v3.3.0 版本主要优化了执行计划和属性裁剪，并对深度多跳场景进行特别优化，相关 case 的性能有明显的提升，相比 v3.2.0 Match count QPS 有 2~8 倍的提升, 3 跳查询 QPS 时延低至原 1/3。

NebulaGraph v3.3.0 社区版性能报告

v3.2.0 版本针对点边进行了计算下推的优化，性能总体上较 v3.1.0 版本有所提升。整体用例的 Latency 性能均有一定幅度的提升，耗时降低约 5%~10%；Match 索引及 Match2Hop 的 QPS 增幅约 20%。

NebulaGraph v3.2.0 性能报告


![NebulaGraph v3.1.0 性能报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-v3.1.0-benchmark-report.jpg)

本文系 NebulaGraph 发行版 v3.1.0 的性能测试报告。

# 本文目录

* 测试环境
* 测试数据
     * 关于 LDBC-SNB
* 测试说明
* 测试用例和结果
     * MatchTest1
     * MatchTest2
     * MatchTest3
     * MatchTest4
     * MatchTest5
* 3.1.0 vs 3.0.0（Baseline）
     * MatchTest1
     * MatchTest2
     * MatchTest3
     * MatchTest4
     * MatchTest5

# 测试结论

在 v3.1.0 版本中，查询和数据导入性能基本上和 v3.0.0 持平（参考：[v3.0.0 性能报告🔗 ](https://nebula-graph.com.cn/posts/nebula-graph-v3.0.0-benchmark-report/)）。`MATCH` 语句针对属性读取做了优化，本次测试新增了相应的用例，性能对比 v3.0.0 有大幅提升。

# 测试环境

服务器和压测机皆为物理机

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/v3.0-bench-reporter-machine.webp)

* 注意：服务器设置 CPU 为 Performance 模式。

# 测试数据

测试数据采用 LDBC-SNB SF100 数据集，SF100 数据集大小为 100G，共有 282,386,021 个点以及 1,775,513,185 条边。测试用的图空间分区数为 24，副本数为 3。

# 关于 LDBC-SNB

关联数据基准委员会（LDBC，Linked Data Benchmark Council），是图（Graph）和 RDF 数据管理的基准指南制定者。社交网路基准（SNB，Social Network Benchmark）是关联数据基准委员会（LDBC）开发的软件基准（Benchmark）之一。关于 LDBC-SNB 数据集，具体请参考以下文档：

* LDBC_SNB_SF100：[https://ldbcouncil.org/ldbc_snb_docs/ldbc-snb-specification.pdf](https://ldbcouncil.org/ldbc_snb_docs/ldbc-snb-specification.pdf)
* 24 Partitions：[https://github.com/ldbc/ldbc_snb_docs](https://github.com/ldbc/ldbc_snb_docs)
* 3 Replica Factors：[https://github.com/ldbc/ldbc_snb_datagen_spark](https://github.com/ldbc/ldbc_snb_datagen_spark)

# 测试说明

1. 压测工具使用基于 Go 语言的 k6，具体请参阅 k6 官方网站；客户端使用的是 nebula-go
2. 图表中横坐标轴的 “50_vu”、“100_vu” 等中的 “vu” 表示的是 k6 使用的概念 “virtual user”，即性能测试中的并发数；50_vu 表示 50 个并发用户，100_vu 表示 100 个并发用户，以此类推…
3. 性能基线使用正式发布的 3.0.0 版本
4. `ResponseTime` = `Latency`（服务端处理时长）+网络回传结果时长+客户端反序列化结果时长
5. 参数说明
     * QPS 即**吞吐率**
     * Latency 即**服务端耗时**
     * ResponseTime 即**客户端耗时**

# 测试用例和结果

_仅包括本次新增的 match 测试用例_

* QPS 即**吞吐率**
* Latency 即**服务端耗时**
* ResponseTime 即**客户端耗时**

## MatchTest1

```
match (v:Person) where id(v) == {} return count(v.Person.firstName)
```

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-01.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-02.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-03.png)

## MatchTest2

```
match (v:Person)-[e:KNOWS]-(v2) where id(v) == {} and v2.Person.locationIP != 'yyy' return length(v.Person.browserUsed) + length(v2.Person.gender)
```

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-11.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-12.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-13.png)

## MatchTest3

```
match (v:Person)-[e:KNOWS]-(v2) where id(v) == {} and v2.Person.locationIP != 'yyy' with v, v2 as v3 return length(v.Person.browserUsed) + (v3.Person.gender)
```

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-21.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-22.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-23.png)

## MatchTest4

```
MATCH (m)-[:KNOWS]-(n) WHERE id(m)=={} OPTIONAL MATCH (n)<-[:KNOWS]-(l) RETURN length(m.Person.lastName) AS n1, length(n.Person.lastName) AS n2, l.Person.creationDate AS n3 ORDER BY n1, n2, n3 LIMIT 10
```

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-31.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-32.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-33.png)

## MatchTest5

```
MATCH (m)-[:KNOWS]-(n) WHERE id(m)=={} MATCH (n)-[:KNOWS]-(l) WITH m AS x, n AS y, l RETURN x.Person.firstName AS n1, y.Person.firstName AS n2, CASE WHEN l.Person.firstName is not null THEN l.Person.firstName WHEN l.Person.gender is not null THEN l.Person.birthday ELSE 'null' END AS n3 ORDER BY n1, n2, n3 LIMIT 10
```

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-41.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-42.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-43.png)

# v3.1.0 vs v3.0.0（Baseline）

以下数据选取 P99 值。

## MatchTest1

```
match (v:Person) where id(v) == {} return count(v.Person.firstName)
```

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-101.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-102.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-103.png)

## MatchTest2

```
match (v:Person)-[e:KNOWS]-(v2) where id(v) == {} and v2.Person.locationIP != 'yyy' return length(v.Person.browserUsed) + length(v2.Person.gender)
```

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-111.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-112.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-113.png)

## MatchTest3

```
match (v:Person)-[e:KNOWS]-(v2) where id(v) == {} and v2.Person.locationIP != 'yyy' with v, v2 as v3 return length(v.Person.browserUsed) + (v3.Person.gender)
```

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-121.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-122.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-123.png)

## MatchTest4

```
MATCH (m)-[:KNOWS]-(n) WHERE id(m)=={} OPTIONAL MATCH (n)<-[:KNOWS]-(l) RETURN length(m.Person.lastName) AS n1, length(n.Person.lastName) AS n2, l.Person.creationDate AS n3 ORDER BY n1, n2, n3 LIMIT 10
```

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-131.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-132.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-133.png)

## MatchTest5

```
MATCH (m)-[:KNOWS]-(n) WHERE id(m)=={} MATCH (n)-[:KNOWS]-(l) WITH m AS x, n AS y, l RETURN x.Person.firstName AS n1, y.Person.firstName AS n2, CASE WHEN l.Person.firstName is not null THEN l.Person.firstName WHEN l.Person.gender is not null THEN l.Person.birthday ELSE 'null' END AS n3 ORDER BY n1, n2, n3 LIMIT 10
```

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-141.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-142.png)

![NebulaGraph v3.1.0 性能测试报告](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-bench-report-v3.1-143.png)


以上，欢迎你前往 GitHub 体验 v3.1.0 版本，GitHub 地址：[https://github.com/vesoft-inc/nebula/releases/tag/v3.1.0](https://github.com/vesoft-inc/nebula/releases/tag/v3.1.0)

交流图数据库技术？加入 Nebula 交流群请先[填写下你的 Nebula 名片](https://wj.qq.com/s2/8321168/8e2f/)，Nebula 小助手会拉你进群~~

在 v3.1.0 版本中，查询和数据导入性能基本上和 v3.0.0 持平。MATCH 语句针对属性读取做了优化，本次测试新增了相应的用例，性能对比 v3.0.0 有大幅提升。

NebulaGraph v3.1.0 性能报告

除了 v3.0.0 的性能报告之外，还有和 Baseline 的性能对比。

标签