访问官网
Github
文档
论文餐巾纸上的数学
这个项目的目标是收集软件、数字和技术,从第一原理快速估计系统的预期性能。例如,你能多快读取1 GB内存?通过组合这些资源,你应该能够回答有趣的问题,例如:对于每秒100,000个请求的应用程序,你预计需要支付多少存储成本用于记录日志?
学习这项技能的最佳入门方式是通过我在SRECON的演讲。
在计算机领域广泛实践餐巾纸数学的最佳方式是解决自己的问题。次优方法是订阅这份新闻通讯,你将在接下来的几周内获得一个问题来练习。随着你对这些技术的熟练程度提高,每个问题的解决时间应该只需要几分钟。
可以用来练习的问题归档在这里。解决方案将在下一期新闻通讯中提供。
数字
以下数字来自在3.4GHz Intel Xeon E-2236处理器(12个虚拟核心)上进行的测试,已经四舍五入。
注意1: 某些吞吐量和延迟数字不太吻合,这是为了便于计算而刻意为之。
注意2: 请谨慎对待这些数字。例如对于I/O,fio是目前最先进的测试工具。我会不断更新这些数字,以提高准确性并反映硬件的改进。
| 操作 | 延迟 | 吞吐量 | 1 MiB | 1 GiB |
|---|---|---|---|---|
| 顺序内存读写(64字节) | 0.5 ns | |||
| ├ 单线程, 无SIMD | 10 GiB/s | 100 μs | 100 ms | |
| ├ 单线程, SIMD | 20 GiB/s | 50 μs | 50 ms | |
| ├ 多线程, 无SIMD | 30 GiB/s | 35 μs | 35 ms | |
| ├ 多线程, SIMD | 35 GiB/s | 30 μs | 30 ms | |
| 同区域网络 | 10 GiB/s | 100 μs | 100 ms | |
| ├ 在VPC内 | 10 GiB/s | 100 μs | 100 ms | |
| ├ 在VPC外 | 3 GiB/s | 300 μs | 300 ms | |
| 哈希, 非加密安全(64字节) | 25 ns | 2 GiB/s | 500 μs | 500 ms |
| 随机内存读写(64字节) | 50 ns | 1 GiB/s | 1 ms | 1s |
快速序列化 [8] [9] † | N/A | 1 GiB/s | 1 ms | 1s |
快速反序列化 [8] [9] † | N/A | 1 GiB/s | 1 ms | 1s |
| 系统调用 | 500 ns | N/A | N/A | N/A |
| 哈希, 加密安全(64字节) | 500 ns | 200 MiB/s | 10 ms | 10s |
| 顺序SSD读取(8 KiB) | 1 μs | 4 GiB/s | 200 μs | 200 ms |
上下文切换 [1] [2] | 10 μs | N/A | N/A | N/A |
| 顺序SSD写入, -fsync (8KiB) | 10 μs | 1 GiB/s | 1 ms | 1s |
| TCP Echo服务器 (32 KiB) | 10 μs | 4 GiB/s | 200 μs | 200 ms |
解压缩 [11] | N/A | 1 GiB/s | 1 ms | 1s |
压缩 [11] | N/A | 500 MiB/s | 2 ms | 2s |
| 顺序SSD写入, +fsync (8KiB) | 1 ms | 10 MiB/s | 100 ms | 2 min |
| 排序(64位整数) | N/A | 200 MiB/s | 5 ms | 5s |
| 顺序HDD读取(8 KiB) | 10 ms | 250 MiB/s | 2 ms | 2s |
| Blob存储同区域, 单文件 | 50 ms | 500 MiB/s | 2 ms | 2s |
| Blob存储同区域, 多文件 | 50 ms | 网络限制 | ||
| 随机SSD读取(8 KiB) | 100 μs | 70 MiB/s | 15 ms | 15s |
序列化 [8] [9] † | N/A | 100 MiB/s | 10 ms | 10s |
反序列化 [8] [9] † | N/A | 100 MiB/s | 10 ms | 10s |
| 代理: Envoy/ProxySQL/Nginx/HAProxy | 50 μs | ? | ? | ? |
| 同区域网络 | 250 μs | 2 GiB/s | 500 μs | 500 ms |
| 同区域/VPC内高级网络 | 250 μs | 25 GiB/s | 50 μs | 40 ms |
| {MySQL, Memcached, Redis, ..} 查询 | 500 μs | ? | ? | ? |
| 随机HDD读取(8 KiB) | 10 ms | 0.7 MiB/s | 2 s | 30m |
跨区域网络 [6] | 浮动 | 25 MiB/s | 40 ms | 40s |
| 美国中部 <-> 东部网络 | 25 ms | 25 MiB/s | 40 ms | 40s |
| 美国中部 <-> 西部网络 | 40 ms | 25 MiB/s | 40 ms | 40s |
| 美国东部 <-> 西部网络 | 60 ms | 25 MiB/s | 40 ms | 40s |
| 欧洲西部 <-> 美国东部网络 | 80 ms | 25 MiB/s | 40 ms | 40s |
| 欧洲西部 <-> 美国中部网络 | 100 ms | 25 MiB/s | 40 ms | 40s |
| 美国西部 <-> 新加坡网络 | 180 ms | 25 MiB/s | 40 ms | 40s |
| 欧洲西部 <-> 新加坡网络 | 160 ms | 25 MiB/s | 40 ms | 40s |
†: "快速序列化/反序列化"通常是一种简单的线路协议,只是转储字节,或一个非常高效的环境。通常标准序列化如JSON将是较慢的。我们在这里包含这两者,因为序列化/反序列化是一个非常广泛的话题,根据数据和实现的不同,性能特征会极其不同。
您可以使用./run运行它以达到正确的优化级别。在调试模式下编译时,您无法获得正确的数字。您可以通过添加新的套件并填写空白来帮助这个项目。
这是一个英语到中文的翻译，请提供以下源文本的中文翻译。
注意：翻译需要符合中文语序、流程和通顺。
**注意:**我目前正在将基准测试移植到Criterion.rs,所以有些在bench/中。你可以通过取消注释./run中的相关行来运行它们。
我知道这个套件存在一些低效之处。我打算提高自己在这方面的技能,以确保数字是生产环境中你可能能挤出的上限性能。我认为它们偏差不会超过2-3倍,这对大多数用户来说应该不是问题。
成本数字
云供应商之间应该保持一致的大致数字。
| 类型 | 数量 | 月费 | 1年预留(每月) | 竞价(每月) | 竞价(每小时) |
|---|---|---|---|---|---|
| CPU | 1 | $15 | $10 | $2 | $0.005 |
| GPU | 1 | $5000 | $3000 | $1500 | $2 |
| 内存 | 1 GB | $2 | $1 | $0.2 | $0.0005 |
| 存储 | |||||
| ├ 仓库存储 | 1 GB | $0.02 | |||
| ├ Blob (S3, GCS) | 1 GB | $0.02 | |||
| ├ 区域 HDD | 1 GB | $0.05 | |||
| ├ 临时 SSD | 1 GB | $0.08 | $0.05 | $0.05 | $0.07 |
| ├ 区域 SSD | 1 GB | $0.2 | |||
| ├ 区域 SSD | 1 GB | $0.35 | |||
| 网络 | |||||
| ├ 同区 | 1 GB | $0 | |||
| ├ Blob | 1 GB | $0 | |||
| ├ 入口 | 1 GB | $0 | |||
| ├ L4 LB | 1 GB | $0.008 | |||
| ├ 跨区 | 1 GB | $0.01 | |||
| ├ 跨区域 | 1 GB | $0.02 | |||
| ├ 公网出口 | 1 GB | $0.1 | |||
| CDN 出口 | 1 GB | $0.05 | |||
| CDN 填充 | 1 GB | $0.01 | |||
| 仓库查询 | 1 GB | $0.005 | |||
| 日志/跟踪 | 1 GB | $0.5 | |||
| 指标 | 1000 | $20 |
压缩比
这来自几个来源。注意压缩速度(但通常不是比率)根据算法和压缩级别(速度和压缩比之间的权衡)而有一个数量级的差异。
我通常假定另一个 _x 压缩比会降低 10x 的性能。例如,我们可以在英文维基百科上获得 2x 的比率速度约 200 MiB/s,3x 约 20 MiB/s,4x 约 1 MB/s。
| 项目 | 压缩比 |
|---|---|
| HTML | 2-3x |
| 英文 | 2-4x |
| 源代码 | 2-4x |
| 可执行文件 | 2-3x |
| RPC | 5-10x |
| SSL | -2% |
技术
- 不要过于复杂。 如果您的计算基于6个以上的假设,那么您可能让它比应该的更难。
- 保留单位。 它们是良好的校验和。 Wolframalpha 在需要转换例如KiB到TiB时提供出色的支持。
- 用指数计算。 很多信封计算只用系数和指数,例如
c * 10^e。你的目标是在数量级上得到正确结果 - 这只需要e。c要小得多。只关注单位数字指数使用纸巾计算它更容易(更不用提避免写太多零)。 - 进行Fermi分解。 写下你能猜到的事情,直到你能开始暗示答案。当你想知道日志存储的成本时,你需要知道日志行的大小、每秒有多少行、这需要多少成本等等。
