产品动态
产品简介
- 产品概述
- 应用场景
- 产品架构
- 实例类型
- 兼容性说明
- 使用规范建议
自研内核
- 内核概述
- 内核版本更新动态
- 功能类特性
- 性能类特性
产品计费
快速入门
- 创建实例
- 连接实例
用户指南
- 使用限制
- 数据迁移
- 数据同步/订阅
- 实例管理
- 配置变更
- 参数配置
- 账号管理
- 安全组
- 备份与恢复
- 标签管理
实践教程
开发指南
- 开发指南（MySQL 兼容模式）
- 开发指南（HBase 兼容模式）
性能调优
- 性能调优概述
- SQL 调优
- DDL 调优
性能白皮书
API 文档
- History
- Introduction
- API Category
- Making API Requests
- Instance APIs
- Security Group APIs
- Task APIs
- Backup APIs
- Rollback APIs
- Parameter APIs
- Database APIs
- Data Types
- Error Codes
通用参考
- 系统原理
- SQL 参考
- 数据库参数说明
- TPC-H 基准测试数据模型参考
- 错误码信息
安全与合规
常见问题
服务协议
联系我们
词汇表

性能效果（实测数据）

下载

聚焦模式

字号

最后更新时间： 2026-05-26 11:28:35

说明：
本节数据来自 TDStore 团队在内部实验环境下的12小时长稳压测（sysbench / 写入为主负载）。数据用于体现趋势与量级，不构成对具体硬件/业务场景的性能承诺。
测试 Benchmark
为方便读者复现与解读后续数据，先列出所有测试共用的负载配置：
负载模型
项
值
压测工具
sysbench
负载类型
随机 INSERT（写入为主）
并发线程数
256
表数量
64
单轮持续时间
12小时（长稳）
KV 大小特征
底层 TDStore（RocksDB）视角下，每行实际产生两条 KV 记录：
索引
Key 大小
Value 大小
主键索引（PK）
8 B
9,405 B
二级索引
26 B
4 B
为什么这样设计？
1. 主键 Value 接近9.4KB：远超常见 min_blob_size（1KB）阈值，会全部被分离到 Blob 文件，能充分体现 KV 分离对写放大的缓解效果。
2. 二级索引 Value 极小（4 B）：远低于阈值，不会走 KV 分离路径，可同时验证开启 KV 分离对小 Value 索引的影响（实测无显著反向劣化）。
3. 256线程 × 64张表：避免单表锁竞争掩盖存储引擎层差异，使 Compaction / Blob 文件管理成为真正的瓶颈来源。
说明：
应用到自身业务的换算思路：如果业务平均行长接近10KB（如富文本、JSON 详情、大字段宽表），下述实测数据的提升比例可作为参考；行长越大，KV 分离收益越接近上限。
标准服务器场景（CPU 瓶颈）
测试环境：高配单机服务器，I/O 充裕、CPU 为瓶颈，sysbench 512线程，16 Compaction 线程，跑12小时。在这种配置下，KV 分离主要观察"会不会引入额外开销"，理论收益不大。
方案
平均 QPS
性能曲线特征
不开启 KV 分离
18,573
受 pending_bytes 缓写控制，宏观下降明显；扩 Level 时停写，微观波动大
KV 分离 + 强制 GC
21,170 ⬆️ 约14%
宏观下降轻微（Blob 数控制良好）；微观受 L0 堆积影响波动较大
KV 分离 + 动态合并小 Blob
20,918 ⬆️ 约13%
微观最平稳；需配合调大 level0_file_num_compaction_trigger 以控制 Blob 文件数
关键观察：
1. 写入更稳定：开启 KV 分离后几乎没有缓写（Stall），相比 baseline 的"缓写→停写→恢复"循环更平滑。
2. 下降更可控：baseline 的性能下降来自 pending_bytes 累积；KV 分离下的下降来自 Blob 文件数累积，前者随数据量加速下降，后者上限可调。
3. 即使在 CPU 瓶颈下，KV 分离仍能取得13~14%的吞吐提升，未观察到反向劣化。
云盘场景（I/O 瓶颈）
测试环境：通过 cgroup 将磁盘读写带宽各限制为300MB/s，sysbench 128线程，8 Compaction 线程，更贴近真实云上部署环境。
标准配置（默认 LSM 形状）
默认配置：L0不压缩、L1标准大小
方案
平均 QPS
相对 baseline
不开启 KV 分离
4,213
—
KV 分离（动态合并 Blob，受控）
7,087
⬆️ +68%
KV 分离 + 高压期关闭合并 Blob
9,177
⬆️ +118%
调优配置（LSM-Tree 拉宽 + L0 压缩）
优化配置：compression_per_level = LZ4:LZ4:ZSTD:...、max_bytes_for_level_base = 1 GB
方案
平均 QPS
相对 baseline
不开启 KV 分离
10,920
—
KV 分离（动态合并 Blob）
11,829
⬆️ +8%
KV 分离 + 高压期关闭合并 Blob
15,702
⬆️ +44%
关键观察：
1. I/O 瓶颈场景是 KV 分离的最佳舞台：默认配置下吞吐直接翻倍，原因是 Compaction 不再为大 Value 抢占宝贵的 I/O 带宽，留给前台写入与 Raft Log 的带宽显著增加。
2. P95长尾改善：即便平均 QPS 波动稍大，开启 KV 分离后 P95 尾延迟普遍优于 baseline。
3. 高压写入下"暂停 Blob 合并"是更优策略：合并 Blob 自身也需要 I/O，写压力大时短暂关闭、待低峰期再开启，是云盘环境下推荐的运维实践。
实测结论
CPU 瓶颈场景：KV 分离 ≈ 持平 ~ +14%（稳定性大幅改善）  
I/O 瓶颈场景：KV 分离 ≈ +44% ~ +118%（吞吐显著提升）   
 ➜ 越是 I/O 受限、Value 越大，KV 分离收益越显著
维度
关闭 KV 分离
开启 KV 分离
吞吐天花板
受 Compaction 写放大限制
显著提升（I/O 瓶颈下尤甚）
缓写（Stall）
频繁，随数据增长加剧
几乎消除
微观抖动
大（pending_bytes 周期变化）
小（合并 Blob 周期影响）
宏观下降趋势
持续下降
趋于平稳
磁盘写量
高（大 Value 反复写）
低（大 Value 一次写入）
调参复杂度
低
中（需平衡 GC、合并、L0阈值）
推荐配置一句话总结：
业务侧只需开启 enable_blob_files + min_blob_size=1024 + enable_blob_garbage_collection（参见  快速开始）
DBA 进一步调优

帮助和支持

本页内容是否解决了您的问题？

您也可以联系销售或提交工单以寻求帮助。

填写满意度调查问卷，共创更好文档体验。

文档反馈

tencent cloud

TDSQL Boundless

性能效果（实测数据）

测试 Benchmark

负载模型

KV 大小特征

标准服务器场景（CPU 瓶颈）

云盘场景（I/O 瓶颈）

标准配置（默认 LSM 形状）

调优配置（LSM-Tree 拉宽 + L0 压缩）

实测结论

帮助和支持

项	值
压测工具	sysbench
负载类型	随机 INSERT（写入为主）
并发线程数	256
表数量	64
单轮持续时间	12小时（长稳）

索引	Key 大小	Value 大小
主键索引（PK）	8 B	9,405 B
二级索引	26 B	4 B

方案	平均 QPS	性能曲线特征
不开启 KV 分离	18,573	受 `pending_bytes` 缓写控制，宏观下降明显；扩 Level 时停写，微观波动大
KV 分离 + 强制 GC	21,170 ⬆️ 约14%	宏观下降轻微（Blob 数控制良好）；微观受 L0 堆积影响波动较大
KV 分离 + 动态合并小 Blob	20,918 ⬆️ 约13%	微观最平稳；需配合调大 `level0_file_num_compaction_trigger` 以控制 Blob 文件数

方案	平均 QPS	相对 baseline
不开启 KV 分离	4,213	—
KV 分离（动态合并 Blob，受控）	7,087	⬆️ +68%
KV 分离 + 高压期关闭合并 Blob	9,177	⬆️ +118%

维度	关闭 KV 分离	开启 KV 分离
吞吐天花板	受 Compaction 写放大限制	显著提升（I/O 瓶颈下尤甚）
缓写（Stall）	频繁，随数据增长加剧	几乎消除
微观抖动	大（pending_bytes 周期变化）	小（合并 Blob 周期影响）
宏观下降趋势	持续下降	趋于平稳
磁盘写量	高（大 Value 反复写）	低（大 Value 一次写入）
调参复杂度	低	中（需平衡 GC、合并、L0阈值）