下：
InnoDB |
执行时间 |
Cpu%（us） |
Cpu%（sy） |
Cpu%（id） |
Mem% |
Icc编译的mysql |
1427s |
20.4 |
5.1 |
70.8 |
7.9 |
Gcc编译的mysql |
1248s |
19.6 |
5.9 |
70.5 |
9.7 |
Icc较gcc的优势 |
-14.3% |
- |
- |
- |
- |
MyISAM |
执行时间 |
|
|
|
|
Icc编译的mysql |
502.69s |
19.1 |
8.0 |
71.5 |
4.4 |
Gcc编译的mysql |
583.88s |
19.6 |
7.5 |
71.5 |
8.0 |
Icc较gcc的优势 |
13.9% |
- |
- |
- |
- |
表2
对于InnoDB引擎，sql-bench测试结果显示整体上icc编译的mysql在执行时间上较gcc编译的mysql没有优势，相反还有劣势。但分析测试过程中的各种SQL，发现基于InnoDB表primary key的更新，查找操作icc编译的mysql较gcc编译的mysql还是有优势的。但是对于基于InnoDB辅助索引的查找和更新，icc编译的mysql性能不如gcc编译的mysql。这应该和InnoDB数据存储方式聚簇索引相关，基于primary key的操作直接可以定位需要的数据；但是基于辅助索引的操作，则需要辅助索引和primary key两次才能定位，这中间是大量的随机读，增加IO负载。
对于MyISAM引擎，不存在上述问题，所有索引中直接存放着数据行的物理位置。从sql-bench测试结果上看，icc编译的mysql优势明显，整体在执行时间上减少了13.9%。同时从测试中每个阶段上来看，在insert，select阶段，icc较gcc分别减少13.8%，26.1%。
在对于InnoDB和MyISAM测试过程中，统计系统cpu信息和相关进程占用内存的信息。Icc编译的mysql在cpu开销上和gcc编译的mysql相差不多；内存使用上icc版mysql较gcc版要少。通过iostat观察磁盘利用率绝大部分时间里保持在5%以下，而cpu的user使用率在20%以上。尤其是在MyISAM测试过程中insert和select测试阶段，磁盘利用率大部分时间保持在3%以下。通过这些数据可以看出CPU相关的计算操作是这个测试中较主要的方面，而IO负载对测试结果影响较少。
通过这个测试，可以看出icc编译的mysql对于MyISAM引擎优化效果明显；对于InnoDB基于primary key的操作有优化效果。但是对于InnoDB基于辅助索引的操作，icc编译的mysql存在劣势。同时，在IO负载不大，CPU负载相对较大的环境中，icc可以发挥优势。
4.2 使用mysqlslap的测试结果及分析
4.2.1 使用某数据库数据，InnoDB引擎测试结果及分析
4.2.1.1 对于全脚本回放测试结果比较及分析
整个脚本中的SQL均是InnoDB引擎的。从整个脚本回放测试的结果比较来看，icc编译出的mysql并没有显现出优势，执行时间上比gcc编译出的mysql慢。
全脚本测试 |
执行时间 |
Concurrency=1 |
Concurrency=10 |
Concurrency=20 |
Icc编译的mysql |
230.34s |
736.70s |
1614.49s |
Gcc编译的mysql |
197.34s |
623.70s |
1334.76s |
Icc较gcc的优势 |
-16.7% |
-18.1% |
-21.0% |
表3
全脚本测试 |
Concurrency=1 |
Concurrency=10 |
Concurrency=20 |
Cpu% |
Mem% |
Cpu% |
Mem% |
Cpu% |
Mem% |
us |
sy |
Id |
Us |
sy |
Id |
us |
sy |
id |
Icc-mysql |
9.9 |
2.0 |
71.9 |
7.7 |
61.7 |
9.0 |
25.3 |
7.5 |
66.4 |
17.2 |
15.1 |
7.5 |
Gcc-mysql |
10.1 |
1.2 |
72.6 |
10.7 |
60.6 |
3.1 |
30.3 |
11.3 |
80.1 |
7.2 |
10.6 |
11.5 |
表4
表4是icc编译的mysql和gcc编译的mysql在测试过程中资源使用情况的对比。从表中数据可以看出，icc编译的mysql在cpu，内存开销上较gcc编译的mysql要小。同时需要注意的是在cpu花在系统kernel内的时间上，icc编译的mysql明显多于gcc编译的mysql。怀疑底层系统由gcc编译和上层icc编译的应用程序配合有问题。在全脚本测试的过程中，通过iostat观察IO负载情况，发现磁盘利用率大部分时间保持在50%以上，一部分时间会在90%以上。说明这种情况下，IO负载是比较大的。
4.2.1.2 特定的3个SQL测试结果及分析
在做完整个全脚本测试比较之后，我分析了脚本中包含的SQL。把它们归纳归类，然后对每一种类型的SQL进行对比测试。从每种SQL的执行计划、执行过程来分析该SQL在icc编译的mysql和gcc编译的mysql表现出来的不同执行时间。从这些信息分析icc编译的mysql性能具有优势的方面。下面对3种具有代表性的SQL的测试结果。
SQL1：update tst_report_orderinfo_stat t,tst_userposmap_info t1,tst_postree_info t2 set t.posid=t2.posid where t.submitor_id=t1.ucid and t1.posid=t2.posid and t1.dataowner=1 and t2.postype=3 and t.finance_arr_date=t1.stat_date and t2.stat_date=t1.stat_date ;
SQL1 |
执行时间 |
Concurrency=1 |
Concurrency=5 |
Concurrency=10 |
Icc编译的mysql |
35.06s |
95.05s |
168.87s |
Gcc编译的mysql |
34.59s |
100.18s |
179.13s |
Icc较gcc的优势 |
-1% |
5.1% |
5.7% |
表5
将上述SQL稍微改造一下，以获得该SQL的执行计划（该执行计划和上面update操作相似）：
select t.posid，t2.posid from tst_report_orderinfo_stat t,tst_userposmap_info t1,tst_postree_info t2 where t.submitor_id=t1.ucid and t1.posid=t2.posid and t1.dataowner=1 and t2.postype=3 and t.finance_arr_date=t1.stat_date and t2.stat_date=t1.stat_date ;
获得的执行计划：
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: t1
type: ALL
possible_keys: PRIMARY,tst_userposmap_info_stat_date_idx
key: NULL
key_len: NULL
ref: NULL
rows: 1157224
Extra: Using where
*************************** 2. row ***************************
id: 1
select_type: SIMPLE
table: t2
type: eq_ref
possible_keys: PRIMARY,tst_postree_info_stat_date_idx
key: PRIMARY
key_len: 7
ref: xxx.t1.posid,xxx.t1.stat_date
rows: 1
Extra: Using where
*************************** 3. row ***************************
id: 1
select_type: SIMPLE
table: t
type: ref
possible_keys: index_report_finance_arr_date_idx,index_report_submiter_id
key: index_report_submiter_id
key_len: 4
ref: xxx.t1.ucid
rows: 16
Extra: Using where
3 rows in set (0.00 sec)
从执行计划上可以看出，驱动表采取的全表扫描的方式取得数据，而不是通过索引。即使是Innodb也要加表锁，所以在增加concurrency后，mysql也只能串行处理这些请求。这样在第一次执行该SQL时需要从磁盘上取得相关数据，而在第一次以后再执行该SQL时，就不需要从磁盘上取得数据（数据会被缓存）。后续的SQL执行消耗的是CPU资源，从测试结果来看，icc编译的mysql在concurrency=1没有优势；但是在concurrency>1后，逐渐显现出优势，并且优势随着concurrency增加而增加。可以看出icc编译出的mysql在CPU运算方面的优势。
SQL2：select blacklist_id, company_name from td_blacklist where company_name like '%xxx%' and del_flag= 0;
SQL2 |
执行时间 |
Concurrency=10 |
Concurrency=50 |
Concurrency=100 |
Icc编译的mysql |
0.228s |
0.265s |
0.337s |
Gcc编译的mysql |
0.227s |
0.287s |
0.365s |
Icc较gcc的提升 |
-0.4% |
8% |
8% |
表6
本SQL的执行计划为：
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: td_blacklist
type: ALL
possible_keys: NULL
key: NULL
key_len: NULL
ref: NULL
rows: 1589
Extra: Using where
从上述执行计划可以看出该操作使用全表扫描过滤数据，这种方式是顺序读操作，并且涉及的行数只有1589行。IO操作的压力不大，这要消耗应是CPU相关操作。从本条SQL的测试结果上看，在InnoDB引擎下，对于全表扫描的操作，icc编译的mysql较gcc编译的mysql没有劣势；在高并发下，icc编译的mysql还有优势。
SQL3：update tb_cust_app tc left join (select count(distinct f.cust_id) num, follow_id from tb_follow_assign f, tb_customer c where f.cust_id=c.cust_id and c.cust_stat_15 group by follow_id) tf on tc.user_id = tf.follow_id set tc.ownered_size=ifnull(tf.num,0) ;
SQL3 |
执行时间 |
Concurrency=1 |
Concurrency=10 |
Concurrency=50 |
Icc编译的mysql |
52.30s |
79.37s |
557.23s |
Gcc编译的mysql |
50.81s |
77.30s |
452.49s |
Icc较gcc的提升 |
-3% |
-2.7% |
-23.1% |
表7
将上述SQL稍微改造一下，以获得该SQL的执行计划：
select tc.ownered_size,ifnull(tf.num,0) from tb_cust_app tc left join (select count(distinct f.cust_id) num, follow_id from tb_follow_assignf, tb_customer c where f.cust_id=c.cust_id and c.cust_stat_15 group by follow_id) tf on tc.user_id = tf.follow_id;
相关的执行计划：
*************************** 1. row ***************************
id: 1
select_type: PRIMARY
table: tc
type: ALL
possible_keys: NULL
key: NULL
key_len: NULL
ref: NULL
rows: 4386
Extra:
*************************** 2. row ***************************
id: 1
select_type: PRIMARY
table:
type: ALL
possible_keys: NULL
key: NULL
key_len: NULL
ref: NULL
rows: 2655
Extra:
*************************** 3. row ***************************
id: 2
select_type: DERIVED
table: f
type: index
possible_keys: Index_follow_assign_cust_id
key: Index_follow_assign_follow_id
key_len: 5
ref: NULL
rows: 362615
Extra:
*************************** 4. row ***************************
id: 2
select_type: DERIVED
table: c
type: eq_ref
possible_keys: PRIMARY
key: PRIMARY
key_len: 4
ref: xxx.f.cust_id
rows: 1
Extra: Using where
4 rows in set (3.00 sec)
从上述执行计划可以看出，table f是按照索引顺序进行全表的索引树扫描，这就会造成很多的随机读（使用的索引不是primary key）。大量的随机读会造成比较大的IO压力。从测试结果上看，icc编译出的mysql与gcc编译出的mysql相比，在执行时间存在一定的劣势。前面的全脚本测试中存在比较多的这种SQL，因此全脚本回放测试中icc编译出的mysql执行时间上比gcc编译的mysql多。从本条SQL的执行计划和测试结果上看，在InooDB引擎下，使用辅助索引，icc编译出的mysql很可能出现劣势，这和sql-bench测试结果一致。
| 
