【FastDFS分布式文件系统】：FastDFS小文件上传性能测试及Python客户端上传操作

  由于要对比swift上传小文件以及fdfs上传小文件的性能，故做性能测试。

 

1.1 测试环境：

FastDFS集群的搭建方法：【FastDFS分布式文件系统之一】：搭建、部署、配置
tracker server1：node2
tracker server2：node3
group1：node4 / node5 / node6
group2：node7 / node8 / node9
client： node1

use_trunk_file = true（开启chunk存储模式）

replica = 3

1.2 机器参数
CPU：
Architecture: x86_64
CPU op-mode(s): 32-bit, 64-bit
Byte Order: Little Endian
CPU(s): 24
On-line CPU(s) list: 0-23
Thread(s) per core: 2
Core(s) per socket: 6
Socket(s): 2
NUMA node(s): 2
Vendor ID: GenuineIntel
CPU family: 6
Model: 62
Stepping: 4
CPU MHz: 2100.180
BogoMIPS: 4199.42
Virtualization: VT-x
L1d cache: 32K
L1i cache: 32K
L2 cache: 256K
L3 cache: 15360K
NUMA node0 CPU(s): 0-5,12-17
NUMA node1 CPU(s): 6-11,18-23

内存：
126G

硬盘：
NAME MAJ:MIN RM SIZE RO TYPE MOUNTPOINT
sda 8:0 0 200G 0 disk 
├─sda1 8:1 0 500M 0 part /boot
├─sda2 8:2 0 4G 0 part [SWAP]
└─sda3 8:3 0 195.5G 0 part /

sdb 8:16 0 6.4T 0 disk /mnt/xfsd

1.3 测试方法：

文件生成分为两种：1.随机生成1~100KB之间大小的文件；2.全部大小都为133KB大小的文件。

文件生成程序：

#!/usr/bin/python
from random import randint
import os
 
data_dir = os.sys.argv[1]
n = int(os.sys.argv[2])
 
if not os.path.exists(data_dir):
    os.makedirs(data_dir)
 
for x in range(0, n):
    with open("%s/file_%d" % (data_dir, x), 'wb') as fout:
        fout.write(os.urandom(1024 * randint(80, 180)))

 

python中os.urandom(n)的作用：随机产生n个字节的字符串。

通过fastdfs-python-sdk：https://github.com/hay86/fdfs_client-py 编写上传测试文件，文件上传分为串行和并行两种方式：

串行上传：对若干个文件依次调用上传接口，直到完成所有文件上传为止。

并行上传：启动多个进程同时上传文件，每个进程上传多个文件。

串行测试脚本：

#!/usr/local/bin/python2.7
import os
import time
import sys 
from multiprocessing import Process
try:
    from fdfs_client.client import *
    from fdfs_client.exception import *
except ImportError:
    import_path = os.path.abspath('../')
    sys.path.append(import_path)
    from fdfs_client.client import *
    from fdfs_client.exceptions import *
#size_total = 0
if __name__ == '__main__':
    starttime = time.time()
    filenumbers = 100000 #number of processes                                                                                                                                                
         
    client = Fdfs_client('/opt/fdfs_client-py/fdfs_client/client.conf')
    try:
        for i in range(filenumbers):
            filename = '/data/files/small/smallfile' + str(i)
            client.upload_by_filename(filename)
    except Exception,e:
        print "error" + str(e)
    endtime = time.time() 
    #print "%d byte has been stored into the fdfs." % size_total
    print "%f seconds for sequence processing computation." % ( endtime - starttime )
    #print size_total
    #print "speed is %f KB/s" % size_total/1024/(endtime-starttime)

并行测试脚本：

#!/usr/local/bin/python2.7                                                                                                                  
 
import os
import time
import sys 
import multiprocessing
from multiprocessing import Process
try:
    from fdfs_client.client import *
    from fdfs_client.exception import *
except ImportError:
    import_path = os.path.abspath('../')
    sys.path.append(import_path)
    from fdfs_client.client import *
    from fdfs_client.exceptions import *
 
client = Fdfs_client('/opt/fastdfs/fdfs_client-py/fdfs_client/client.conf')
 
 
def uploadfile(begin,end,t_time,t_count,t_size,lock):
    try:
        for idx in range(begin,end):
            filename = '/data/files/small-10w/smallfile'+str(idx)
            for y in range(5):
                starttime = time.time()
                ret = client.upload_by_filename(filename)
                endtime = time.time()
                if(ret['Status'] != 'Upload successed.'):
                    os.system('echo upload fail >> log')
                else:
                    os.system('echo upload success >> log')
                #    print ret['Status']
                with lock:
                    t_count.value += 1
                    t_time.value += endtime - starttime
                    t_size.value += os.path.getsize(filename)
            
    except Exception,e:
        print "error" + str(e)
 
if __name__ == '__main__':
    process = []
 
    nprocess = int(os.sys.argv[1])
    file_per_process = 100000/nprocess
	
	lock = multiprocessing.Lock()
 
    total_time = multiprocessing.Value('f',0.0)
    total_count = multiprocessing.Value('i',0)
    total_size = multiprocessing.Value('f',0.0)
 
    for i in range(nprocess):
        process.append( Process(target=uploadfile,args=(i * file_per_process , (i+1) * file_per_process, total_time,total_count,total_size,lock)))
 
    for p in process:
        p.start()
 
    for p in process:
        p.join()
 
    print "%f seconds for multiprocessing computation." % total_time.value
    print "%d total count." % total_count.value
    print "%f total size." % total_size.value
    os.system("wc -l log")

 

2.测试结果

串行上传（文件大小80KB~180KB之间，平均文件大小130KB）：

 

上传文件总个数（KB）	上传文件总大小（KB）	平均速度（MB/s）	平均每个文件上传所用时间（ms）	上传失败次数
1000	130530	21.28	5.97	0
1000	130530	22.60	5.62	0
10000	1294566	22.94	5.53	0
10000	1294566	23.11	5.49	0
100000	13018299	21.05	6.03	0
100000	13018299	22.06	5.75	0

并行上传（文件大小80KB~180KB之间，平均文件大小130KB）：

并发数	上传文件总个数	平均每个文件上传所用时间（ms）	上传失败次数
100	500000	14.62	0
200	500000	17.18	0
250	500000	22.19	0
400	500000	30.62	0
500	500000	28.55	0
800	500000	27.17	0
1000	500000	42.64	0

 

Swift上传性能：

上传500000个对象到Swift中

并发数	上传文件总个数	平均每个文件上传所用时间（ms）	上传失败百分比
100	500000	78.91	0
200	500000	144.27	0
250	500000	157.63	5.69%
400	195610	171.22	60.88%
500	193629	136.09	61.27%

 

3.结论

• 速度方面，FastDFS在高并发的情况下上传小文件所用时间要比Swift小很多。
• 稳定性方面：在高并发的情况下，FastDFS上传失败次数为0次，比Swift上传失败次数少。

4.Python并行

       起初想用多线程来进行几十万次的并发上传，以为线程相对轻量，占用资源少，那么最终统计的上传时间会比较少，其实不然，多线程模拟并发上传比多进程要花 更大的时间，原因跟python所谓的GIL（Global Interpreter Lock）全局解释锁有关。具体它是什么可以参考一篇文章：http://cenalulu.github.io/python/gil-in-python/。给出一个让人困惑的结论：不要使用多线程，请使用多进程。那么就简单讲一下python multiprocessing。

一个错误的例子：

import time
from multiprocessing import Process, Value

def func(val):
    for i in range(50):
        time.sleep(0.01)
        val.value += 1

if __name__ == '__main__':
    v = Value('i', 0)
    procs = [Process(target=func, args=(v,)) for i in range(10)]

    for p in procs: p.start()
    for p in procs: p.join()

    print v.value

多进程实现很简单，使用Process，然后传入目标函数以及参数，start()方法启动进程 join()方法等待所有进程结束之后主进程再结束，其中v是通过multiprocessing.Value定义的变量，是进程之间共享的变量。那么我 们期望最终得到的v.value会是500，但是结果却是比500少的数字，原因就是没有加锁，在进程竞争资源的情况下没有lock住共享变量。那么如何 加锁？

方法一：

import time
from multiprocessing import Process, Value, Lock

def func(val, lock):
    for i in range(50):
        time.sleep(0.01)
        <strong>with lock:
            val.value += 1</strong>

if __name__ == '__main__':
    v = Value('i', 0)
    lock = Lock()
    procs = [Process(target=func, args=(v, lock)) for i in range(10)]

    for p in procs: p.start()
    for p in procs: p.join()

    print v.value

方法二：

import time
from multiprocessing import Process, Value, Lock

def func(val, lock):
    for i in range(50):
        time.sleep(0.01)
        <strong>lock.acquire()
        val.value += 1
	lock.release()
</strong>
if __name__ == '__main__':
    v = Value('i', 0)
    lock = Lock()
    procs = [Process(target=func, args=(v, lock)) for i in range(10)]

    for p in procs: p.start()
    for p in procs: p.join()

    print v.value

两篇参考文章：

 

１.Shared counter with Python's Multiprocessing：http://eli.thegreenplace.net/2012/01/04/shared-counter-with-pythons-multiprocessing

２.python进程间通信：http://blog.mimvp.com/2015/01/python-inter-process-communication/

Author：忆之独秀

Email：[e-mail]

注明出处：http://blog.csdn.net/lavorange/article/details/50829552

 

 

http://m.blog.csdn.net/article/details?id=50829552