Page History
...
Intet at bemærke.
Kafka statistik
Data serier i grafen er:
- cpuNonKernel (rød): tid brugt på non-kernel opgaver
- cpyKernel (blå): tid brugt på kernel opgaver
- cpuIdle (grøn): tid brugt på ingenting
- cpuWaitIO (gul): tid brugt på at vente på i/o
- iterationerne (sort) er en cirka placering, da wmstat loggen ikke indeholder tidstempel
Man kan se at cpuIdle og cpuNonKernel påvirkes som servicen presses mere. cpuIdle svinger oftere mod 0 i de sidste 2 iterationer. Det er dog vigtigt at bemærke at det kun er kortvarigt og cpyIdle går op igen.
Data serier i grafen er:
- ioBlockRead (rød): læsning på disk (blokke)
- ioBlockWrite (blå): skriving på disk (blokke)
- iterationerne (sort) er en cirka placering, da wmstat loggen ikke indeholder tidstempel
Man kan se at jo
Vurdering
Konklusion
Pull Point
Scope
...
Samt at fejlprocentet på den fulde kørsel er 0 %.
Vurdering
Kravet til testen er, at der skal køres med 20 kald til pull point servicen hver 10. sekund dvs. 2 per sekund. NSP's test framework fungerer med en bestemt belastning i testen som gradvis øges. I første iteration har testen kørt med 53 kald per sekund, hvilket ligger højt over kravet til testen.
...
- NoOfCalls (rød): det gennemsnitlige antal kald hvert minut
- Iterationer (sort) er baseret på det tidstempel, som findes i loggen
Vurdering
Af tabel og grafer fremgår det, at jo flere nodes og tråde (disse øges per iteration) jo flere kald kommer der igennem per sekund. Tallene svarer overens (summen for de 2 servere) med de tal JMeter kom frem til som throughput.
...
Følgende tabel viser antal af pull point fordelt per iteration, hvor de er ligeligt fordelt.
| Pull point | iteration 1 | iteration 2 | iteration 3 | iteration 4 |
| pullPoint0001 | 1789 | 1790 | 1789 | 1790 |
| pullPoint0002 | 1789 | 1790 | 1789 | 1790 |
| pullPoint0003 | 1789 | 1790 | 1789 | 1790 |
| pullPoint0004 | 1789 | 1790 | 1789 | 1790 |
| pullPoint0005 | 1789 | 1790 | 1789 | 1790 |
| pullPoint0006 | 1789 | 1788 | 1789 | 1790 |
| pullPoint0007 | 1789 | 1790 | 1788 | 1790 |
| pullPoint0008 | 1789 | 1790 | 1788 | 1790 |
| pullPoint0009 | 1789 | 1790 | 1788 | 1790 |
| pullPoint0010 | 1788 | 1790 | 1788 | 1790 |
| pullPoint0011 | 1788 | 1790 | 1788 | 1790 |
| pullPoint0012 | 1788 | 1790 | 1788 | 1790 |
| pullPoint0013 | 1788 | 1790 | 1788 | 1790 |
| pullPoint0014 | 1788 | 1789 | 1788 | 1790 |
| pullPoint0015 | 1788 | 1789 | 1788 | 1790 |
| pullPoint0016 | 1788 | 1787 | 1788 | 1789 |
| pullPoint0017 | 1788 | 1789 | 1788 | 1790 |
| pullPoint0018 | 1788 | 1785 | 1788 | 1789 |
| pullPoint0019 | 1788 | 1789 | 1788 | 1789 |
| pullPoint0020 | 1788 | 1789 | 1788 | 1789 |
| Total | 35769 | 35785 | 35766 | 35796 |
Følgende tabel viser antal af pull point fordelt per sekuend på 6 på hinanden tilfældige sekunder på tværs af server (stik prøve). Fordelingen er ligeligt fordelt med enkelt afvigelse der justeres i sekundet efter.
| Pull point | 14:25:59 | 14:26:00 | 14:26:01 | 14:26:02 | 14:26:03 | 14:26:04 |
| pullPoint0001 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0002 | 2 | 2 | 0 | 4 | 2 | 2 |
| pullPoint0003 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0004 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0005 | 0 | 4 | 2 | 2 | 2 | 2 |
| pullPoint0006 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0007 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0008 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0009 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0010 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0011 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0012 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0013 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0014 | 2 | 2 | 0 | 4 | 2 | 2 |
| pullPoint0015 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0016 | 0 | 4 | 2 | 2 | 2 | 2 |
| pullPoint0017 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0018 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0019 | 2 | 2 | 2 | 2 | 2 | 2 |
| pullPoint0020 | 2 | 2 | 2 | 2 | 2 | 2 |
Vurdering
Kravet til baggrundsbelastningen for testen er, at der skal laves 40 adviseringer per sekund fordelt ligeligt på 20 udvalgte pullpoints. Det svarer til 2400 kald per minut, hvilket ovenstående grafer viser er sket fordelt på 2 servere.
...
De dataserierne i graferne er meget stabile, med et par enkelte peaks.
Vurdering
Der er intet negativt at bemærke omkring cpu forbruget.
...
Der køres også ofte garbage collection på den yngre hukommelse, hvilket holder HeapU - yngre hukommelses forbrug - nede så den kun svinger inden for et konstant interval.
Vurdering
Den yngre forbrugte hukommelse eskalerer ikke. Garbage collecteren gør sit arbejde.
...





