实测aiCache加速效能测试报告

2023-10-27

 

 

服务器:

AMD双核DualCore QL-62,系统搭载743M RAM,运行64Ubuntu 9.1

软件

Apache2

配置:

未修改的缺省配置。Apache2配置侦听82端口, aiCache采用HTTP80端口。

测试细节:

Apache配置侦听82端口。

测试工具:

消减网络频宽/吞吐量,在相同服务器上生成负载,使用Apache Bench工具(ab)

在动态页面自身执行测试,不测试辅助内容(图像,CSSJS)

aiCache配置

aiCache5.478,定义单个模式,允许缓存演示页10TTL

 

命令行配置

 

普通访问模式

> ab -n 5000 -c 1000 http://192.168.1.247:82/

This is ApacheBench, Version 2.0.40-dev <$Revision: 1.146 $> apache-2.0

Copyright 1996 Adam Twiss, Zeus Technology Ltd, http://www.zeustech.net/

Copyright 2006 The Apache Software Foundation, http://www.apache.org/

 

Aicache 加速访问模式

ab -n 5000 -c 1000 http://192.168.1.247:80/

This is ApacheBench, Version 2.0.40-dev <$Revision: 1.146 $> apache-2.0

Copyright 1996 Adam Twiss, Zeus Technology Ltd, http://www.zeustech.net/

Copyright 2006 The Apache Software Foundation, http://www.apache.org/

 

 

50001000

统计75%访问请求

测试环境

Apache

Apache+aiCache

度量单位

服务器软件:

Apache/2.2.4

aiCache 5.478

 

服务器主机名:

192.168.1.247

192.168.1.247

 

服务器端口:

82

80

 

文件长度:

177

177

bytes

并行等级:

1000

1000

Level

测试所用时间:

66.8125

57.62500

seconds

完成请求:

5000

5000

 

失败请求:

0

0

 

写入错误:

0

0

 

总传输:

2255000

1600000

字节

HTML传输:

885000

885000

字节

每秒请求:

74.84

87.62

平均

每请求时间:

13362.500

11412.500

毫秒

每请求时间(在所有并行请求):

13.363

11.413

毫秒

传输率:

32.96

27.37

千位/

半数连线时间:

0

0

毫秒

处理:

3343

515

毫秒

等候:

3203

312

毫秒

总计:

3343

515

毫秒

请求百分比于某一时间(毫秒)

 

 

 

50%

3343

515

毫秒

66%

3718

562

毫秒

75%

3750

562

毫秒

80%

31015

2771

毫秒

90%

58015

54968

毫秒

95%

58062

55000

毫秒

98%

61078

55031

毫秒

99%

6109.

55031

毫秒

100%(最长请求)

61109

55046

毫秒

 

 

总结

aiCache Web Application Acceleration在本次测试实例中的85%的请求中提供了6~7倍的效能改进。

由于有15%~20%请求得到响应的时间很长,导致总的测试时间延长,因此每秒请求、传输率等aicache测试数据值偏低。

 

疑问:可能受限于当前的配置情况,每次测试总是有5%~20%请求得到响应的时间很长。具体原因目前仍需要排查

 

 

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

实测aiCache加速效能测试报告 的相关文章

随机推荐

  • [Unity]Lua本地时间、倒计时和正计时。

    惯例 直接上代码 正计时开始时的时间戳 self begin time os time 倒计时时长 01 30 00 self countdown time 5400 是否开始计时 self is update local time tru
  • 一文搞定在Ubuntu安装tldr

    目录 第一步 执行安装命令 第二步 更新tldr数据库 第三步 测试tldr功能 补充 未成功返回的错误类型 在安装之前你得先在Ubuntu上登入你自己的账户 当然你肯定在刚安装好Ubuntu的时候就注册自己的账户并且登录了 第一步 执行安
  • 大页内存(HugePages)在通用程序优化中的应用

    今天给大家介绍一种比较新奇的程序性能优化方法 大页内存 HugePages 简单来说就是通过增大操作系统页的大小来减小页表 从而避免快表缺失 这方面的资料比较贫乏 而且网上绝大多数资料都是介绍它在Oracle数据库中的应用 这会让人产生一种
  • 2021-01-17

    静态路由实验 实验目的 1 全网所有网段全部基于192 168 1 0 24划分所得 2 R1 R4每台设备均有两个环回 3 全网可达 4 尽量减少路由条目 且防止环路 5 R5的环回5 5 5 5 24不能出现在其他的设备路由表中 6 按
  • 2021-04-12

    NLP 自然语言处理 和CV相比 nlp最大的特点是特征是离散的 不像cv中是一幅图 nlp是一个个的句子 简单说几点nlp的难点 1 相同意思的句子表达有多种 我爱踢足球 足球是我的爱好 我的爱好之一是足球 2 相同词在不同语境中意思不同
  • vue项目 v-for无法渲染问题

    使用map 函数 可能是解决了对象指向问题 目前还不知道原因 postlist fav2是在data 中定义的数组 在created 里对postlist fav2进行了数组对象的初始化操作 然后就无法渲染 使用map方法才能渲染到页面上
  • 写入单元格_Excel VBA单元格的基本操作(一)

    在Excel VBA中 对单元格的操作可以有多种形式来定义表示 1 打开Visual Basic 添加模块和过程 称之为 单元格操作 Sub 单元格操作 End Sub 2 单元格第一种表达方式 直接定位到某个单元格 B3 Sub 单元格操
  • ES6的Class的prototype、__proto__

    ES6继承与ES5的区别 ES6通过class实现继承 class的继承通过关键字extends实现 class Parent constructor name this name name getName console log this
  • Linux下基于Zynq用EthLite+GmiitoRgmii实现100M网络通信

    目录 前言 一 IP核配置 1 ETHLITE配置 2 GMIITORGMII配置 二 IP 连接关系 三 设备树描述 前言 本文将介绍如何在Linux下使用EthLite加GmiitoRgmii实现百兆网络通信 此方法只需要一个中断 若工
  • 百度AIStudio平台 持久化安装包

    目录 查看环境 创建目录 安装在该目录下 重启后仍可用 查看环境 平台使用的是conda创建的虚拟环境进行安装的包 不过我们可以使用pip安装工具快速安装 而且使用conda默认安装的包将在下次启动服务时还原 注 该教程不适用于tensor
  • Create a PCL visualizer in Qt with QtDesigner

    这是PCL文档中的例程实现 原文地址 http pointclouds org documentation tutorials qt visualizer php more on qt and pcl 介绍一下环境 Ubuntu16 04
  • std::numeric_limits 出错

    not enough actual parameters for macro max for std numeric limits
  • cuBLAS矩阵乘法性能分析(附代码示例)

    使用教程 矩阵乘法是神经网络中最基础 最重要的一个运算 在用CUDA实现矩阵乘法时 不需要我们手动写 cuBLAS库提供了现成的矩阵乘法算子 例如cublasGemmEx和cublasLtMatmul 其中后者是轻量级版本 API调用更灵活
  • DL入门(1):卷积神经网络(CNN)

    写在前面 看预测论文综述时 面临这样一个问题 很多DL的方法只是会简单运用 却不是特别了解其详细原理 故针对CNN RNN LSTM AutoEncoder RBM DBN以及DBM分别做一些简单总结 以达到了解的目的 此篇为CNN 目录
  • torch.stack()按轴叠加原理

    1 问题 大部分帖子和一些典型的介绍numpy pytorch的书籍对此部分并没有详细的介绍 仅仅简单地在np cat 或torch stack 等中提到当连接轴指定为0 或1时按照某某连接 排列 然而 当连接轴值较大时 如3 4 5 笔者
  • vue3 的组件通信以及ref的使用&v-model

    一 组件通信 1 props gt 父向子传值 props主要用于父组件向子组件通信 在父组件中通过用 msg msg 绑定需要传给子组件的属性值 然后再在子组件中用 props 接收该属性值 方法一 普通方式 父组件 传值
  • linux 编译protobuf(MacOS或者UOS),Protobuf为3.5.1

    先下载好Protobuf 自己网上找 或者用我下面上传的包 我们采用编译成静态库的模式 就不生成 so文件了 解压后进行编译前的准备工作 cd protobuf 3 5 1 进入目录 autogen sh 执行下生成configure文件
  • 储存型XSS和DOM型XSS的解析

    储存型XSS和DOM型XSS的解析 存储型XSS漏洞 存储型的XSS漏洞和反射型形成的原因是一样的 也在输入输出时造成的问题 不同的是存储型的XSS下可以将攻击者的脚本注入后台存储起来 结构更加持久的危害 因此存储型XSS也称 永久型 XS
  • 力扣 91. 解码方法

    一开始的想法是 每个字母的编码要么是一位数字 要么是两位数字 所以从尾部开始看是否能取出一位数字或者两位数字 再讨论取出数字后剩下的字符串有几种解码方式 其实就是动态规划的思想 由于今天第一次做动规的题 第一想法是用递归求解 结果超时了 然
  • 实测aiCache加速效能测试报告

    服务器 AMD双核DualCore QL 62 系统搭载743M的 RAM 运行64位Ubuntu 9 1 软件 Apache2 配置 未修改的缺省配置 Apache2配置侦听82端口 aiCache采用HTTP80端口 测试细节 Apac