Нагрузочное тестирование GP6 vs GP7 vs Cloudberry
Привет, Хабр! На связи Марк – ведущий архитектор группы компаний "ГлоуБайт". В этой статье я поделюсь результатами нагрузочного тестирования, которое мы с коллегами провели для сравнения Greenplum 6 с Greenplum 7 и Cloudberry.
https://habr.com/ru/companies/glowbyte/articles/936384/
#greenplum #gp6 #gp7 #cloudberry #нагрузочное_тестирование #postgres #sql #data #dwh #tpcds
"Stress-test big data systems with #TPCDS: 99 SQL queries simulate real-world analytics, scalability, and concurrency. Optimize your stack!" https://milvus.io/ai-quick-reference/how-does-tpcds-benchmark-big-data-systems
"Stress-test big data systems with #TPCDS: 99 SQL queries simulate real-world analytics, scalability, and concurrency. Optimize your stack!" https://milvus.io/ai-quick-reference/how-does-tpcds-benchmark-big-data-systems
"Stress-test big data systems with #TPCDS: 99 SQL queries simulate real-world analytics, scalability, and concurrency. Optimize your stack!" https://milvus.io/ai-quick-reference/how-does-tpcds-benchmark-big-data-systems
Тестирование систем и движков массивно-параллельных вычислений. Часть II. TPC-DS
Привет! Сегодня я продолжаю тему сравнения систем и движков массивных параллельных вычислений. В прошлой публикации я раскрыл основные принципы проведения тестирования, которыми руководствуется наша команда, и привел результаты как реальных промышленных сценариев, так и синтетических тестов. Материал вызвал интерес и дискуссию: значит, он актуальный и полезный. Для кого-то факты стали убедительными, а кто-то усомнился в объективности результатов, поэтому, как и было обещано, я делюсь материалами сравнительного тестирования, выполненного по общепринятому стандарту TPC-DS. Сегодня вы узнаете, повлияла ли смена методики на результаты.
https://habr.com/ru/companies/datasapience/articles/921882/
#trino #impala #greenplum #lakehouse #bigdata #mpp #dwh #tpcds #data #data_lake
Почему СУБД такие медленные
Недавно на Хабре публиковался перевод статьи «Просто выберите Postgres» ( оригинал , англ. яз) с аргументами, что Postgres — оптимальная БД для десктопных и мобильных приложений. Аналогичное мнение высказывают в других популярных статьях вроде «До свидания MongoDB, здравствуй PostgreSQL» . Главным недостатком SQLite называют то, что данные хранятся в одном файле, а MongoDB (а также DynamoDB и Cassandra) — низкую производительность: «Всё это связано с тем, что подобные базы данных, по сути, представляют собой огромную распределённую хеш-таблицу. Единственные операции, работающие без необходимости сканирования всей базы данных — это поиск по секционному ключу и сканы, при которых используется ключ сортировки. …Если паттерны доступа существенно изменятся, то может потребоваться полная повторная обработка всех данных». Более производительные резидентные БД хранят данные в памяти (Redis, Valkey), но их использование ограничено объёмом ОЗУ. После такого заявления интересно посмотреть на независимые тесты производительности разных СУБД.
https://habr.com/ru/companies/ruvds/articles/851330/
#MySQL #MongoDB #PostgreSQL #DynamoDB #Cassandra #PostgreSQL_17 #LeanStore #SSD #NVMe #SPDK #SATA #PCIe #SQLite #Redis #Valkey #резидентная_БД #IMDB #UmbraDB #CedarDB #TPCH #TPCDS #соединение_хештаблиц #структуры_данных #DuckDB #OrioleDB #ruvds_статьи
