如何做SQL Server性能测试

对于DBA来讲，我们都会做新服务器的性能测试。我会从TPC的基准测试入手，使用HammerDB做整体性能评估（前身是HammerOra），跟厂商数据对比。再使用DiskSpd针对性的测试磁盘IO性能指标（前身是SQLIO），再到SQLIOSIM测试存储的完整性，再到ostress并发压力测试，对于数据库服务器迁移，我们还会收集和回放Profiler Trace，并收集期间关键性能计数器做对比。

下面我着重谈谈使用HammerDB的TPC-C来做SQL Server基准测试。

自己写负载测试代码很困难

为了模拟数据库的负载，你想要有多个应用程序用户和混合数据读写的语句。你不想总是对单一行更新相同的值，或者只是重复插入假的值。

自己动手使用Powershell、C#等语言写负载测试脚本也不是不可能，只是太消耗时间，你需要创建或者恢复数据库，并做对应的测试。

免费而简单的压测SQL Server：使用HammerDB模拟OLTP数据库负载

HammerDB是一个免费、开源的工具，允许你针对SQL Server、Oracle、MySQL和PostgreSQL等运行TPC-C和TPC-H基准测试。你可以使用HammerDB来针对一个数据库生成脚本并导入测试。HammerDB也允许你配置一个测试运行的长度，定义暖机阶段，对于每个运行的虚拟用户的数量。

首先，HammerDB有一个自动化队列，让你将多个运行在不同级别的虚拟用户整合到一个队列--你可以以此获得在什么级别下虚拟用户性能平稳的结果曲线。你也可以用它来模拟用于示范或研究目的的不同负载。

用于SQL Server上的HammerDB的优缺点

HammerDB是一个免费工具，它也极易访问和快速的启动基准测试和模拟负载的方法。它的自动程序特性也是的运行工作负载相当自动。

主要缺点是它有一个学习曲线。用户界面不是很直观，需要花费时间去习惯。再你使用这个工具一段时间之后，将会更加容易。

HammerDB也不是运行每一个基准测试。它不运行TPC-E基准，例如，SQL Server更热衷于当前更具发展的OLTP基准TPC-E。如果你用HammerDB运行一个TPC-C基准，你应该理解它不能直接与供应商提供的TPC-C基准结果相比较。但是，它是免费的、快速的、易用的。

基准测试使用案例

基准测试负载不能精确模拟你的应用程序的特点。每个负载是唯一的，在不同的系统有不同的瓶颈。对于很多使用案例，使用预定义的基准测试仍然是非常有效的,包括以下性能的比较：

多个环境（例如：旧的物理服务器，新的虚拟环境）

使用各种因素的不同及时点（例如：使用共享存储和共享主机资源的虚拟机的性能）

在配置改变前后的点

当然，对一个数据库服务器运行基准测试可以影响其他SQL Server数据库或者相同主机上其他虚拟机的性能，在生产环境你确保有完善的测试计划。

对于自学和研究来说，有预配置的负载非常棒。

开始使用基准测试

你可以从阅读HammerDB官方文档的“SQL Server OLTP Load Testing Guide”开始。

性能需求分析

321 概述

 首先对2003年和2004年的全年税收业务量进行了统计，总结出税收业务量的增长趋势，

 对2005至2009年的全年税收业务量进行了估算

以此为依据，同时结合税收业务量分布特点，按照省集中和全国集中两种模式，对用户访问量、系统处理能力、存储容量、网络流量等4个主要方面进行初步分析估算。

有必要指出的是，网络流量的估算与联网机构的接入方式密切相关，但是哪些联网机构可以集中接入，集中接入的层次，及集中接入机构的业务量在总业务量的占比各地差异很大；从地域上考虑，各联网机构在各省的集中程度也不尽相同，比如说，国税在部分省做到了省集中、而在另一部分省尚未做到省集中，至于地税、财政和部分城市商业银行的情况就更为复杂。

另外，在进行后续的估算中，考虑到税票业务量是本系统处理的主要业务，其他业务与税票相比，业务量相对较小。因此，我们暂以税票业务量作为估算的基础。

322 业务量统计

通过对国库局综合业务报表系统提供的全国各省税票业务量进行分析统计，得出如下结论，2003年全国税票业务总量大约有21

亿笔，2004年全国税票业务总量大约有24亿笔；全国税票业务年增长率大约在15%左右。同时对各地上横向联网后，税票业务量变化趋势进一步考察发现，上横向联网后的第一年，某些地区税票业务量有突发性增长因素(如浙江，在上横向联网后的第一年,税票业务量增长了100%)，所以我们假设税票业务量每年增长趋势在20%左右。

税票业务量的大小直接影响到对系统处理能力、存储容量、网络流量等性能指标的高端要求，由于各省经济发达程度和税收体制的差异，造成各省的税票业务量存在很大差异。为了做到按需投资，合理配备资源，避免浪费，我们将各省根据2004年税票业务量大小分为4类：

1．按分库级分类

(1) 特大型，税票年业务量达到3500万及以上

包括上海、广州、南京、北京4个分库。

(2) 大型，税票年业务量达到1500万及以上，3500万以下

包括石家庄、沈阳、杭州、福州、济南、武汉、成都、大连、宁波、重庆、天津11个分库或营管部管辖分库。

(3) 中型，税票年业务量达到1000万及以上，1500万以下

包括太原、呼和浩特、长春、哈尔滨、合肥、南昌、郑州、长沙、南宁、西安、兰州、贵阳、昆明、乌鲁木齐、青岛、海口、深圳、厦门18个分库或营管部管辖分库。 (4) 小型，年业务量在1000 万以下

包括银川、西宁、拉萨3个分库。 2．按中心支库级分类

(1) 特大型，税票年业务量达到1000万及以上

如：佛山市中心支库。

(2) 大型，税票年业务量达到500万及以上，1000万以下

如：苏州市中心支库。

(3) 中型，税票年业务量达到100万及以上，500万以下

如：常熟市中心支库。 (4) 小型，年业务量在100万以下

如：安顺市中心支库。 3．按县支库级分类

(1) 特大型，税票年业务量达到500万及以上

如：广东佛山顺德。

(2) 大型，税票年业务量达到100万及以上，500万以下

如：江苏苏州吴江。

(3) 中型，税票年业务量达到30万及以上，100万以下

如：山东淄博淄川。

(4) 小型，税票年业务量在30万以下

如：陕西咸阳长武县。

323 省集中模式性能需求

3231 税票业务量分省估算

表3-1 2004—2009年税票业务量统计及增长情况估算表

3232 用户访问量估算

表3-2 用户访问量计算

3233 系统处理能力计算

 省集中模式数据中心处理能力计算

根据以上税票业务量统计及增长情况估算表，同时考虑到扣税业务的发生在时间上分布存在不规则性的特点，作如下假设：

 高峰交易日业务量假定

假设全年税票业务量集中在11个月处理，每月处理全年业务量的1/11，每月的业务量平均分布在三旬当中，每旬业务量的80%集中发生在每旬的后三天。在最不理想的情况下，假定后三天的业务量的80%集中在每旬的最后一天处理。则高峰交易日业务量计算公式为：

高峰日交易量 = 年业务量/11/380%80%（笔/天）  平均交易日业务量假定

假设每年的正常工作日为200天，则平均交易日业务量计算公式为：

平均日交易量 =年业务量/200（笔/天）

 系统处理能力TPM-C值计算公式为：TPM-C = MM0/T/M1 M为日交易量，包括对数据库更新、查询、增加、删除等操作。

计算TPM-C的目的是为了确定机器的处理能力，由于在每天的业务处理过程中，业务发生的频度不尽相同，一般情况下是按照8/2原则，具体来说，在20%的工作时间内业务人员要处理80%的业务。

M0为一个应用交易所对应的标准交易个数，推荐值为8-20，由于系统体系结构的不同、应用服务器的结构不同，各个厂商的推荐值也不同，如：HP公司推荐为10。

T为交易的高峰时间，使用2/8原则，如：每日工作时间为8小时，那么交易的高峰时间T=820%=16小时。

M1为机器实际为系统提供的处理能力，机器需要预留一部分处理能力，这一部分的处理能力是为了分配给操作系统、中间件应用服务器及数据库服务器的。M1一般来说为80%。

 说明：

M0=10，参考目前厂商与TPC组织推荐的标准8~20，及借鉴相关类似系统（主要是中国现代化支付系统和中国银联交换系统）的取值情况，同时考虑到国库信息处理系统的单笔交易需要实时转发以及销号审核等信息整理，处理环节较多，自身交易有一定的复杂性。经估

算，我们认为TIPS的交易复杂度系数M0取值10为宜。

T=96分钟，按照每天工作8个小时计算，同时根据2/8原则，即820%=16小时=96分钟内完成每天的工作量。

数据中心TPM-C = M（M0/T/M1=10/96/08）=013 M（其中M1=80%）。

关于业务量M的计算，按照日最大交易量来进行计算，同时按照

8/2原则，即在日高峰期要处理全天80%的业务。

表3-3 不同级别数据中心税票处理能力表

3234 存储容量分析

其中税票的数据格式如下表所示，长度约为2k。 表3-5税票信息表

收入退还书的格式同税票格式也为2k；更正通知书格式同税票格式业务2k；会计凭证的格式为500字节；财政支出凭证的格式为1k；额度为1k；报表为1k1000=1M；其他按照1k计算。

表3-6 数据中心存储容量表

3235 网络流量分析

 根据业务量统计表，下表给出了每分钟交易数量。说明其中高峰交易量是根据2/8原则，即在工作时间内，80%的业务是在整个工作日的20%时间内完成，其中业务量按照每天可能发生的最大交易量乘80%来计算，其中工作时间按照正常工作时间8小时的20%来进行计算。

表3-7 单位时间内业务量统计表

 在执行每笔业务时，大约占用2K，假定不考虑网络带宽在传输过程中的效率损失，下表给出了对网络带宽的需求。 表3-8 单位时间内各级机构网络汇总流量估算表

 按照每笔业务处理需要2K，考虑到并发情况及网络利用效率等问题（效率损失为60%），实际所需要的网络带宽为下表所示。 表3-9 网络传输带宽估算表

33 业务处理和系统响应时间

 业务处理时间

在不考虑财政、征收机关、商业银行内部系统的处理时间的情况下，信息在TIPS内部的处理时间最长不超过3秒。

 系统响应时间

系统登录时间最长3秒；

从报文或文件进入系统到接收回执时间不超过5秒； 报文或文件传输不成功时，在3－5秒时间内通知发送者； 因某种原因，报文或文件滞留在系统中时，应在30秒时间内向发送者发出提示信息。

为此要求：

实时联网交易在不通过小额支付系统进行时，系统响应时间应该

在5秒以内：其中税务、TIPS、金融机构之间整个网络延迟在3秒以内；数据处理中心处理时间和网间互联平台处理时间之和在2秒以内。

实时联网交易在通过小额支付系统进行时，应该在5秒加上小额支付系统和TBS的处理时间（包括中间的传输时间）。

2018年10月30日发布ipadpro时。

Type-C数据线的优点：支持正反插且更轻薄、接口的传输速度快和供电能力强、支持图像和音频传输、为手机扩容和连接读卡器、支持转网卡接口。

根据调研机构分析预测，全球消费电子线材市场预计到2022年将增长至1507亿美元，而其中主力的Type-C接口，在2020年，仅考虑接口和线缆部分，全球Type-C市场规模初步估算为669亿元，如果将衍生的数字智能耳机等考虑在内，则总规模已经超过千亿元。

TPS(Transactions per Second)，每秒事务数，在不同情况下，其含义不同：

对于客户端来说，一个事务是指一个客户端向服务器发送请求然后服务器做出反应的过程。客户端在发送请求时开始计时，收到服务器响应后结束计时，以此来计算使用的时间和完成的事务个数。客户机使用加权协函数平均方法来计算其得分，测试软件就是利用客户机的这些信息使用加权协函数平均方法来计算服务器端的整体TPS得分。

在LoadRunner中，TPS指的是单位时间内请求的业务数，和具体transaction的定义有关。如果场景启用了集合点，那么这个TPS的值无法反映系统真实的处理能力，可以用<用户事务总数/平均事务响应时间>来估算系统的处理能力；

对于服务器来说，TPS指的是每秒处理的交易数（单位是tpmC），对于硬件确定的服务器，这个值就是确定的，更多内容可参考TPC-C标准。

多数情况是数据线接触不良。换个充电量器试试，如果不行还有可能是手机充电接口有问题了。

如果是插口的问题换线是没有用的，这是手机内部尾插的问题 ，你可以接别人的数据线插上试试，如果可以再购买数据线。

还可以通过以下情况判断

1、手机系统问题，如果手机系统故障，可能会导致电池电量显示出现问题，可以通过重启手机的方式来解决问题。

2、充电器故障，充电器故障是手机充不进去电的主要原因；这是能可以换一个充电器看看是否可以充电，如果可以充电就说明是充电器故障了。

3、充电器和手机接触不良。这种情况也很常见，可以通过换个插口重试来解决问题。

4、手机本身存在质量问题。