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 | baidu | huawei | oracle | tencent | |
|---|---|---|---|---|---|---|---|---|
| 4 | 6749 | 1657 | 1417 | 1776 | 1655 | 2753 | 2987 | 6118 |
| 8 | 9483 | 3304 | 2820 | 3260 | 2895 | 4989 | 5004 | 11196 |
| 16 | 14533 | 6395 | 5418 | 6094 | 5206 | 9263 | 7343 | 19249 |
| 32 | 22082 | 12295 | 9646 | 10483 | 7427 | 15601 | 7881 | 30337 |
| 48 | 27974 | 16295 | 12511 | 13599 | 8482 | 19787 | 7583 | 34849 |
| 64 | 33061 | 17704 | 15137 | 16364 | 9209 | 21697 | 7626 | 35951 |
| 96 | 35588 | 20843 | 18669 | 19334 | 9659 | 22855 | 8257 | 34147 |
| 128 | 38226 | 22311 | 20964 | 20061 | 9704 | 22303 | 8046 | 34271 |
| 192 | 40135 | 22530 | 23274 | 20960 | 10456 | 23323 | 7806 | 37142 |
| 256 | 40190 | 22369 | 24643 | 21412 | 10638 | 23572 | 7853 | 38175 |
| 384 | 41914 | 22097 | 25153 | 21104 | 10506 | 23785 | 8009 | 39298 |
| 512 | 41596 | 21793 | 25700 | 21279 | 10768 | 23910 | 8381 | 38840 |
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 | baidu | huawei | oracle | tencent | |
|---|---|---|---|---|---|---|---|---|
| 4 | 10.67 | 43.44 | 50.82 | 40.54 | 43.50 | 26.15 | 24.10 | 11.77 |
| 8 | 15.18 | 43.57 | 51.06 | 44.17 | 49.73 | 28.86 | 28.77 | 12.86 |
| 16 | 19.82 | 45.03 | 53.15 | 47.25 | 55.32 | 31.09 | 39.22 | 14.96 |
| 32 | 26.08 | 46.85 | 59.70 | 54.94 | 77.54 | 36.92 | 73.08 | 18.99 |
| 48 | 30.88 | 53.02 | 69.05 | 63.53 | 101.84 | 43.66 | 113.93 | 24.79 |
| 64 | 34.84 | 65.06 | 76.10 | 70.40 | 125.07 | 53.09 | 151.03 | 32.04 |
| 96 | 48.55 | 82.90 | 92.54 | 89.37 | 178.88 | 75.60 | 209.25 | 50.60 |
| 128 | 60.27 | 103.25 | 109.87 | 114.84 | 237.39 | 103.29 | 286.29 | 67.22 |
| 192 | 86.10 | 153.37 | 148.44 | 164.86 | 330.38 | 148.15 | 442.49 | 93.04 |
| 256 | 114.65 | 205.96 | 186.90 | 215.17 | 433.06 | 195.43 | 586.49 | 120.68 |
| 384 | 164.88 | 312.70 | 274.71 | 327.48 | 657.65 | 290.43 | 862.47 | 175.84 |
| 512 | 221.51 | 422.68 | 358.43 | 432.99 | 855.41 | 385.23 | 1098.68 | 237.15 |
| data | aliyun | aws | azure | baidu | huawei | oracle | tencent | |
|---|---|---|---|---|---|---|---|---|
| 4 | 13.46 | 46.63 | 58.92 | 56.84 | 57.87 | 31.37 | 36.24 | 13.46 |
| 8 | 16.41 | 46.63 | 61.08 | 61.08 | 75.82 | 34.95 | 41.85 | 15.00 |
| 16 | 20.00 | 51.02 | 64.47 | 66.84 | 90.78 | 37.56 | 69.29 | 18.28 |
| 32 | 28.16 | 53.85 | 77.19 | 80.03 | 144.97 | 44.98 | 116.80 | 25.28 |
| 48 | 62.19 | 64.47 | 104.84 | 94.10 | 189.93 | 53.85 | 176.73 | 33.72 |
| 64 | 108.68 | 78.60 | 130.13 | 102.97 | 223.34 | 70.55 | 262.64 | 45.79 |
| 96 | 155.80 | 99.33 | 167.44 | 132.49 | 277.21 | 121.08 | 325.98 | 134.90 |
| 128 | 183.21 | 132.49 | 193.38 | 170.48 | 350.33 | 144.97 | 427.07 | 150.29 |
| 192 | 227.40 | 219.36 | 240.02 | 240.02 | 475.79 | 215.44 | 623.33 | 170.48 |
| 256 | 325.98 | 287.38 | 297.92 | 303.33 | 623.33 | 308.84 | 1050.76 | 196.89 |
| 384 | 411.96 | 434.83 | 458.96 | 442.73 | 926.33 | 539.71 | 2539.17 | 248.83 |
| 512 | 539.71 | 569.67 | 580.02 | 580.02 | 1191.92 | 559.50 | 2880.27 | 320.17 |
MySQL 参数对比表格
| data | aliyun | aws | azure | baidu | huawei | oracle | tencent | |
|---|---|---|---|---|---|---|---|---|
| have_ssl | DISABLED | YES | YES | DISABLED | YES | DISABLED | YES | DISABLED |
| innodb_buffer_pool_size | 9.75GB | 11GB | 24GB | 12GB | 11GB | 9GB | 17GB | 12GB |
| innodb_doublewrite | ON | OFF | OFF | ON | ON | ON | ON | ON |
| innodb_flush_log_at_trx_commit | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| innodb_flush_method | O_DIRECT | O_DIRECT | fsync | fsync | O_DIRECT | O_DIRECT | O_DIRECT | O_DIRECT |
| innodb_io_capacity | 20000 | 200 | 200 | 2000 | 5000 | 12000 | 1250 | 20000 |
| innodb_read_io_threads | 4 | 4 | NA | 8 | 4 | 4 | 2 | 4 |
| innodb_write_io_threads | 4 | 4 | NA | 8 | 4 | 4 | 4 | 4 |
| log_bin | ON | OFF | ON | ON | ON | ON | ON | ON |
| performance_schema | OFF | OFF | ON | OFF | ON | OFF | ON | OFF |
| rpl_semi_sync_master_enabled | ON | NA | NA | ON | NA | ON | NA | ON |
| rpl_semi_sync_master_timeout | 1000 | NA | NA | 10000 | NA | 10000 | NA | 10000 |
| sync_binlog | 1 | 1 | 1 | 1000 | 1 | 1 | 1 | 1 |
| thread_pool_size | 8 | NA | 8 | NA | NA | NA | 16 | 4 |
| version | 8.0.36 | 8.0.40 | 8.0.40-azure | 8.0.32-2.0.0.2 | 8.0.37-google | 8.0.28-231003 | 8.0.40-u3-cloud | 8.0.30-txsql |
| instance_type | mysql.x4.large.2c | db.m6i.xlarge | GP_Standard_D8ads_v5 | 4 | db-custom-4-16384 | rds.mysql.x1.xlarge.4.ha | MySQL.4 | 4c |
| storage_type | cloud_essd | io1 | NA | cloud_enha | NA | CLOUDSSD | NA | EXCLUSIVE |
| storage_size | 100 | 100 | 100 | 100 | 100 | 100 | 100 | 100 |
| storage_iops | NA | 3000 | 3000 | NA | NA | NA | NA | NA |
| cpu_capacity | 172.3 | 110.9 | 139.8 | 73.8 | 46.4 | 162.6 | 86.8 | 128.5 |
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@2025-04
- [3] 云数据库RDS MySQL性能测试与对比@2025-01
- [4] 云数据库RDS MySQL性能测试与对比@2024-09
- [5] 云数据库RDS MySQL性能测试与对比@2024-05
- [6] 云数据库RDS MySQL性能测评与对比@2023-12
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