Kafka 2.1.0压缩算法性能对比
问题导读：1、什么是ZStandard压缩算法？
2、Kafka支持哪几种压缩算法？
3、如何理解producer端测试结果？
4、如何理解consumer端测试结果？
static/image/hrline/line7.png
Apache Kafka 2.1.0正式支持ZStandard —— ZStandard是Facebook开源的压缩算法，旨在提供超高的压缩比(compression ratio)，具体细节参见https://facebook.github.io/zstd/。本文对Kafka支持的这几种压缩算法(GZIP、Snappy、LZ4、ZStandard)做了一下基本的性能测试，希望能够以不同维度去衡量不同压缩算法在Kafka中的表现。
一、环境准备
本次测试使用了两台云主机，一台作为Kafka的服务器，跑broker进程；另一台作为client，运行Kafka的客户端程序(producer和consumer)，具体配置如下：
二、测试topic准备
依次创建4个topic：test1、test2、test3、test4，分别用于LZ4、ZStandard、Snappy和GZIP的测试，这些topic都是单分区单副本。
三、测试producer端
使用kafka-producer-perf-test.sh脚本依次为4个topic发送60,000,000条消息，每条消息1KB大小，去计算各种压缩算法的TPS以及其他指标。结果如下：
1、客户端CPU使用率统计图
结论：Snappy算法使用的CPU资源最多，其他3种压缩算法相差不多。
2、Broker服务器带宽统计
结论：Snappy算法占用的带宽最多且遥遥领先，LZ4次之，而新引入的ZStandard使用的带宽最少。一个可能的原因是ZStandard有较高的压缩比，减少了总体的网络IO传输量。
3、producer吞吐量(TPS)统计
结论：配置LZ4的producer TPS最高——LZ4算法有着最快的压缩时间（至少是top3），故整体TPS最高也不令人惊讶。Snappy次之，ZStandard位居第三位。说明ZStandard不是一个很快的压缩算法。
4、producer延时分布统计
结论：GZIP算法的延时最低，ZStandard次之。有意思的是，Snappy算法的平均值和99.9分位均值比较接近，而LZ4算法方差较大（当然也可能因为异常点导致）。总之从延时角度来看GZIP最优。
5、磁盘占用统计
结论：配置ZStandard算法producer生产的消息有着最高的压缩比，这符合ZStandard算法官方的定位："Zstd can trade compression speed for stronger compression ratios." —— 即该算法牺牲一部分压缩速度去换取更高的压缩比。
四、测试consumer端
使用kafka-consumer-perf-test.sh脚本依次消费4个topic，每个topic消费60,000,000条消息，去计算consumer端解压缩性能以及其他核心指标，结果如下：
1、客户端CPU使用率统计
结论：基本上4种压缩算法的客户端CPU使用率基本持平，ZStandard算法略高一些
2、Broker端带宽占用统计
结论：Snappy占用带宽最多，ZStandard最少——同理，这是因为ZStandard有最高的压缩比，极大地降低了网络IO传输量。
3、consumer吞吐量(TPS)统计
结论：配置LZ4算法的consumer有着最高的TPS，而ZStandard算法最低。
五、总结
相比于其他压缩算法，ZStandard有着最高的压缩比，相同的消息量占用最少的磁盘容量，因此带宽的占用也是比较少的，但是在TPS方面的表现并不抢眼，因此对于那些在乎磁盘和带宽资源的用户而言，配置ZStandard算法似乎是个不错的选择，但如果追求应用TPS，就目前的Kafka而言LZ4依然是最好的选择。
作者：胡夕
来源：大数据Kafka技术分享
Kafka 2.1.0压缩算法性能对比！ 性能对比 来学习；了
页:
[1]