orczhou.com

简单生活

  • 杨梅树

    ·

    admin

    酸甜的杨梅，我是很喜欢吃的。这些年来到浙江后，注意到这里的杨梅比其他地方更多一写。这也算是中国，或者说江南的一大特色吧，北方人大概是吃得少的。不过因为有“望梅止渴”的故事，杨梅在中国的知名度是非常高的。

    根据Wikipeida的信息（参考），杨梅主要分布在中国的东南方地区、日本、菲律宾、朝鲜/韩国等地。在中国，又属浙江特别多，浙江又以仙居杨梅最为有名。

    杨梅酸中带甜，非常好吃。但是，杨梅的运输是非常困难的。从树上采摘下来，最佳的食用时间也就是1~3天，再长时间由于水分的流逝，味道就没那么鲜美了。再者，因为杨梅表面非常松软，而如果运输过程稍有颠簸挤压，则非常容易压坏，影响口感，也容易变质。

    所以，实际的情况就是，杨梅的上市几乎只有一个月时间，也就是说，每年只有一个月时间，也只在中国的东南方的一些城市能够吃到最好的杨梅。

    鲁彦曾经下过一篇散文《故乡的杨梅》，是啊，对于浙江人，身在外地，对于杨梅的怀念，大概就是故乡味道的怀念吧。

    前年底，妈妈离开了我们。当时，有几天闲在家里，我就和爸爸说，来年开春，我打算在后院种一颗杨梅树。去年，我们移植了一颗小的杨梅树，大概是因为种植的时候耽搁了几天。杨梅树没能够活下来。今年，我们又移植了一颗，这次的树更大一些，种植的时候我们也更小心，也了解了很多种植的知识，希望这颗杨梅树能够活下来，过几年能够吃上自己种的杨梅树。

    对于自己，对于孩子们，也希望让故乡，多一份味道。

    2022年，团队outing，在仙居的山上摘杨梅
    后院新种的杨梅树@共青城

  • Protected: 2024年春节

    ·

    admin

    This content is password protected. To view it please enter your password below:

  • 2024年的期待

    ·

    admin

    今天是元宵节，姑且还算是春节期间吧，做个总结和展望吧，虽然有点晚。

    • 海拉鲁大陆已经被探索的差不多了，考虑新开一个游戏系列，有什么推荐的吗？《艾尔登法环》、《博德之门 3》？
    • 考虑和家人们一起更多的探索中国、或者国外的一些地方
    • 随着大模型的流行，以及文字内容日渐不受关注，老实说，写博客的动力越来越不足了，是不是考虑把博客转换成视频呢？
    • 把云数据库性能测试持续做下去，2024年计划再测三次
    • 希望把体重能够控制在130以内，这个目标非常不容易
    • 拍更多的照片，家人们的，以及看到的风景的
    • 祝愿TH000早日康复，挺喜欢看他的直播
    • 还有几部电视剧/电影，也计划看掉：
      • 三体（Netflix）、
      • 庆余年2（这是一个“爽”剧）、
      • 真探第四季（HBO）
      • 猩球崛起4：新世界 Kingdom of the Planet of the Apes (2024)，虽然前面三部，一部比一部差…
      • 变形金刚：初代 Transformers One
    • 和同事们一起把产品做得更好，同时也探索出可持续的、高效的商业模式

  • 过去的2023年

    ·

    admin

    我们一家人一起去吃了很多次海底捞，还在那里过了一次生日，哥哥如他说所，尴尬得躲到了桌子底下。不过，吃得依旧非常的欢乐。

    人生第一次去了西安，这个中国古都。是在咸阳机场落地，然后在雁塔区做了一场关于云数据库架构与选型的分享。之后，去秦岭脚下的西北工大，见到了十几年未见的研究生同学，他的生活还是和在学校时差不多，他们学校的烤鱼味道真的不错。

    虽然是江西人，但是这是我们第一次去滕王阁。还有八一纪念馆没有去过、江西省博物馆也没有去过，打算春节期间再去这些地方看看

    一家人一起去了黄山，虽然爬山有点累，但是都很开心。看到了传说中的迎客松、猴子观海、天都峰，黄山的松、石确实奇美，古人诚不欺我：参考

    今年后院的柚子树，依旧结了很多柚子。不过，柚子树有一根非常重要支干被虫子蛀得非常厉害，老爸虽然已经把这部分清理掉了，不知道明年柚子树是否还能够保持健康。今年结的柚子，水份很足，味道很好。

    这一年，经常会在梦中见到妈，妈变得话很少，总是会在远远的地方看着我。每次醒来，都很想回忆起梦中的更多细节，不过，似乎越想去记得清晰，梦中的场景却会变得越模糊。

    爸妈年轻时候的样子

    今年，休假了一次大长假，全家一起去了一趟大西北。看到了似湖似海的青海湖，翻过了葱郁的祁连山，领略了发着金光的岗什卡雪山，经过了杳无人烟的火星公路，见证了石壁上环绕千年敦煌飞天。

    终于玩上了《塞尔达传说：王国之泪》：做好了一刀入魂的斩马刀；帮助渔民赶走了海盗，重建了渔村；解决了哈特诺村传统与时尚的矛盾；运送了无数的呀哈哈；帮助搭建了无数的松达家的广告牌；从人马竞技场进货无数…… 唯独，还没有去救公主

    一起去了人很多很多很多的黄鹤楼，人真的很多。不过，除了黄鹤楼，武汉还有湖北省博物馆、辛亥革命纪念馆、热干面，都不错

    今年，还斥巨资购入了新的相机，佳能R8+RF24-70/F2.8。给拍了很多照片，有家人们、有去过的景点、也有日常生活的记录。右边这张照片，曾被西湖文旅的公众号选中，作为图书馆的宣传照片。哦，今年还去了十次图书馆，希望明年能够去得更多。

    元旦，我们还去了上海。去看了四姨家的小宝宝，去了上海天文馆、航海博物馆。

    公司的业务，有顺利的一面，也有很有挑战的一面。整体的环境比较困难，内力与招式需要双修，才能适应复杂的外部环境。

    今年做了第一次云数据库性能测试，算是给自己挖了一个大坑，希望后续能够持续关注云数据库发展，持续的进行性能测试。

    多年的老同事从澳洲回杭州，借机会也把附近的原淘宝DBA的同事聚了起来，多年不见，再次相聚，非常开心

  • 云数据库(RDS MySQL)性能深度测评与对比

    ·

    admin

    本问是一个系列文章的一部分，该系列较为完整的对各个云厂商的RDS MySQL进行了测试，包括了阿里云、腾讯云、华为云、百度云、AWS、Azure、GCP、Oracle Cloud等，更多参考：云数据库RDS MySQL的性能。

    一直都在非常深度调研、关注和使用云数据库，其中性能是关注的重点之一。一方面性能是最终成本的重要影响因素，更好的性能，通常意味着使用更少的资源支撑更高的业务量，从而降低整体成本。另外，性能还意味着在极端场景下，数据库的上限支撑能力。

    所以，近期对各个云数据库厂商做了一个较为系统的性能对比，供开发者和企业在云数据库选型时的参考。

    总览：云数据库性能对比

    在进行大量测试之后，对主要的云厂商分别选择了一个“企业级规格”（适合生产环境配置的）进行了对比。先看性能对比如下图：

    可以看到：

    • 华为云数据库（红色），在中高并发度时（>=16），性能最强，且高于第二名约18%；
    • 腾讯云数据库（紫色），在低并发时（<=8），性能最强，高于第二名约15%；
    • 百度云数据库（淡蓝色），在中高并发时（>16），性能跃居第二，仅次于华为云；
    • 阿里云数据库（黄色）和谷歌云数据库（绿色）在低并发时也都有不错的表现，高并发之后性能则持续稳定在850 tps。这两家云数据库的响应延迟，表现得也非常接近。
    • 亚马逊云数据库（Amazon RDS，蓝色）和微软Azure云在中低并发时，表现出了较为相近的性能趋势，且性能较低。但是在高并发时，两者都表现出了非常强的扩展性，AWS RDS在96和128并发时，性能超过阿里云、腾讯云、谷歌云等，跃居第三；同样的，微软Azure云的数据库在高并发时也超过了阿里云、谷歌云，也有不错的性能表现。
    (more…)

  • AWS基于x86 vs Graviton(ARM)的RDS MySQL性能对比（二）

    ·

    admin

    本问是一个系列文章的一部分，该系列较为完整的对各个云厂商的RDS MySQL进行了测试，包括了阿里云、腾讯云、华为云、百度云、AWS、Azure、GCP、Oracle Cloud等，更多参考：云数据库RDS MySQL的性能。

    这是一个云数据库性能的系列文章，包含了：

    在前篇中（参考），较为详细的对比x86和Graviton 2（AWS推出第二代ARM芯片）的性能。Graviton 3实例在今年的4月份支持了RDS数据库（参考）。这里，我们再系统的看看m7g实例（Graviton 3）、m6g实例（Graviton 2）、m5实例（Intel Xeon）、m6i实例（第三代Intel Xeon/Ice Lake）的RDS性能（包括性价比）表现如何。

    测试结论

    参考下图。整体上，在中低并发时，m6i实例（第三代Intel Xeon/Ice Lake）、m5实例（Intel Xeon）性能要比m7g实例（Graviton 3）、m6i实例（第三代Intel Xeon/Ice Lake）实例要略微高一些。即，低并发时，x86实例性能要高出约10%。

    在超高并发的时候性能表现：m7g实例 > m6i实例 > m6g实例 ~ m5实例。在超高并发下，m7g、m6i实例表现出了非常强的扩展性和吞吐量，m7g实例吞吐量最高，甚至高出m6i实例10%；相比m6g、m5实例，m7g实例性能则要高出30%。

    为了更加直观对比性价比，这里选取了16并发的性能进行对比。m7g实例在16并发下，tps为314，价格为$0.936/小时；m6i实例的tps为336，价格为$0.94/小时。所以，m6i实例（x86）性价比要比m7g实例（Graviton 3）更高，高出约：6%。在超高并发时（128并发），m7g实例（Graviton 3）实例性价比才比m6i实例（x86）要更高，高出约：10%。不过，无论怎样，这与AWS宣称的Graviton实例性价比更高的结论是不一致的。

    测试模型说明

    这里使用了sysbench的读写混合模型（oltp_read_write）进行测试，单表大小为100万，共十个表，单次测试时长为300秒，分别测试了如下的并发度的性能表现：2 4 8 16 24 32 48 64 96 128。

    实例配置与价格

    这里关注db.m7g.xlarge、db.m6i.xlarge实例价格，m6g、m5实例的价格可以参考前篇。以东京地区、多可用区实例价格为参考：

    实例配置与之前的测试保持一致。选择了较为常用4c16gb的实例进行测试，各个选项尽量选择默认选项，以更加接近的模拟用户实际场景，具体的，版本是AWS多可用区版、存储默认加密、gp3存储、100GB空间、3000 IOPS、Performance Insight也默认开启。

    详细的测试数据参考

    AWS RDS Graviton 3（db.m7g.xlarge/gp3/100gb/3000iops)

    threads|transactions| queries| time |avg/Latency|95%/Latency
2|       10847|  216940|300.04|      55.32|     127.81
4|       25897|  517940|300.00|      46.34|      51.94
8|       49010|  980200|300.05|      48.97|      55.82
16|       94335| 1886700|300.05|      50.89|      58.92
24|      141987| 2839740|300.05|      50.71|      59.99
32|      185996| 3719920|300.05|      51.62|      62.19
48|      268264| 5365280|300.05|      53.68|      68.05
64|      341468| 6829360|300.06|      56.23|      74.46
96|      446113| 8922260|300.06|      64.56|      92.42
128|      491663| 9833260|300.09|      78.11|     121.0

    AWS RDS x86（第三代Intel Xeon/Ice Lake）（db.m6i.xlarge/gp3/100gb/3000iops)

    threads|transactions| queries| time |avg/Latency|95%/Latency
2|       13281|  265620|300.02|      45.18|     112.67
4|       29635|  592700|300.04|      40.49|      47.47
8|       53875| 1077500|300.04|      44.55|      53.85
16|      100785| 2015700|300.07|      47.63|      57.87
24|      150515| 3010300|300.04|      47.84|      59.99
32|      193195| 3863900|300.05|      49.69|      63.32
48|      273454| 5469080|300.08|      52.67|      69.29
64|      343939| 6878780|300.05|      55.83|      75.82
96|      408551| 8171020|300.09|      70.50|      99.33
128|      438708| 8774160|300.06|      87.54|     123.28

    小结

    经过较为详细的测试，可以看到，在RDS数据库的场景下，无论是第二代自研芯片Graviton2，还是第三代Graviton3，相比于x86芯片在性价比上并没有特别明显的优势。而在更加常见的低并发的场景下，x86实例的性价比依旧是更高的。在超高并发时，Graviton3实例虽然表现出了一些性价比优势，但是，如此高的并发，其实在实际应用中，并不常见。

    另外，第三代Graviton3相比第二代Graviton2的性能提升也是非常明显，大概有10~40%的性能提升。

    当然，这应该也是符合预期的结论，毕竟在大原则上，处理复杂的负载x86芯片应该更有优势；对简单的场景、更低功耗的场景，Graviton（ARM）芯片是更有优势的。对于数据库来说，涉及到事务处理、磁盘IO、大量的比较判断等，还是比较复杂的。不过，依旧期待未来，Graviton做更多的适配与正对性的优化，以获得更高的性价比，从而降低最终降低使用RDS的成本。

    参考