元数据性能大比拼：HDFS vs S3 vs JuiceFS
元数据是存储系统的核心大脑，元数据性能对整个大数据平台的性能和扩展能力至关重要 。尤其在处理海量文件的时候 。在平台任务创建、运行和结束提交阶段，会存在大量的元数据 create，open，rename 和 delete 操作 。因此，在进行文件系统选型时，元数据性能可谓是首当其冲需要考量的一个因素 。
目前主流的大数据存储方案中，HDFS 是使用最为广泛的方案，已经过十几年的沉淀和积累；以 Amazon S3 为代表的对象存储是近年来云上大数据存储的热门方案；JuiceFS 是大数据圈的新秀，专为云上大数据打造，基于对象存储来进行大数据存储 。因此，我们选取了这 3 个典型的存储方案 HDFS、Amazon S3 与 JuiceFS 社区版 进行元数据的性能测试 。
测试方法NNBench 是Hadoop 中有一个专门压测文件系统元数据性能的组件，本次测试就是使用它来进行的 。
原版的 NNBench 有一些局限性，我们做了调整：
- 原版 NNBench 的单个测试任务是单线程的，资源利用率低，我们将它改成多线程，便于增加并发压力 。
- 原版 NNBench 使用 hostname 作为路径名的一部分，没有考虑同一个主机里多个并发任务的冲突问题，会导致多个测试任务重复创建和删除文件，不太符合大数据工作负载的实际情况，我们改成使用 Map 的顺序号来生成路径名，避免的一个主机上多个测试任务的产生冲突 。
测试软件：
- emr-6.4.0，hadoop3.2.1，HA部署
- master（3台）：m5.xlarge, 4 vCore, 16 GiB
- core（3台): m5.xlarge, 4 vCore, 16 GiB
JuiceFS 元数据引擎：ElastiCache，6.2.6，cache.r5.large
性能表现先来看看大家都熟悉的 HDFS 的性能表现：
文章插图
此图描述的是 HDFS 每秒处理的请求数（TPS）随着并发数增长的曲线，随着并发的增加，TPS基本呈现线性增长 。
文章插图
- S3 速度比 HDFS 慢了一个数量级，但它的各种操作的速度基本保持稳定，总的 TPS 随着并发数的增长而增长 。
- 但 S3 性能不太稳定，可以看到 Delete 请求在 100 并发下反而出现了下降的情况，猜测可能和 S3 本身的负载有关 。
文章插图
- 整体趋势和 HDFS 类似，Open 会比其他操作快很多 。
- JuiceFS 的 TPS 也是在 20 个并发以内基本保持线性增长，之后增长放缓，在 80 个并发左右达到上限
文章插图
文章插图
文章插图
文章插图
- JuiceFS 在所有元数据操作上均大幅领先于 S3 。
- JuiceFS 在 Create 和 Open 操作上领先于 HDFS 。
- 此次测试中使用的元数据引擎是ElastiCache，各操作在 80 并发左右会达到性能瓶颈，表现比 HDFS 差 。
文章插图
上图是 20 个并发下的各操作的时延（未跑满负载），可以发现：
经验总结扩展阅读
- 去哪儿旅行28.8元盲盒火车票怎么买不了
- 去哪儿28.8元火车票盲盒活动时间及玩法攻略
- 去哪儿28.8元火车票盲盒可以购买几次
- ?去哪儿28.8元火车票盲盒包含往返车票吗
- 去哪儿28.8元火车票盲盒可以改签吗
- 中元节吃的糕叫什么
- 中元节能不能洗衣服
- 中元节可以剪头发不
- 全国状元-今年高考全国状元是谁啊
- 2023元旦节祝福语贺词