一、前言
influxdb-comparisons 是 influxdata 官方提供的基准测试工具，支持 influxDB v1 与 v2 版本，支持以下数据库的基准测试：
- InfluxDB
- Elasticsearch (announcement blog here)
- Cassandra (InfluxDB Tops Cassandra in Time-Series Data & Metrics Benchmark)
- MongoDB (InfluxDB is 27x Faster vs MongoDB for Time-Series Workloads)
- OpenTSDB
- TimescaleDB
- Graphite
- Splunk
下面直接进入正题，直接开搞。
二、测试
测试环境：
操作系统: debian 10.12
CPU: Intel® Core™ i5-10400 CPU @ 2.90GHz
内存: 2 GB
InfluxDB v2.2.0
注：由于写入数据与生成查询等操作是与 influxdb 在同一台机器上，结果或许有偏差，可以自行使用两天机器进行测试。
- 安装 go 环境
add-apt-repository ppa:longsleep/golang-backports
apt-get update
apt-get install golang-1.15-go
# 如 go 无环境变量，则手动设置
# vim ~/.bashrc
# 添加 export PATH=$PATH:/usr/lib/go-1.15/bin
# source ~/.bashrc
# 设置代理 Go 1.13 及以上
go env -w GO111MODULE=on
go env -w GOPROXY=https://goproxy.cn,direct- 安装 influxdb-comparisons：
# 需要 go 语言环境，go version go1.15.9
go get github.com/influxdata/influxdb-comparisons/cmd/bulk_data_gen@latest github.com/influxdata/influxdb-comparisons/cmd/bulk_load_influx@latest
go get github.com/influxdata/influxdb-comparisons/cmd/bulk_query_gen@latest github.com/influxdata/influxdb-comparisons/cmd/query_benchmarker_influxdb@latest
# 需要将 /root/go/bin 加到环境变量，才能执行 bulk_data_gen、query_benchmarker_influxdb 等命令
# vim ~/.bashrc
# 添加 export PATH=$PATH:/root/go/bin
# source ~/.bashrc- 生成数据
seconds_in_day = (24 hours in a day) * (60 minutes in an hour) * (60 seconds in a minute) = 86,400 seconds
epochs = seconds_in_day / 10 = 8,640
point_count = epochs * host_count * 9So, for one host we get 8,640 * 1 * 9 = 77,760 points, and for 1,000 hosts we get 8,640 * 1000 * 9 = 77,760,000 points. Each simulated host produces nine measurements.
# 注意填写时间
bulk_data_gen -timestamp-start '2016-09-10T00:00:00Z' \
-timestamp-end '2016-09-10T00:00:09Z' \
-use-case devops -scale-var 1000 -sampling-interval 9s \
| influx write --org zxb_org --bucket bucket_1
# 生成后可能会报错 Error: failed to write data: 400 Bad Request: unable to parse 'dataset-size:311053,720013': missing tag value 忽略即可；
# 注意：如果需要删除数据，执行以下命令
influx delete --bucket bucket_1 \
--start '1970-01-01T00:00:00Z' \
--stop '2023-01-01T00:00:00Z'命令参数解析：
bulk_data_gen 数据生成命令：
- -sampling-interval 模拟数据生成时间间隔，默认 10s
- -timestamp-start 生成数据的开始时间
- -timestamp-end 生成数据的结束时间
- -use-case 生成什么类型的数据，默认 devops（choices: devops, iot）
- -format 生成数据的格式，默认 “influx-bulk” （choices: influx-bulk, es-bulk, cassandra, mongo, opentsdb）
- -scale-var 在不同案例中特殊变量的个数，例如 iot 中的 home_id 个数，默认 1
influx 该命令为 influxDB 的写入命令，不作多解释。
- 查询数据，使用的是 HTTP 的方式去执行查询
# 生成查询，并执行查询
bulk_query_gen -db bucket_1 -queries 5 -use-case iot \
-timestamp-start '2022-05-10T00:00:00Z' -timestamp-end '2022-05-14T00:00:01Z' \
-use-case iot -query-type '1-home-12-hours' \
-format influx-flux-http | \
query_benchmarker_influxdb -urls http://localhost:8086 \
-token bHgEVZOX3evOE3LAzDjEU8iLLdTcl042iTGHSTWLdQX4m5sDg3yN99GMDtdIxhWWWWWBV2_mFC8buZRpMjVzLg== \
-organization 'zxb_org' -workers 5命令参数解析：
bulk_query_gen 查询生成命令：
- -db 在 v1 版本中为数据库名称，v2 为 bucket 名称，默认查询 “benchmark_db”
- -use-case、-query-type、-format 这三个参数可以执行
bulk_query_gen -h查看最下面的use case matrix对应填上去；例如以下图第一条为例子，-use-case 为 group-window-transpose-low-card，-query-type 为 last，-format 为 influx-flux-http - -queries 生成的查询数量，默认为 1000
- -timestamp-start 生成数据的开始时间
- -timestamp-end 生成数据的结束时间
query_benchmarker_influxdb 根据生成的查询，执行去查询，这样的基准测试才能更加轻量（免去了生成查询的时间）
- -urls influxDB 的地址
- -token 访问 token
- -organization 组织名称
- -workers 并发请求数量
写入测试：
数据发送速度（points/s） | 实际处理速度（points/s） | 平均 CPU 占用率（%） | 总耗时 |
1,000 | 1,000 | 1.5 | 4.716036ms |
3,000 | 3,000 | 12.5 | 474.297061ms |
5,000 | 5,000 | 19.0 | 854.339738ms |
8,000 | 6,006 | 29.0 | 1.332948435s |
10,000 | 5,714 | 38.75 | 1.752057124s |
20,000 | 4,435 | 48.5 | 4.511424584s |
5,0000 | 2,083 | 见下图 | 24.292371029s |
下图（阴影部分）为当数据插入为 5W 条时的 CPU 占用曲线图，可见出现速度缓慢的原因 CPU 并不是瓶颈：
三、总结
从测试结果可以知道，在单机的情况下，写入的速度还是可以接受的，CPU 占用率还未封顶，还可以有更好的写入速率。除了 influxdb-comparisons 工具外，还有 tsbs、influx-stress 可以进行测试，但它们并不支持 2.x，因此选择了 influxdb-comparisons 进行测试，中间也花了不少时间在看工具的介绍上面。
