Optimale Vorgehensweisen für ThingWorx Modell und Daten > Datensortierung > Leistungsergebnisse
Leistungsergebnisse
Während der Leistungstests wurde das folgende Test-Setup verwendet, und es wurden folgende Beobachtungen gemacht.
Testumgebung – Einzelserver (mit Azure PostgreSQL Flex Server-Datenbank)
◦ CPU: 32
◦ Prozessor: Intel(R) Xeon(R) Platinum 8168 CPU mit 2,70 GHz
◦ RAM: 64 GB
◦ Datenbank: PostgreSQL
Testumgebung – HA-Setup (Konfiguration mit 4 Knoten und Azure PostgreSQL Flex Server-Datenbank)
Für jeden Knoten wurde das folgende Setup verwendet:
◦ CPU: 8
◦ Prozessor: Intel(R) Xeon(R) Platinum 8168 CPU mit 2,70 GHz
◦ RAM: 16 GB
◦ Datenbank: Azure Flex Server
Testumgebung – Axeda Edge
◦ eMC-Server: 1 für Einzelserver und 4 für Hochverfügbarkeit
◦ Datensortierung aktiviert: wahr
Simulatordetails
◦ Geräte (Dinge): ~30.000
◦ Eigenschaften pro Ding: Integer (10) und String (10)
◦ Häufigkeit der Eigenschaftsaktualisierung: 60 Sekunden
◦ Häufigkeit der Datenerfassung: 60 Sekunden
◦ Eigenschaften mit Warnungen: 5
Alle Eigenschaftsaktualisierungen wurden an den Wert-Stream übertragen.
JAVA-Simulator
• Für ThingWorx Einzelserver + Azure PostgreSQL Flex + Connection Server (groß) (~30.000 Geräte)
Status der Datensortierung
Plattformverbrauch
Datenbankverbrauch
WS-Anforderungen
VS-Warteschlangenanforderungen
(WPS)
CPU (%)
(32 Kerne)
Arbeitsspeicher
(von 128 GB)
CPU (%)
Arbeitsspeicher
(von 128 GB)
Schreibvorgänge
(OPS)
AUS
30
40,46 GB
(31,6 %)
23,53
41 GB
(32 %)
9366
56720
EIN
35,98
32,06 GB
(25 %)
15,16
40 GB
(31 %)
7949
59220
• Für ThingWorx Hochverfügbarkeit (4 Knoten) + Azure PostgreSQL Flex + Connection Server (klein) (~30.000 Geräte)
Status der Datensortierung
Plattform 1
Plattform 2
Plattform 3
Plattform 4
Datenbank
CPU (%)
Arbeitsspeicher (GB)
VS-Warteschlangenrate (WPS)
Stream-Warteschlangenrate (WPS)
CPU (%)
Arbeitsspeicher (GB)
VS-Warteschlangenrate (WPS)
Stream-Warteschlangenrate (WPS)
CPU (%)
Arbeitsspeicher (GB)
VS-Warteschlangenrate (WPS)
Stream-Warteschlangenrate (WPS)
CPU (%)
Arbeitsspeicher (GB)
VS-Warteschlangenrate (WPS)
Stream-Warteschlangenrate (WPS)
CPU (%)
Arbeitsspeicher (GB)
WS-Anforderungen (Schreibvorgänge)
AUS
51,5
7,13
17364
1,5
51,5
7,13
17364
1,5
55,59
3,60
17325
1,17
49,82
7,23
17438
1,4
50,73
37,59
7453
EIN
57,98
6,08
17291
1,27
49,48
7,36
17953
1,27
51,89
3,66
17736
1,35
51,56
7,19
17997
1,14
48,41
35,79
7593
Axeda EDGE
• ThingWorx Einzelserver + Axeda Edge + EMC + Azure PostgreSQL Flex (groß) (~30.000 Geräte)
Status der Datensortierung
Plattform
Datenbank
CPU (%)
(16 Kerne)
Arbeitsspeicher (GB)
(von 64 GB)
VS-Warteschlangenrate (WPS)
CPU (%)
(16 Kerne)
Arbeitsspeicher (GB)
(von 64 GB)
AUS
34,55
5,84
23057
9,96
31,07
EIN
24,68
5,42
19738
7,68
30,89
• ThingWorx Hochverfügbarkeit (4 Knoten) + Axeda Edge + EMC + Azure PostgreSQL Flex (groß) (~30.000 Geräte)
Status der Datensortierung
Plattform 1
Plattform 2
Plattform 3
Plattform 4
Datenbank
CPU (%)
(16 Kerne)
Arbeitsspeicher (GB)
(von 64 GB)
VS-Warteschlangenrate (WPS)
CPU (%)
Arbeitsspeicher (GB)
(von 64 GB)
VS-Warteschlangenrate (WPS)
CPU (%)
Arbeitsspeicher (GB)
(von 64 GB)
VS-Warteschlangenrate (WPS)
CPU (%)
Arbeitsspeicher (GB)
(von 64 GB)
VS-Warteschlangenrate (WPS)
CPU (%)
Arbeitsspeicher (GB)
(von 64 GB)
AUS
44,92
5,45
7212
42,84
5,73
7142
39,98
4,51
7169
43,09
6,95
7212
11,26
32,46
EIN
33,48
4,8
7539
33,50
7,55
7556
33,23
4,69
7455
33,23
5,17
7444
15,84
31,90
Zusammenfassung
Simulator
Setup
Beobachtung für Datensortierung EIN im Vergleich zu Datensortierung AUS
JAVA-Simulator
ThingWorx Einzelserver + Azure PostgreSQL Flex + Connection Server (groß)
Keine Auswirkungen auf die Leistung
JAVA-Simulator
ThingWorx Hochverfügbarkeit (4 Knoten) + Azure PostgreSQL Flex + Connection Server (klein)
Auf einigen Knoten wird ein geringfügiger Leistungsabfall beobachtet. Die Gesamtsystemleistung ist konsistent.
Axeda EDGE
ThingWorx Einzelserver + Axeda Edge + EMC + Azure PostgreSQL Flex (klein)
Es wird ein geringfügiger Leistungsabfall beobachtet.
Axeda EDGE
ThingWorx Hochverfügbarkeit (4 Knoten) + Axeda Edge + EMC + Azure PostgreSQL Flex (klein)
Auf einigen Knoten wird ein geringfügiger Leistungsabfall beobachtet. Die Gesamtsystemleistung ist konsistent.
• Umfang der Beobachtungen: Die Ergebnisse basieren auf einem einzigen Leistungslauf. Bei bestimmten Konfigurationen, einschließlich Anpassungen von Edge-Geräten, Anwendungslast und Systemkonfiguration, können die Ergebnisse variieren.
• Leistung beim HA-Setup (Hochverfügbarkeit): Während der Tests wurde auf einigen Knoten innerhalb des HA-Setups eine geringfügige Leistungsverschlechterung beobachtet. Die Gesamtleistung des Systems blieb jedoch konsistent, und es wurden keine wesentlichen Auswirkungen im Setup festgestellt.
• Überlegungen zur Skalierbarkeit: Trotz geringfügiger Abweichungen auf bestimmten Knoten demonstriert das System Resilienz und Skalierbarkeit unter HA-Konfigurationen, wodurch Zuverlässigkeit und betriebliche Konsistenz aufrecht erhalten werden.
• Kontexteinflüsse: Das Leistungsverhalten kann sich in Produktionsumgebungen aufgrund von Faktoren wie realen Netzwerkbedingungen, Richtlinien zur Ressourcenzuordnung und betrieblichen Workloads unterscheiden.
War dies hilfreich?