概述
本文描述了openGauss数据库基于Taishan服务器，在openEuler操作系统上，为了达到数据库的极致性能，所依赖的关键系统级调优配置。
硬件规格：
CPU: 鲲鹏-920(1620) ARM aarch64 64核 * 2
内存: >=512G
磁盘: Nvme SSD * 4(每块大于1TB)
网卡: 1822网卡 万兆网卡 Ethernet controller: Huawei Technologies Co., Ltd. Hi1822 Family (4*25GE) (rev 45)
软件规格：
操作系统: openEuler 20.03 (LTS)
数据库: openGauss 1.0.0
Benchmark: benchmarksql-5.0
jdk: jdk1.8.0_212
ant: apache-ant-1.9.15
文章通过配置BIOS、操作系统、文件系统、网络、绑核，构造TPCC测试数据等几个方面来对数据库进行调优。- 依赖三方工具 jdk ant benchmark - linux工具 htop iostat.
benchmark htop iostat工具的安装使用请参照：benchmark使用。（https://opengauss.org/zh/blogs/blogs.html?post/optimize/opengauss-tpcc/）
BIOS配置
登录服务器管理系统，重启服务器进入BIOS界面，修改BIOS相关配置并重启 (服务器管理系统以实际为准)。
1.机器自检后，会提示启动选项
2.按“Del”键，进入BIOS
3.输入BIOS密码
4.恢复出厂设置
按下“F9”，恢复出厂设置
重要：因为现有的BIOS可能被改动过诸多默认设置，为保险起见，建议首先恢复出厂设置。
5. 修改相关BIOS设置
修改包括下面三项配置
# BIOS->Advanced->MISC Config，配置Support Smmu为Disabled
# BIOS->Advanced->MISC Config，配置CPU Prefetching Configuration为Disabled
# BIOS->Advanced->Memory Config，配置Die Interleaving为Disable
6. 保存相关BIOS设置，并重启
按“F10”保存并退出，重新启动系统。
操作系统配置
优化操作系统相关配置
Irq balance关闭：为避免gaussdb进程与客户端抢用CPU，导致CPU使用不均衡。如果htop呈现出部分CPU压力很大，部分CPU很空闲时需要考虑是否关闭了irqbalance.
service irqbalance stop
echo 0 > proc/sys/kernel/numa_balancing
echo 'never' > sys/kernel/mm/transparent_hugepage/enabled
echo 'never' > sys/kernel/mm/transparent_hugepage/defrag
echo none > sys/block/nvme*n*/queue/scheduler ## 针对nvme磁盘io队列调度机制设置
文件系统配置
修改xfs文件系统blocksize为8K
<1> 确认nvme盘对应加载点的现有blocksize 下面命令查看当前挂载的nvme盘
df -h | grep nvme
/dev/nvme0n1 3.7T 2.6T 1.2T 69% data1
/dev/nvme1n1 3.7T 1.9T 1.8T 51% data2
/dev/nvme2n1 3.7T 2.2T 1.6T 59% data3
/dev/nvme3n1 3.7T 1.4T 2.3T 39% data4
xfs_info命令可以查看nvme盘的信息
xfs_info data1
上图中block的大小正好为8K, 不需要修改。若不满足8k块大小的要求, 需要重新格式, 格式化前注意数据的备份。
<2> 针对需要格式化的磁盘，备份所需的数据
用户注意根据需要，将所需数据备份至其他磁盘或其他机器。
<3> 重新格式化磁盘，设置block大小8k
以/dev/nvme0n1盘，加载点为/data1为例，相关参考命令如下：
umount /data1
mkfs.xfs -b size=8192 /dev/nvme0n1 -f
mount /dev/nvme0n1 /data1
<4> 再次用xfs_info命令确认blocksize是否修改正确。
网络配置
1. 多中断队列设置
针对泰山服务器核数较多的特征，产品需要在服务器端和客户端设置网卡多队列。当前推荐的配置为：服务器端网卡配置16中断队列，客户端网卡配置48中断队列。
多中断队列设置工具(1822-FW)
Hi1822网卡发布版本可以从如下链接获取，IN500 solution 5.1.0.SPC401及之后正式支持设置多队列： https://support.huawei.com/enterprise/zh/intelligent-accelerator-components/in500-solution-pid-23507369/software.
<1> 解压Hi1822-NIC-FW.zip, 进入目录，在root用户下安装hinicadm.
<2> 确定当前连接的物理端口是哪个网卡的，不同硬件平台这个网口和网卡名有差别。以如下示例机器为例，当前使用enp3s0的小网网口，属于hinic0网卡。
<3> 进入config目录， 利用配置工具hinicconfig配置中断队列FW配置文件：
64队列配置文件：std_sh_4x25ge_dpdk_cfg_template0.ini；
16队列配置文件：std_sh_4x25ge_nic_cfg_template0.ini；
对hinic0卡配置为不同队列数（默认16队列，可以按需要调整）
./hinicconfig hinic0 -f std_sh_4x25ge_dpdk_cfg_template0.ini
重启操作系统生效，输入命令ethtool -l enp3s0查看（比如下图表示修改为(32)
修改combined的值，输入命令ethtool -L enp3s0 combined 48（不同平台，不同应用的优化值可能不同，当前128核平台，服务器端调优值为16，客户端调优值为48）。
2. 中断调优
在openGauss数据库满跑的情况下（CPU占比90%以上），CPU成为瓶颈，开启offloading，将网络分片offloading到网卡上
ethtool –K enp3s0 tso on
ethtool –K enp3s0 lro on
ethtool –K enp3s0 gro on
ethtool –K enp3s0 gso on
以1620平台为例，网卡中断绑定每个numa node中最后4个core，每个core绑定3个中断。绑核中断脚本如下所示，此脚本将在openGauss安装的时候在gs_preinstall被调用，具体执行步骤请查看产品安装说明书：
sh bind_net_irq.sh 16
3. 网卡固件确认与更新
确认当前环境的小网网卡固件版本是否为2.5.0.0
ethtool -i enp3s0
driver: hinic
version: 2.3.2.11
firmware-version: 2.5.0.0
expansion-rom-version:
bus-info: 0000:03:00.0
如果是2.5.0.0，建议更换为2.4.1.0，以获得更佳性能。
网卡固件更新步骤
<1> 上传网卡固件驱动至服务器 Hi1822_nic_prd_1h_4x25G.bin
<2> 使用root执行如下命令
hinicadm updatefw -i <物理网卡设备名> -f <固件文件路径>
其中，“物理网卡设备名”为网卡在系统中的名称，例如“hinic0”表示第一张网卡，“hinic1”表示第二张网卡，查找方法参见前文“多中断队列设置”。例如：
# hinicadm updatefw -i <物理网卡设备名> -f <固件文件路径>
Please do not remove driver or network device
Loading...
[>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>] [100%] [\]
Loading firmware image succeed.
Please reboot OS to take firmware effect.
<3> 重启服务器，再确认小网网卡固件版本成功更新为2.4.1.0
ethtool -i enp3s0
driver: hinic
version: 2.3.2.11
firmware-version: 2.4.1.0
expansion-rom-version:
bus-info: 0000:03:00.0
确认小网网卡固件版本成功更新成功。
数据库服务端及客户端绑核
安装数据库, 具体参考openGauss安装文档。
大概步骤如下：
◾ 停止数据库
◾ 修改postgresql.conf参数
◾ 以绑核方式启动数据库： numactl --interleave=all bin/gaussdb -D ${DATA_DIR} --single_node
◾ 以绑核方式启动benchmark： numactl -C 0-19,32-51,64-83,96-115 ./runBenchmark.sh props.pg
按照自己的绑核配置和benchmark配置文件执行此命令。这里的绑核参数是在数据库绑核参数的空隙。
1. 服务器端绑核设置
<1> 业务进程在运行过程中，硬件上报的网络中断会导致频繁的上下文切换，严重影响效率，因此需要将网络中断和业务分开绑定在不同的核上运行，网络中断绑核请查看上一节。
<2> 当前openGauss中引入了线程池机制，即数据库启动时，线程池将创建指定数目的线程来服务，线程在创建时会进行绑核，因此需要将网卡的绑核信息通过 GUC 参数传入，方便运行期间绑核设置。以128核为例，对应参数如下图：
其中线程总数为（cpu总数128 - 处理网络的cpu数目16）* 每个核上线程数（经验值推荐7.25） = (128-16)*7.25 = 812，numa节点数为4，处理中断的核数为16。
如下为辅助分配绑定CPU：
numactl -C 0-27,32-59,64-91,96-123 gaussdb --single_node -D {DATA_DIR} -p {PORT} &
或者：
numactl --interleave=all gaussdb --single_node -D {DATA_DIR} -p {PORT} &
2. 服务器端参数设置
postgresql.conf中新增如下参数：- advance_xlog_file_num = 10
此参数表示后台线程BackgroundWALWriter周期性地提前检测并初始化未来10个XLog文件，避免事务提交时才去执行XLog文件初始化，从而降低事务提交时延。只有在性能压力测试时作用才会体现出来，一般不用配置。默认为0，即不进行提前初始化。- numa_distribute_mode = 'all'
此参数目前有all和none两个取值。all表示启用NUMA优化，将工作线程和对应的PGPROC、WALInsertlock进行统一分组，分别绑定到对应的NUMA Node下，以减少关键路径上的CPU远端访存。默认取值为none，表示不启用NUMA分布特性。只有在涉及到多个NUMA节点，且远端访存代价明显高于本地访存时使用。当前建议在性能压力测试情况下开启。
thread_pool_attr线程池配置
thread_pool_attr = '812,4,(cpubind: 0-27,32-59,64-91,96-123)'
相关参数：
max_connections = 4096
allow_concurrent_tuple_update = true
audit_enabled = off
checkpoint_segments = 1024
checkpoint_timeout = 15min
cstore_buffers = 16MB
enable_alarm = off
enable_codegen = false
enable_data_replicate = off
full_page_writes = on
max_files_per_process = 100000
max_prepared_transactions = 2048
shared_buffers = 350GB
use_workload_manager = off
wal_buffers = 1GB
work_mem = 1MB
log_min_messages = FATAL
transaction_isolation = 'read committed'
default_transaction_isolation = 'read committed'
synchronous_commit = on
fsync = on
maintenance_work_mem = 2GB
vacuum_cost_limit = 2000
autovacuum = on
autovacuum_mode = vacuum
autovacuum_max_workers = 5
autovacuum_naptime = 20s
autovacuum_vacuum_cost_delay = 10
xloginsert_locks = 48
update_lockwait_timeout = 20min
enable_mergejoin = off
enable_nestloop = off
enable_hashjoin = off
enable_bitmapscan = on
enable_material = off
wal_log_hints = off
log_duration = off
checkpoint_timeout = 15min
autovacuum_vacuum_scale_factor = 0.1
autovacuum_analyze_scale_factor = 0.02
enable_save_datachanged_timestamp = false
log_timezone = 'PRC'
timezone = 'PRC'
lc_messages = 'C'
lc_monetary = 'C'
lc_numeric = 'C'
lc_time = 'C'
enable_thread_pool = on
thread_pool_attr = '812,4,(cpubind:0-27,32-59,64-91,96-123)'
enable_double_write = off
enable_incremental_checkpoint = on
enable_opfusion = on
advance_xlog_file_num = 10
numa_distribute_mode = 'all'
track_activities = off
enable_instr_track_wait = off
enable_instr_rt_percentile = off
track_counts = on
track_sql_count = off
enable_instr_cpu_timer = off
plog_merge_age = 0
session_timeout = 0
enable_instance_metric_persistent = off
enable_logical_io_statistics = off
enable_page_lsn_check = off
enable_user_metric_persistent = off
enable_xlog_prune = off
enable_resource_track = off
instr_unique_sql_count=0
enable_beta_opfusion=on
enable_beta_nestloop_fusion=on
3. TPCC客户端绑核设置
客户端通过 numactl 将客户端绑定在除网卡外的核上，下图以 128 核环境举例，共80个核用于处理业务逻辑，剩余48个核处理网络中断。
对应tpmc程序应该使用为：
numactl -C 0-19,32-51,64-83,96-115 ./runBenchmark.sh props.pg
其他核用来处理网络中断。
构建TPCC初始数据
1. 修改benchmark配置
复制props.pg并重命名为props.opengauss.1000w，编辑该文件，将如下配置覆盖到文件里面：
cp props.pg props.opengauss.1000w
vim props.opengauss.1000w
db=postgres
driver=org.postgresql.Driver
// 修改连接字符串, 包含ip, 端口号, 数据库
conn=jdbc:postgresql://ip:port/tpcc1000?prepareThreshold=1&batchMode=on&fetchsize=10
// 设置数据库登录用户和密码
user=user
password=******
warehouses=1000
loadWorkers=200
// 设置最大并发数量, 跟服务端最大work数对应
terminals=812
//To run specified transactions per terminal- runMins must equal zero
runTxnsPerTerminal=0
//To run for specified minutes- runTxnsPerTerminal must equal zero
runMins=5
//Number of total transactions per minute
limitTxnsPerMin=0
//Set to true to run in 4.x compatible mode. Set to false to use the
//entire configured database evenly.
terminalWarehouseFixed=false
//The following five values must add up to 100
//The default percentages of 45, 43, 4, 4 & 4 match the TPC-C spec
newOrderWeight=45
paymentWeight=43
orderStatusWeight=4
deliveryWeight=4
stockLevelWeight=4
// Directory name to create for collecting detailed result data.
// Comment this out to suppress.
resultDirectory=my_result_%tY-%tm-%td_%tH%tM%tS
osCollectorScript=./misc/os_collector_linux.py
osCollectorInterval=1
// 收集OS负载信息
//osCollectorSSHAddr=osuer@10.44.133.78
//osCollectorDevices=net_enp3s0 blk_nvme0n1 blk_nvme1n1 blk_nvme2n1 blk_nvme3n1
2. TPCC导入数据前准备
<1> 替换tableCreats.sql文件
下载文件tableCreates.sql (https://blog.opengauss.org/zh/post/optimize/images/tableCreates.sql)。 使用该文件替换benchmarkSQL中路径 benchmarksql-5.0/run/sql.common/ 下的对应文件。
该文件主要做了如下修改：
◾增加了两个表空间
CREATE TABLESPACE example2 relative location 'tablespace2';
CREATE TABLESPACE example3 relative location 'tablespace3';
◾ 删除序列bmsql_hist_id_seq
◾ 给每一个表增加FACTOR属性
create table bmsql_stock (
s_w_id integer not null,
.....
s_dist_10 char(24)
) WITH (FILLFACTOR=80) tablespace example3;
<2> 修改索引indexCreates.sql
修改run/sql.common/indexCreates.sql文件
修改上图中红框中的内容如下：
在该文件中添加下图中红色内容，可以在benchmark自动生成数据的时候自动生成到不同的数据表空间，如果未添加可以在benchmark生成数据之后再数据库端修改，用于分盘。
<3> 修改runDatabaseBuild.sh文件 修改下图内容可避免生产数据时候的外键不支持错误。
3. 导入数据
运行runDatabaseBuild.sh导入数据
4. 数据备份
为了方便多次测试, 减少导数据的时间, 可以将导好的数据备份, 一种常用的做法是: 停止数据库, 将整个数据目录做一次拷贝。恢复时参考脚本如下：
#!/bin/bash
rm -rf /ssd/omm108/gaussdata
rm -rf /usr1/omm108dir/tablespace2
rm -rf /usr2/omm108dir/tablespace3
rm -rf /usr3/omm108dir/pg_xlog
cp -rf /ssd/omm108/gaussdatabf/gaussdata /ssd/omm108/ &
job0=$!
cp -rf /usr1/omm108dir/tablespace2bf/tablespace2 /usr1/omm108dir/ &
job1=$!
cp -rf /usr2/omm108dir/tablespace3bf/tablespace3 /usr2/omm108dir/ &
job2=$!
cp -rf /usr3/omm108dir/pg_xlogbf/pg_xlog /usr3/omm108dir/ &
job3=$!
wait $job1 $job2 $job3 $job0
5. 数据分盘
在性能测试过程中, 为了增加IO的吞吐量, 需要将数据分散到不同的存储介质上。由于我们机器上有4块NVME盘, 可以将数据分散到不同的盘上。我们主要将pg_xlog, tablespace2, tablespace3这三个目录放置在其他3个NVME盘上, 并在原有的位置给出指向真实位置的软连接. pg_xlog位于数据库目录下, tablespace2, tablespace3分别位于数据库目录pg_location下。对tablespace2分盘的示例命令如下：
mv $DATA_DIR/pg_location/tablespace2 $TABSPACE2_DIR/tablespace2
cd $DATA_DIR/pg_location/
ln -svf $TABSPACE2_DIR/tablespace2 ./
6. 运行TPCC程序
numactl –C 0-19,32-51,64-83,96-115 ./runBenchmark.sh props.opengauss.1000w
7. 性能监控
使用htop监控数据库服务端和tpcc客户端CPU利用情况, 极限性能测试情况下, 各个业务CPU的占用率都非常高(> 90%), 若有CPU占用率没有达标, 可能是绑核方式不对, 需要进行调整
上图中黄线框中的是处理网络中断的CPU.
8. 调优后的监控状态
经过调优后的htop状态呈现这种状态是比较可靠的状态
数据库调优是一个繁琐的工作，需要不断去修改配置，运行TPCC，反复去调试以达到最优性能配置。
TPCC运行结果：
