一、实验设置

实验目的

1. 读一个TsFile的磁盘IO代价和CPU代价的大小比较
2. 了解CPU代价里有没有突出的耗时瓶颈操作

IoTDB版本

• v0.13.1

实验环境

• FIT楼166.111.130.101 / 192.168.130.31
• CPU：Intel(R) Core(TM) i7-8700 CPU @ 3.20GHz，(6核12线程)
• L1 cache 284KB, L2 cache 1536KB, L3 cache 12MB
• 内存：16G
• 硬盘：1.8T HDD /dev/sdb1 mounted on /disk
• 操作系统：Ubuntu 16.04.7 LTS
• 工作文件夹：/disk/rl/tsfileReadExp/

数据集

• 中车数据：/disk/rl/zc_data
• 人工数据：时间戳从1开始以步长1递增，值在[0,100)随机取整数

实验工具

• 可执行jar包和脚本：https://github.com/LeiRui/exp0913.git

• 实验源码：https://github.com/LeiRui/iotdb/blob/cost2/tsfile/src/main/java/org/apache/iotdb/tsfile/read/RLTsFileReadCostBench.java

RLTsFileReadCostBench用法

(1) 用人工数据写TsFile

java -jar RLTsFileReadCostBench-0.13.1-jar-with-dependencies.jar WRITE_SYN [pagePointNum] [numOfPagesInChunk] [chunksWritten] [timeEncoding] [valueDataType] [valueEncoding] [compressionType]

• WRITE_SYN：用来标识是“写人工数据/写真实数据/读数据”中的“写人工数据”

• pagePointNum(ppn)：一个page内的点数

• numOfPagesInChunk(pic)：一个chunk内的pages数

• chunksWritten(cw)：写的chunks总数

• timeEncoding(te)：时间戳列编码方式

• valueDataType(vt)：值列数据类型

• valueEncoding(ve)：值列编码方式

• compressionType(co)：压缩方式

(2) 用真实数据集写TsFile

java -jar RLTsFileReadCostBench-0.13.1-jar-with-dependencies.jar WRITE_REAL [path_of_real_data_csv_to_write] [pagePointNum] [numOfPagesInChunk] [timeEncoding] [valueDataType] [valueEncoding] [compressionType]

• WRITE_REAL：用来标识是“写人工数据/写真实数据/读数据”中的“写真实数据”

• path_of_real_data_csv_to_write：用来写TsFile的真实数据集csv地址

• pagePointNum(ppn)：一个page内的点数

• numOfPagesInChunk(pic)：一个chunk内的pages数

• timeEncoding(te)：时间戳列编码方式

• valueDataType(vt)：值列数据类型

• valueEncoding(ve)：值列编码方式

• compressionType(co)：压缩方式

(3) 读实验

java -jar RLTsFileReadCostBench-0.13.1-jar-with-dependencies.jar READ [path_of_tsfile_to_read] [decomposeMeasureTime] [D_decompose_each_step] (timeEncoding)

• WRITE_REAL：用来标识是“写人工数据/写真实数据/读数据”中的“读数据”

• path_of_tsfile_to_read：要读取的TsFile地址

• decomposeMeasureTime：FALSE to measure the read process as a whole, in which case D_decompose_each_step is useless. TRUE to measure the decomposed read process, and the decomposition granularity is controlled by D_decompose_each_step.

• D_decompose_each_step：When decomposeMeasureTime is TRUE, D_decompose_each_step=FALSE to measure the "(D_1)decompress_pageData" and "(D_2)decode_pageData" steps without further deomposition, D_decompose_each_step=TRUE to break down these two steps further and measure substeps inside.

• timeEncoding(te)：If timeEncoding is not specified, TS_2DIFF will be used by default. timeEncoding should be the same with that used to write the TsFile.

结合实验目的，

• 目的1：decomposeMeasureTime=TRUE & D_decompose_each_step=FALSE：对比B类操作（磁盘IO代价所在）和D类操作（CPU代价主要所在）耗时
• 目的2：decomposeMeasureTime=TRUE & D_decompose_each_step=TRUE：分析D-1操作内部各子步骤耗时占比，分析D-2操作内部各子步骤耗时占比

自动化脚本

(1) RLUnitSynExp.sh：用人工数据写TsFile，清空系统缓存，然后进行一次读TsFile实验。

• 输入：见RLTsFileReadCostBench的写数据参数和读数据参数
• 输出：一个TsFile文件、一个TsFile空间统计结果文件（ *writeResult.csv）、一个读TsFile耗时结果csv文件（ *readResult-T*csv）

(2) RLUnitRealExp.sh：用真实数据写TsFile，清空系统缓存，然后进行一次读TsFile实验。

• 输入：见RLTsFileReadCostBench的写数据参数和读数据参数

• 输出：一个TsFile文件、一个TsFile空间统计结果文件（ *writeResult.csv）、一个读TsFile耗时结果csv文件（ *readResult-T*csv）

(3) RLReadExpScripts.sh：重复若干次读实验，把读实验结果进行汇总，把写文件的空间结果和读文件的耗时结果汇总到一起，最后对读实验结果进行平均值和百分比统计计算。

• 输入：

  • WRITE_READ_JAR_PATH：RLTsFileReadCostBench-0.13.1-jar-with-dependencies.jar的地址

  • Calculator_JAR_PATH：把若干次重复读实验结果进行平均值和百分比计算的RLRepeatReadResultAvgPercCalculator-0.13.1-jar-with-dependencies.jar的地址

  • FILE_NAME：要读取的TsFile的地址

  • decomposeMeasureTime：见RLTsFileReadCostBench读数据参数

  • D_decompose_each_step：见RLTsFileReadCostBench读数据参数

  • te：：见RLTsFileReadCostBench读数据参数

  • REPEAT：读实验重复次数

• 输出：

  • REPEAT个读TsFile耗时结果csv文件 *readResult-T*csv

  • 一个把重复读实验结果横向拼接起来的csv文件 *readResult-combined.csv

  • 一个把写结果和读结果拼接起来的csv文件 *allResult-combined.csv

  • 一个把读结果取平均值并且按照不同粒度统计百分比的csv文件 *allResult-combined-processed.csv

(4) RLCompressionExpScripts.sh：在不同的压缩方式参数下（UNCOMPRESSED, SNAPPY, GZIP, LZ4），写TsFile，清空系统缓存，然后进行若干次重复读TsFile实验，把读实验结果进行汇总，把写文件的空间结果和读文件的耗时结果汇总到一起，最后对读实验结果进行平均值和百分比统计计算。

• 输入：

  • 工具地址：

    • WRITE_READ_JAR_PATH：RLTsFileReadCostBench-0.13.1-jar-with-dependencies.jar的地址

    • Calculator_JAR_PATH：把若干次重复读实验结果进行平均值和百分比统计计算的RLRepeatReadResultAvgPercCalculator-0.13.1-jar-with-dependencies.jar的地址

    • TOOL_PATH：用于替换脚本中变量值的自动脚本工具RLtool.sh的地址

    • READ_SCRIPT_PATH：RLReadExpScripts.sh的地址

  • 写数据参数：见RLTsFileReadCostBench写数据参数

  • 读数据参数：见RLTsFileReadCostBench读数据参数

  • REPEAT：读实验重复次数

• 输出：不同压缩方式下的一个TsFile文件、一个TsFile空间统计结果文件（ *writeResult.csv）、REPEAT个读TsFile耗时结果csv文件（ *readResult-T*csv）、一个把重复读实验结果横向拼接起来的csv文件（*readResult-combined.csv）、一个把写结果和读结果拼接起来的csv文件（*allResult-combined.csv）、一个把读结果取平均值并且按照不同粒度统计百分比的csv文件（ *allResult-combined-processed.csv）

其它类似，不再赘述。

二、实验结果

改变压缩方式

人工数据实验结果

RLCompressionSynExpScripts.sh

B类操作耗时超过D类操作耗时。分析原因：使用的人工数据数值是INT64类型的随机取整的数，且PLAIN编码，且四种压缩方式此时的压缩率都不高，所以磁盘数据量偏大。

中车数据实验结果

RLCompressionRealExpScripts.sh

ZT11529传感器数据如下图所示，共12,780,287个点。

• 相对其它压缩方法，GZIP的压缩率最高，同时它的D-1解压缩步骤耗时占比也更高。
• 真实数据集的压缩率高，磁盘数据量少，D类操作耗时超过B类操作耗时，即整体耗时瓶颈在D类操作。
• 真实数据集的压缩率高，D-1步骤内部的主要耗时瓶颈是子步骤7_2_data_decompress_PageDataByteArray(us)。
  • 人工数据实验里发现另一个子步骤7_1_data_ByteBuffer_to_ByteArray(us)的占比也高，其主要因为人工数据实验里数据压缩率很低，从而子步骤7_2_data_decompress_PageDataByteArray(us)耗时少，从而相对来说7_1_data_ByteBuffer_to_ByteArray(us)占比高了。
• 本实验里，D-2类操作内部没有突出的耗时瓶颈子步骤。

后续：可以增大真实数据集的数据量之后再实验看看。

改变编码方式

人工数据实验结果

RLValueEncodingSynExpScripts.sh

• 总的来说，使用的人工数据集不太好，其随机生成的取值，编码压缩效率都不高

中车数据实验结果

RLValueEncodingRealExpScripts.sh

ZT11529传感器数据如下图所示，共12,780,287个点。