基于ARM的AWS EC2实例上的PG性能测试

ARM处理器在数据中心中的应用一直是一个热门话题，我们很想看看他在PG中表现怎么样。用于测试和评估基于ARM的服务器，其可用性一直是一个主要障碍，当AWS 2018年宣布在他们的云中提供基于ARM的处理器时，转机出现了。但是还不能太过激动，因为很多人认为这是个实验性的东西。我们也很谨慎将它推荐给关键用途，而且在测试时也没太过用心。但是2020年5月Graviton2发布后，可以认真考虑了。我们决定从PG运行角度独立研究实例的价格／性能。

要点：请注意，尽管在x86和arm上比较PG很有吸引力，但这是不正确的。这些测试比较了两个虚拟云中的PG，保护的移动部件不止CPU。我们主要关注基于两种不同体系架构的两个特定AWS EC2实例的性价比。

测试设置

本测试中，选择了两个相似的是，一个是教老的m5d．5xlarge，一个是新型基于Graviton2的m6gd．8xlarge。两个实例都有一个本地”短暂性”存储。使用非常快速的本地驱动可有助于暴露系统其它部分的差异，并避免测试云存储。这些实例并不是完全相同，正如下面看到的，但也非常接近，可以被认为是相同级别。我们使用来自pgdg repo的PG13．1和ubuntu20．04 AMI，小内存和大数据量进行测试。

实例

实例的规范和按需定价，参考Northern Virginia region的定价信息，按目前的挂牌价格，m6gd．8xlarge便宜25％。

Graviton2 （arm） Instance：  Instance ： m6gd．8xlarge  Virtual CPUs ： 32  RAM  ： 128 GiB  Storage ： 1 x 1900 NVMe SSD （1．9 TiB）  Price ： ＄1．4464 per HourRegular （x86） Instance：  Instance ： m5d．8xlarge  Virtual CPUs ： 32  RAM ： 128 GiB  Storage ： 2 x 600 NVMe SSD （1．2 TiB）  Price ： ＄1．808 per Hour

操作系统及PG设置

我们选择ubuntun20．04 LTS AMIS，操心系统上没有做任何修改，在m5d．8xlarge上两个本地的NVME SSD统一在一个raid0中。PG使用PGDG存储库中提供的．deb包进行安装。

postgres＝＃ select version（）；                                                                version                                                                 －－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－ PostgreSQL 13．1 （Ubuntu 13．1－1．pgdg20．04＋1） on aarch64－unknown－linux－gnu， compiled by gcc （Ubuntu 9．3．0－17ubuntu1～20．04） 9．3．0， 64－bit（1 row）

aarch64 表示64位的ARM架构。

下面是PG配置：

max＿connections ＝ ＇200＇shared＿buffers ＝ ＇32GB＇checkpoint＿timeout ＝ ＇1h＇max＿wal＿size ＝ ＇96GB＇checkpoint＿completion＿target ＝ ＇0．9＇archive＿mode ＝ ＇on＇archive＿command ＝ ＇／bin／true＇random＿page＿cost ＝ ＇1．0＇effective＿cache＿size ＝ ＇80GB＇maintenance＿work＿mem ＝ ＇2GB＇autovacuum＿vacuum＿scale＿factor ＝ ＇0．4＇bgwriter＿lru＿maxpages ＝ ＇1000＇bgwriter＿lru＿multiplier ＝ ＇10．0＇wal＿compression ＝ ＇ON＇log＿checkpoints ＝ ＇ON＇log＿autovacuum＿min＿duration ＝ ＇0＇

Pgbench进行测试

执行命令：pgbench －c 16 －j 16 －T 600 －r

16个客户端连接和16个pgbench job。

无checksum的读写

在ARM上有19％的提升．

有checksum的读写

Checksum计算会因架构不同而有不同性能吗？开启PG checksum命令：pg＿checksums －e －D ＄PGDATA

令人惊讶的是，结果稍微好点，不同只有1．7％，可以认为是噪声。至少可以得出这样的结论：在现代处理器上，启用checksum不会有明显的性能下降。

无checksum的只读

指定负载可以认为是CPU型，因数据大小能够全部放到内存，消除了IO影响。ARM下有30％的提升。

有checksum的只读

同样类似，有30％的提升。Checksum也没带来性能衰减。

注意：当PG从缓冲池读取或写出时会计算checksum并写入页。另外启用checksum后，总是会记录hint bits，增加了WAL IO的压力。为了争取验证checksum开销，需要更长更大的测试，就行增加对sysbench tpcc所做的一样。

sysbench－tpcc进行测试

我们决定使用sysbench－tpcc执行更详细的测试。注意感兴趣的是数据可全放到内存的情况。另一方面，虽然ARM服务器上PG没有问题，但是与x86服务器相比，sysbench根据挑剔。

每个测试执行下面步骤：

1）restore必要规模的数据目录（10／200）

2）用相同参数进行10分钟预热

3）PG端checkpoint

4）进行测试

16个线程，在内存

这种中等负载下，ARM实例性能提升了15．5％。此处及之后结果，百分比差异基于平均TPS值。

可能会思考，为什么测试在结束时性能会突然下降。他与full＿page＿writes的checkpoint有关。即使对于内存测试，使用了pareto分布，但是每个checkpoint后仍会写出相当多的页面。本实例中，显示WAL早于对应点触发checkpoint，所有进行的测试都会有这种下降。

32个线程，在内存

32个线程下，性能的不同减小到了将近8％。

64个线程，在内存

64个下，减小到了4．5％。

128个线程，在内存

两个实例超过饱和点，性能差异就很小了。经仍保持在1．4％水平。此外可以看到ARM的tps下降了6－7％，在x86上下降了4％。

并不是所有测试都有利于Graviton2的实例。在IO绑定测试中，看到两个实例之间的差异很小，64个128个线程上，常规的m5d实例性能更好，从下面组合图上可看到这一点：

造成这种情况的一个可能原因，特别对于m6gd．8xlarge的128线程上的严重衰减，是因为缺少m5d．8xlarge所拥有的第二个驱动器。目前还没有完全可比较的实例可用，因此我们认为这是一个比较公平的测试。每个实例类型都有一定优势。需要更多测试和分析。可以使用EBS执行IO绑定测试，以尝试删除本地驱动器。

有关测试设置、结果、使用脚本和测试之间生产的数据的更详细信息，访问https：／／github．com／arronax／scratch／tree／master／performance／graviton2－postgres

总结

执行测试中，ARM实例比x86慢的情况不多。过去的几天测试中，结果一致。虽然基于ARM的实例便宜了25％，但与x86相比，能够在大多数测试中有15－20％的提升。因此基于ARM的实例在各方面提供了更好的性价比。

讨论的邮件列表：

https：／／news．ycombinator．com／item？id＝25875342