Tpcc-Mysql 压测工具使用

一、下载与安装

1、下载软件：

http://imysql.com/wp-content/uploads/2014/09/tpcc-mysql-src.tgz

2、设置mysql的环境变量

export PATH=/usr/local/mysql/bin:$PATH

3、解压

gunzip tpcc-mysql-src.tgztar -xf tpcc-mysql-src.tar

4、切换到tpcc-mysql/src目录，执行:make

二、测试使用

1、切换到mysql-tpcc目录，创建tcpp库、表、索引

mysqladmin -uroot -prootroot -S /data/mysqldata/3306/mysql.sock create tpccmysql -uroot -prootroot -S /data/mysqldata/3306/mysql.sock  tpcc<create_table.sqlmysql -uroot -prootroot -S /data/mysqldata/3306/mysql.sock  tpcc<add_fkey_idx.sql

2、检查

ll  /usr/lib64/libmysqlclient.so.18

# 如果有，下面的软连接操作省略

ln -s /usr/local/mysql/lib/libmysqlclient.so.18 /usr/lib64/libmysqlclient.so.18

3、tpcc_load用法如下：（选项 warehouse 意为指定测试库下的仓库数量）

tpcc_load [server] [DB] [user] [pass] [warehouse]

或者

tpcc_load [server] [DB] [user] [pass] [warehouse] [part] [min_wh] [max_wh]

4、初始化数据（灌入测试数据）

/data/tpcc-mysql/tpcc_load 192.168.188.220 tpcc root "" 10

-----------------------------------

在这里，需要注意的是 tpcc 默认会读取 /var/lib/mysql/mysql.sock 这个socket 文件。

因此，如果你的 socket 文件不在相应路径的话，可以做个软连接，或者通过TCP/IP的方式连接测试服务器，例如：

cd /tmp/tpcc-mysql

./tpcc_load 192.168.188.220:3306 tpcc root "rootroot" 1000

***************************************

tpcc_load其实是可以并行加载的，一方面是可以区分 ITEMS、WAREHOUSE、CUSTOMER、ORDERS 四个维度的数据并行加载。

另外，比如最终想加载1000个 warehouse的话，也可以分开成1000个并发并行加载的。看下 tpcc_load 工具的参数就知道了：

usage: tpcc_load [server] [DB] [user] [pass] [warehouse]

OR

tpcc_load [server] [DB] [user] [pass] [warehouse] [part] [min_wh] [max_wh]

* [part]: 1=ITEMS 2=WAREHOUSE 3=CUSTOMER 4=ORDERS

-----------------------------------

5、进入测试

/data/tpcc-mysql/tpcc_start -h 192.168.188.220 -d tpcc -u root -p "" -w 10 -c 10 -r 100 -l 300 -f /home/mysql/tpcc_mysql.log -t /home/mysql/tpcc_mysql.rtx

6、tpcc_start 工具用于tpcc压测，其用法如下：

tpcc_start -h server_host -P port -d database_name -u mysql_user \

-p mysql_password -w warehouses -c connections -r warmup_time \

-l running_time -i report_interval -f report_file

-w 指定仓库数量

-c 指定并发连接数

-r 指定开始测试前进行warmup的时间，进行预热后，测试效果更好

-l 指定测试持续时间

-i  指定生成报告间隔时长

-f report_file：将测试中备项操作的记录输出到指定文件内保存

-t trx_file：输出更详细的操作信息到指定文件内保存

7、测试结果

 # 输出结果

<span style="white-space:pre"></span>10, 11(8):11.236|15.237, 12(0):2.854|27.437, 1(0):0.857|1.147, 1(0):10.041|10.289, 1(1):19.999|33.766<span style="line-height: 22.4px; font-family: punctuation, 微软雅黑, Tohoma;"></span><span style="line-height: 22.4px; font-family: punctuation, 微软雅黑, Tohoma;">    </span><span style="white-space:pre"></span>20, 6(3):5.679|6.194, 4(0):0.946|1.737, 1(0):0.000|0.358, 1(0):0.000|7.295, 0(0):0.000|0.00030, 21(4):6.214|7.142, 23(0):1.369|2.687, 2(0):0.306|0.397, 1(0):0.000|9.846, 2(2):19.999|31.31040, 4(3):9.722|10.838, 7(0):0.730|0.932, 1(0):0.000|0.423, 1(0):0.000|6.287, 0(0):0.000|0.000

# 抽取第一行释义：(10, 11(8):11.236|15.237, 12(0):2.854|27.437, 1(0):0.857|1.147, 1(0):10.041|10.289, 1(1):19.999|33.766)

分类项，以逗号分隔：共计6项，用时（秒），创建订单、订单支付、查询订单、发货、查询库存

10：任务执行时间，每10秒为一个区间

11(8):11.236|15.237：共操作11次，8个失败，其它90%的事务平均操作时间为11.236秒、最大操作时间为15.237

12(0):2.854|27.437：共操作12次，0个失败，其它90%的事务平均操作时间为2.854秒、最大操作时间为27.437

1(0):0.857|1.147：共操作1次，0个失败，其它90%的事务平均操作时间为0.857秒、最大操作时间为1.147

1(0):10.041|10.289：共操作1次，0个失败，其它90%的事务平均操作时间为10.041秒、最大操作时间为10.289

1(1):19.999|33.766：共操作1次，1个失败，其它90%的事务平均操作时间为19.999秒、最大操作时间为33.766

8、<Raw Results>：表示汇总线程操作的各项事务的数据量

  [0] sc:472  lt:100  rt:0  fl:0# 创建订单  [1] sc:570  lt:0  rt:0  fl:0<span style="white-space:pre"></span># 订单支付  [2] sc:57  lt:0  rt:0  fl:0# 订单状态  [3] sc:56  lt:0  rt:0  fl:0# 发货  [4] sc:51  lt:6  rt:0  fl:0# 查询库存

  in 300 sec.

  sc：即success，操作成功的数量

  lt：操作出现延迟的数量

  rt：即retry，指操作重试的数量

  fl：即failure：指操作失败的数量

9、<Raw Results2(sum ver.)>：表示第二次汇总线程操作的各项事务的数据量

<pre name="code" class="html" style="font-size: 14px; line-height: 22.4px;">  [0] sc:472  lt:100  rt:0  fl:0   [1] sc:570  lt:0  rt:0  fl:0   [2] sc:57  lt:0  rt:0  fl:0   [3] sc:56  lt:0  rt:0  fl:0   [4] sc:51  lt:6  rt:0  fl:0

10、<Constraint Check> (all must be [OK])

 # 不同类型执行的事务数占比情况（创建新订单的值是100减去这些占比）

<div style="margin: 0px; padding: 0px; font-family: punctuation, 微软雅黑, Tohoma; font-size: 14px; line-height: 22.4px;"><span style="margin: 0px; padding: 0px; white-space: pre;"></span> [transaction percentage]</div><div style="margin: 0px; padding: 0px; font-family: punctuation, 微软雅黑, Tohoma; font-size: 14px; line-height: 22.4px;"><span style="margin: 0px; padding: 0px; white-space: pre;"></span>Payment: 43.45% (>=43.0%) [OK]</div><div style="margin: 0px; padding: 0px; font-family: punctuation, 微软雅黑, Tohoma; font-size: 14px; line-height: 22.4px;"><span style="margin: 0px; padding: 0px; white-space: pre;"></span>   Order-Status: 4.34% (>= 4.0%) [OK]</div><div style="margin: 0px; padding: 0px; font-family: punctuation, 微软雅黑, Tohoma; font-size: 14px; line-height: 22.4px;"><span style="margin: 0px; padding: 0px; white-space: pre;"></span>       Delivery: 4.27% (>= 4.0%) [OK]</div><div style="margin: 0px; padding: 0px; font-family: punctuation, 微软雅黑, Tohoma; font-size: 14px; line-height: 22.4px;"><span style="margin: 0px; padding: 0px; white-space: pre;"></span>    Stock-Level: 4.34% (>= 4.0%) [OK]</div>

# 响应耗时指标必须超过90%通过才行

 [response time (at least 90% passed)]      New-Order: 82.52%  [NG] *# 没有超过90%，测试不通过Payment: 100.00%  [OK]   Order-Status: 100.00%  [OK]       Delivery: 100.00%  [OK]    Stock-Level: 89.47%  [NG] *# 没有超过90%，测试不通过

11、<TpmC>：TpmC结果值，可以认为是整体性能指标（每分钟事务数，该值是第一次统计结果中的新订单事务总数，即成功次数与失败次数的总和，除以总耗时分钟数，例如本例中是：(472 + 100)/5= 114.4）

 114.400 TpmC