在不同的云厂商，购买相同规格的 MySQL 实例，获得的性能相同吗？本文使用 Sysybench，对不同云厂商的同样规格“4vCPU-16GB”进行性能测试来尝试回答上述问题。
Sysbench QPS 详细数据
| data | aliyun | aws | azure | tencent | |
|---|---|---|---|---|---|
| 4 | 5626 | 1696 | 1790 | 2470 | 6637 |
| 8 | 9196 | 3367 | 3371 | 4383 | 12645 |
| 16 | 14915 | 6642 | 6190 | 7326 | 22038 |
| 32 | 19949 | 12915 | 10232 | 10380 | 35518 |
| 48 | 22581 | 18748 | 12423 | 11664 | 42247 |
| 64 | 24351 | 23187 | 13272 | 12158 | 44209 |
| 96 | 25344 | 27538 | 13998 | 11807 | 44705 |
| 128 | 25590 | 30213 | 13927 | 11241 | 41687 |
| 192 | 26085 | 32101 | 13595 | 11195 | 45267 |
| 256 | 24861 | 33227 | 13925 | 11493 | 47992 |
| 384 | 24930 | 33521 | 13754 | 11208 | 49635 |
| 512 | 25120 | 31676 | 13450 | 11864 | 49846 |
Latency (Event) 详细数据
如下表格分别为：平均延迟 和 95%延迟数据。单位为：毫秒/ms。
| data | aliyun | aws | azure | tencent | |
|---|---|---|---|---|---|
| 4 | 12.80 | 42.45 | 40.23 | 29.14 | 10.85 |
| 8 | 15.66 | 42.76 | 42.70 | 32.85 | 11.39 |
| 16 | 19.31 | 43.35 | 46.52 | 39.31 | 13.07 |
| 32 | 28.87 | 44.59 | 56.29 | 55.48 | 16.22 |
| 48 | 38.26 | 46.08 | 69.54 | 74.06 | 20.45 |
| 64 | 47.30 | 49.67 | 86.78 | 94.73 | 26.06 |
| 96 | 68.17 | 62.74 | 123.42 | 146.31 | 38.65 |
| 128 | 90.03 | 76.24 | 165.39 | 204.90 | 55.27 |
| 192 | 132.46 | 107.64 | 254.11 | 308.60 | 76.33 |
| 256 | 185.29 | 138.65 | 330.80 | 400.70 | 95.98 |
| 384 | 277.13 | 206.12 | 502.11 | 616.09 | 139.18 |
| 512 | 366.65 | 290.78 | 684.53 | 775.85 | 184.76 |
| data | aliyun | aws | azure | tencent | |
|---|---|---|---|---|---|
| 4 | 16.71 | 45.79 | 47.47 | 36.89 | 12.30 |
| 8 | 20.74 | 44.17 | 50.11 | 41.85 | 12.75 |
| 16 | 26.68 | 45.79 | 53.85 | 52.89 | 14.46 |
| 32 | 41.85 | 51.02 | 66.84 | 75.82 | 18.95 |
| 48 | 57.87 | 54.83 | 84.47 | 99.33 | 24.83 |
| 64 | 74.46 | 59.99 | 110.66 | 125.52 | 33.72 |
| 96 | 101.13 | 89.16 | 158.63 | 196.89 | 53.85 |
| 128 | 125.52 | 101.13 | 211.60 | 282.25 | 137.35 |
| 192 | 176.73 | 167.44 | 320.17 | 419.45 | 153.02 |
| 256 | 244.38 | 215.44 | 419.45 | 549.52 | 158.63 |
| 384 | 363.18 | 320.17 | 646.19 | 831.46 | 183.21 |
| 512 | 484.44 | 434.83 | 861.95 | 1032.01 | 240.02 |
MySQL 参数对比表格
| data | aliyun | aws | azure | tencent | |
|---|---|---|---|---|---|
| innodb_buffer_pool_size | 9.75GB | 11.25GB | 12GB | 10.88GB | 12GB |
| innodb_doublewrite | ON | OFF | OFF | ON | ON |
| innodb_flush_log_at_trx_commit | 1 | 1 | 1 | 1 | 1 |
| innodb_flush_method | O_DIRECT | O_DIRECT | O_DIRECT | O_DIRECT | O_DIRECT |
| innodb_io_capacity | 20000 | 10000 | 10000 | 5000 | 20000 |
| innodb_read_io_threads | 4 | 4 | 4 | 4 | 4 |
| innodb_write_io_threads | 4 | 4 | 4 | 4 | 4 |
| log_bin | ON | OFF | ON | ON | ON |
| performance_schema | OFF | OFF | ON | ON | OFF |
| rpl_semi_sync_master_enabled | ON | NA | NA | NA | ON |
| rpl_semi_sync_master_timeout | 1000 | NA | NA | NA | 10000 |
| sync_binlog | 1 | 1 | 1 | 1 | 1 |
| thread_pool_size | 8 | NA | 4 | 4 | NA |
| version | 8.4.7 | 8.4.7 | 8.4.7-azure | 8.4.8-google | 8.4.6-txsql |
| instance_type | mysql.x4.large.2c | db.m7i.xlarge | GP_Standard_D4ads_v5 | db-custom-4-16384 | 4c |
| storage_type | cloud_essd | io1 | NA | NA | EXCLUSIVE |
| storage_size | 100 | 100 | 100 | 100 | 100 |
| storage_iops | NA | 3000 | 3000 | NA | NA |
| cpu_capacity | 84.4 | 137.7 | 64.3 | 51 | 136.2 |
更多历史测试
- [1] 云数据库 RDS MySQL 的性能综述
- [2] 云数据库RDS MySQL性能测试与对比@2025-11
- [3] 云数据库RDS MySQL性能测试与对比@2025-07
- [4] 云数据库RDS MySQL性能测试与对比@2025-04
- [5] 云数据库RDS MySQL性能测试与对比@2025-01
- [6] 云数据库RDS MySQL性能测试与对比@2024-09
- [7] 云数据库RDS MySQL性能测试与对比@2024-05
- [8] 云数据库RDS MySQL性能测评与对比@2023-12
2025年11月 性能测试趋势图
2025年07月 性能测试趋势图
2025年04月 性能测试趋势图
2025年01月 性能测试趋势图
2024年09月 性能测试趋势图
2024年05月 性能测试趋势图
关于本次测试更多详细说明：云数据库MySQL性能测试@2024年05月。
关于该测试
当在不同的云厂商之间迁移时，数据库的性能是需要重点关注的点。那么，不同的云厂商之间的相同规格实例是不是就可以直接迁移呢？他们之间差异大吗？经过上述的系列测试，我们发现：
- 不同的云厂商之间性能差距非常大
- 即便同一个云厂商，不同的区域之间相同规格性能也有差距
- 即便同一个云厂商，不同时间阶段，相同规格性能也有差距
上述的差异现象，并不是孤立，几乎每个厂商都有类似的问题。有的云厂商性能管理更好，差异会小一些，性能更加稳定，而有的云厂商性能差异则比较大。
如何重现该测试
重现该测试包含了两个方面，一个是测试工具与主要参数，另一个是测试实例的选择。如下两节分别描述这两部分。
Sysbench 的参数与命令
该测试选择了模型简单、易于重现的Sysbench（oltp_read_write），其主要参数包括：
- 测试模型：oltp_read_write
--time=300--table_size=10000--tables=10--skip_trx=on --db-ps-mode=disable--rand-type=uniform- 并发线程：
4,8,16,32,48,64,96,128,192,256,384,512
测试参考命令：
sysbench oltp_read_write --threads=$conthread --time=$run_time \
--report-interval=3 --percentile=95 --histogram=on --db-driver=mysql \
$sysb_mysql_conn \
--skip_trx=on --db-ps-mode=disable --rand-type=uniform $ssl_param \
--table_size=$table_size --tables=$tables run >> $run_file 2>&1实例规格的选择
这里选取了阿里云、华为云、腾讯云、AWS、Azure、Oracle Cloud、Google Cloud的托管MySQL服务（RDS MySQL）作为测试对象。测试实例实例规格满足如下条件：
- 4vCPU16GB内存规格，存储100GB
- 如果需要选择IOPS，选择3000
- 具备跨可用区的高可用
- 非常高的数据可靠性级别，同步复制或半同步复制，或者MGR复制，或者存储层的同步复制
- 具备非常好的性能一致性（独享的计算资源）
具体每个云厂商的标准规格选择，参考：云数据库RDS MySQL性能测试与对比@2024年05月文中对各个云厂商小结部分。
为什么相同规格性能差异这么大
这是一个比较复杂的问题。该问题作者参加的2024年1月的ACMUG（中国MySQL用户组）大会上的做了分享（参考），如下为分享的PDF，供参考：
概要小结如下：
- 不同云厂商相同的4vCPU规格，其计算能力差异很大
- 不同云厂商 RDS 的高可用架构有一定的差异，这对性能影响也大
- 想通的云厂商，不同阶段上线的实例，使用的CPU代际不同，性能相差明显
关于该测试的限制
本节对在测试过程中的一些限制进行补充说明，供参考：
- 在本系列的的测试中，地域选择较为随机，例如阿里云选择了杭州、百度云选择北京、AWS/谷歌云选择了东京、Azure云选择了美东/香港/东京等。这里的一个假设是，各个云厂商在各个区域的RDS MySQL性能应该是相同或者接近的。
- 首先于个人的时间与资源，这里仅对较为常用的4vCPU16GB的规格进行测试，单次并发测试持续时间为300秒。
- 虽然都是用MySQL 8.0版本，但是不同的厂商的数据库小版本也会不同。
- 不同厂商的CPU、磁盘类型、价格等各有不同，所以这不是一个完全对等的测试，也不可能是。
- 不同厂商的RDS实例的默认参数模板也各有不同，甚至同一个厂商在不同阶段的参数也可能会有调整。
- 有的云厂商的磁盘存储有着多种不同的选择，例如阿里云支持ESSD PL1/2/3，AWS也支持gp3/io1类型的存储选择，不同的存储选择也会对应这个不同的性能。
- 关于可用区的选择：在测试中，尽量会将测试的ECS/EC2/VM等与数据库主节点放在同一个可用区。但依旧有一些情况做不到这一点。例如在这次的测试过程中，GCP在东京地区b可用区，虽然可以创建数据库，但是却没有资源创建VM节点（“A n2-highcpu-8 VM instance is currently unavailable in the asia-northeast1-b zone.”）。
如果有更多建议，可以在本文后留下你的建议，以供后续参考与改进。
其他补充说明
关于Sysbench测试
这里使用常用的、易用重现的Sysbench工具进行测试。主要的模型包括oltp_read_write以及部分自定义模型。Sysbench因为其易用使用，可定制性高被业绩广泛使用，包括AWS、Google Cloud、阿里云、腾讯云等。
sysbench的oltp_read_write模型是一个事务压测模型，单个事务中包含了10个点查、4个范围查询（包括了ORDER BY/SUM/DISTINCT等）、影响索引的更新、不影响索引的更新、删除数据、插入数据。关于该测试模型的详细说明可以参考文章：
ARM vs x86 @RDS MySQL 专题
整体上，在不同的平台上ARM-based的RDS MySQL有着不同的表现。具体如下：
Graviton vs x86 on AWS
- 在AWS上，Graviton 3实例RDS性能在高并发时，相对x86有较明显的性价比优势，以128并发为例，m7g vs m6i的对比
- Graviton 3 相比Graviton 2有非常明显的性能优势（参考），这与宣称的27%性价比提升是较为一致的
- Graviton 2实例相比x86几乎没有什么优势，与宣称的52%性价比提升结果相悖
ARM vx x86 on 阿里云
- 经济版（ARM）比标准版（x86）性价比要高出32%
- 具体的：选取16并发，ARM版TPS为2185，x86版TPS为2324。价格上， ARM版价格为1.61元/时， x86版价格为2.52元/时，那么对应每1000个TPS的价格分别为：0.74元与1.08元。从性价比的角度来看，经济版提升了31.5%
鲲鹏 vs x86 on 华为云
- x86和鲲鹏架构实例价格是相同的
鲲鹏版本相比x86约有15~45%的性能差距 - 考虑到自研鲲鹏芯片在中国自主可控芯片中的地位，在国内大量无法使用x86的场景中，这个性能下降通常都是可以接受
其他实用结论
先说些一些基于测试的实用结论吧，可以让更多的开发者参考：
- 不同的云厂商，有着不同的存储架构，不同的安全性/性能考虑，不同的CPU类型/多寡等，看似相同的规格，性能却有着巨大的差异
- 在阿里云上，强烈建议考虑使用经济版（ARM）替换标准版（x86），很容易获得超30%的性价比（参考）
- 总是建议使用最新一代CPU实例，通常都可以获得15%的性价比提升，例如AWS m6i vs m5i，m7g vs m6g（参考）
- 几大云厂商的”企业级”实例的性能有着显著差异，主要原因是主从复制架构、CPU代差、存储架构等不同导致（参考）
- 国内云厂商都提供了“通用型”实例，以非常小的资源共享换取了非常大的性价比提升，非常适合非关键场景使用（参考）
首次测试
第一次做该系列的测试是2023年12月，当时测试结果如。但因为，后续的测试做了比较多的改进，故该数据可以用于参考，但不能与后续数据直接对比。
更多关于本次测试说明参考：点击查看详情
更多测试计划
该项目主要是个人投入进行，故并无严格时间规划。
- 2025年计划：5月、9月、12月再各发布一次测试数据
- 考虑新增价格数据，以便进行价格对比
Leave a Reply