SaaS關(guān)鍵技術(shù)

----開源解決方案Copyright?2009NeusoftCorporation解決方案技術(shù)中心SaaS關(guān)鍵技術(shù)

----開源解Part1：IT部署視圖演化及挑戰(zhàn)Part2：動(dòng)態(tài)基礎(chǔ)設(shè)施Part3：SaaS架構(gòu)關(guān)注技術(shù)Part4：Q&APart1：IT部署視圖演化及挑戰(zhàn)IT系統(tǒng)部署視圖演化-1IT系統(tǒng)部署視圖演化-1N輪視圖演化后架構(gòu)N輪視圖演化后架構(gòu)開源的SaaS解決方案課件演化面對(duì)的挑戰(zhàn)基礎(chǔ)設(shè)施可擴(kuò)展計(jì)算資源快速的供給應(yīng)用快速部署資源按需分配自動(dòng)化管理的能力應(yīng)用架構(gòu)可擴(kuò)展應(yīng)用服務(wù)器可水平擴(kuò)展數(shù)據(jù)庫水平可擴(kuò)展異步消息隊(duì)列緩存機(jī)制應(yīng)用負(fù)載均衡流程可定制功能可配置演化面對(duì)的挑戰(zhàn)基礎(chǔ)設(shè)施可擴(kuò)展計(jì)算資源快速的供給應(yīng)用快速部署資Part1：IT部署視圖演化及挑戰(zhàn)Part2：動(dòng)態(tài)基礎(chǔ)設(shè)施Part3：SaaS架構(gòu)關(guān)注技術(shù)Part4：Q&APart1：IT部署視圖演化及挑戰(zhàn)云計(jì)算關(guān)鍵特性計(jì)算服務(wù)化資源虛擬化管理智能化自服務(wù)化云計(jì)算關(guān)鍵特性計(jì)算服務(wù)化資源虛擬化管理智能化自服務(wù)化基礎(chǔ)設(shè)施供應(yīng)生命周期基礎(chǔ)設(shè)施供應(yīng)生命周期資源池動(dòng)態(tài)伸縮CloudCloudDDDDDDDDD資源池動(dòng)態(tài)伸縮CloudCloudDDDDDDDDDPart1：IT部署視圖演化及挑戰(zhàn)Part2：動(dòng)態(tài)基礎(chǔ)設(shè)施Part3：SaaS關(guān)注技術(shù)Part4：Q&APart1：IT部署視圖演化及挑戰(zhàn)SaaS關(guān)鍵特性高可用性高伸縮性高性能高伸縮：多租戶，功能可配置，流程可配置SaaS關(guān)鍵特性高可用性高伸縮性高性能高伸縮：多租戶，功能可SaaS架構(gòu)關(guān)注內(nèi)容1.數(shù)據(jù)存儲(chǔ)區(qū)域2.數(shù)據(jù)訪問區(qū)域3.緩存區(qū)域4.應(yīng)用服務(wù)服務(wù)區(qū)域5.Web服務(wù)器區(qū)域6.分布式文件區(qū)域7.MQ消息隊(duì)列區(qū)域8.負(fù)載均衡區(qū)域9.

其它技術(shù)SaaS架構(gòu)關(guān)注內(nèi)容1.數(shù)據(jù)存儲(chǔ)區(qū)域2.數(shù)據(jù)訪問區(qū)域3.緩數(shù)據(jù)存儲(chǔ)的挑戰(zhàn)SaaS數(shù)據(jù)存儲(chǔ)模式完全獨(dú)立模式（獨(dú)立數(shù)據(jù)庫模式）部分獨(dú)立模式（共享數(shù)據(jù)庫、獨(dú)立數(shù)據(jù)結(jié)構(gòu)模式）完全共享模式（共享數(shù)據(jù)庫、共享數(shù)據(jù)結(jié)構(gòu)模式）成長的煩惱高并發(fā)的數(shù)據(jù)讀寫訪問海量數(shù)據(jù)的高效讀寫訪問及管理高擴(kuò)展及高可用性數(shù)據(jù)存儲(chǔ)的挑戰(zhàn)SaaS數(shù)據(jù)存儲(chǔ)模式完全獨(dú)立模式（獨(dú)立數(shù)據(jù)庫模傳統(tǒng)解決方案VS新興解決方案SQL

采用集群方式分擔(dān)系統(tǒng)壓力Partition方式Sharding方式

（垂直，水平）讀寫分離預(yù)留字段值對(duì)/行專列Xml擴(kuò)展不足：擴(kuò)展性不好成本高NoSQL內(nèi)置集群支持很容易水平擴(kuò)展強(qiáng)大數(shù)據(jù)備份功能支持Mapreduce功能不足：不支持SQL目前都是開業(yè)的沒有商業(yè)產(chǎn)品不支持或是局部支持事務(wù)傳統(tǒng)解決方案VS新興解決方案SQL采用集群方式分擔(dān)系統(tǒng)SQL集群技術(shù)-MySQL集群方案有點(diǎn)缺點(diǎn)速度適用場合NDB可用于負(fù)載均衡場合；

可用于高可靠性場合；

高伸縮性；

真正的數(shù)據(jù)庫冗余；

容易維護(hù)。

隨著數(shù)據(jù)庫的變大，對(duì)RAM的需求變得更大，因此成本很高幾乎比典型的單獨(dú)服務(wù)器（無千兆以太網(wǎng)，無SCI卡，存儲(chǔ)引擎相關(guān)的限制少）慢10倍。冗余，高可靠性，負(fù)載均衡MySQL/GFS-GNBD/HA(Active/Passive)高可靠性

某種程度的冗余

按照高可靠性進(jìn)行伸縮

沒有負(fù)載均衡

沒有保證的冗余

無法對(duì)寫操作進(jìn)行伸縮

對(duì)讀操作支持得較好需要高可靠性的、讀操作密集型的應(yīng)用MySQL/DRBD/HA(Active/Passive)高可靠性；

一定程度的冗余；

以高可靠性名義來看是可伸縮的

沒有負(fù)載均衡

沒有保證的冗余

在寫負(fù)載方面沒有伸縮性

在讀寫方面相當(dāng)于單獨(dú)服務(wù)器需要高可靠性、讀操作密集型的應(yīng)用MySQLWriteMaster/MultipleMySQLReadSlaves(Active/Active)讀操作的高可靠性；

讀操作的負(fù)載均衡；

在讀操作負(fù)載均衡方面是可伸縮的

無寫操作的高可靠性；

無寫操作的負(fù)載均衡；

在寫操作方面無伸縮性

同單獨(dú)服務(wù)器；在讀操作方面支持得較好讀操作密集型的、需要高可靠性和負(fù)載均衡的應(yīng)用Google

MySQL

MMM技術(shù)SQL集群技術(shù)-MySQL集群方案有點(diǎn)缺點(diǎn)速度適用場合NDBShardingvsPartitionShardingPartition存儲(chǔ)依賴可跨越DB可跨越物理機(jī)器可跨越表空間,不同的物理屬性不能跨DB存儲(chǔ)存儲(chǔ)方式分布式集中式擴(kuò)展性ScaleOut(橫向擴(kuò)展)ScaleUp(升級(jí)設(shè)備)可用性無單點(diǎn)，需要處理跨數(shù)據(jù)事務(wù)存在單點(diǎn)(DB數(shù)據(jù)本身)應(yīng)用場景web2.0多數(shù)傳統(tǒng)應(yīng)用ShardingvsPartitionShardingP數(shù)據(jù)切分-SQL實(shí)現(xiàn)方式優(yōu)點(diǎn)缺點(diǎn)垂直切分實(shí)現(xiàn)簡單擴(kuò)展能力有限

強(qiáng)耦合的應(yīng)用不容易垂直切分讀寫分離可有效分擔(dān)讀的壓力

主要在數(shù)據(jù)庫層擴(kuò)展，應(yīng)用修改小對(duì)讀寫均衡的應(yīng)用擴(kuò)展能有限

依賴于數(shù)據(jù)庫本身的同步能力水平切分SaaS普遍使用

擴(kuò)展性強(qiáng)實(shí)施復(fù)雜數(shù)據(jù)切分-SQL實(shí)現(xiàn)方式優(yōu)點(diǎn)缺點(diǎn)垂直切分實(shí)現(xiàn)簡單擴(kuò)展能力有限垂直shardinguserphrAppDAL垂直shardinguserphrAppDAL水平shardingPhr33%Phr33%AppDALPhr34%水平shardingPhr33%Phr33%AppDAL讀寫分離phrphrAppDAL讀/寫讀讀寫分離phrphrAppDAL讀/寫讀SQL數(shù)據(jù)訪問區(qū)域(DAL)1.mysqlproxy

實(shí)現(xiàn)“讀寫分離（Read/WriteSplitting）”?；镜脑硎亲屩鲾?shù)據(jù)庫處理事務(wù)性查詢，而從數(shù)據(jù)庫處理SELECT查詢。數(shù)據(jù)庫復(fù)制被用來把事務(wù)性查詢導(dǎo)致的變更同步到集群中的從數(shù)據(jù)庫。2.Amoeba

Amoeba項(xiàng)目是分布式數(shù)據(jù)庫proxy開發(fā)框架。座落與Client、DBServer(s)之間。對(duì)客戶

端透明。具有負(fù)載均衡、高可用性、sql過濾、讀寫分離、可路由相關(guān)的query到目標(biāo)數(shù)據(jù)庫、可并發(fā)請(qǐng)

求多臺(tái)數(shù)據(jù)庫合并結(jié)果。

主要解決：

*降低數(shù)據(jù)切分帶來的復(fù)雜多數(shù)據(jù)庫結(jié)構(gòu)

*提供切分規(guī)則并降低數(shù)據(jù)切分規(guī)則給應(yīng)用帶來的影響

*降低db與客戶端的連接數(shù)

*讀寫分離3.WebsphereIISQL數(shù)據(jù)訪問區(qū)域(DAL)1.mysqlproxyCase1Case1Case1數(shù)據(jù)生成分布規(guī)則：按照20會(huì)員每天采集一次監(jiān)控，每次采集10個(gè)指標(biāo)（都為數(shù)值型）計(jì)算，按照20萬會(huì)員2010年全年的數(shù)據(jù)量，共計(jì)生成7.3億條記錄。分布在4個(gè)節(jié)點(diǎn)中，每臺(tái)設(shè)備1.825億條。共計(jì)50GB。血壓標(biāo)簽統(tǒng)計(jì)地區(qū)執(zhí)行時(shí)間120~15090~12080~90test0np_034539ms15732123140882123TransactionNameMinimumAverageMaximumStd.Deviation90Percentquery0.0010.0343.820.1560.04Case1數(shù)據(jù)生成分布規(guī)則：血壓標(biāo)簽統(tǒng)計(jì)地區(qū)執(zhí)行時(shí)間120Sql數(shù)據(jù)擴(kuò)展問題Sql數(shù)據(jù)擴(kuò)展問題Case2

–hadoopHBase&Hive2003年Google三篇論文:GFS,MapReduce,Bigtable

Hbase是一個(gè)分布式開源數(shù)據(jù)庫，基于Hadoop分布式文件系統(tǒng)，模仿并提供了基于Google文件系統(tǒng)的Bigtable數(shù)據(jù)庫的所有功能。其目標(biāo)是處理非常龐大的表，可以用普通的計(jì)算機(jī)處理超過10億行數(shù)據(jù)，并且有數(shù)百萬列元素組成的數(shù)據(jù)表。MapReduce是分布式計(jì)算軟件構(gòu)架，它可以支持大數(shù)據(jù)量的分布式并行處理。

Case2–hadoopHBase&Hive2003Hadoop軟件棧Hadoop軟件棧Table&ColumnFamily

RowKey

Timestamp

ColumnFamily

血壓（高壓）血壓（低壓）phr_user1t312080t213090t1

phr_user2t514070t414585

RowKey:行鍵，Table的主鍵，Table中的記錄按照RowKey排序Timestamp:時(shí)間戳，每次數(shù)據(jù)操作對(duì)應(yīng)的時(shí)間戳，可以看作是數(shù)據(jù)的versionnumberColumnFamily：列簇，Table在水平方向有一個(gè)或者多個(gè)ColumnFamily組成，一個(gè)ColumnFamily中可以由任意多個(gè)Column組成，即ColumnFamily支持動(dòng)態(tài)擴(kuò)展，無需預(yù)先定義Column的數(shù)量以及類型，所有Column均以二進(jìn)制格式存儲(chǔ)，用戶需要自行進(jìn)行類型轉(zhuǎn)換。Table&ColumnFamily

RowKeyCase2

–hadoopHBase&HiveCase2–hadoopHBase&HiveCase2-hadoop&Hive交易名稱交易響應(yīng)時(shí)間（單位：秒）AverageTPSMinimumAverageMaximum90PercentInsert空表0.0010.0121.0760.03595.863Insert（3.06億）0.0010.0120.0590.03995.758交易名稱交易響應(yīng)時(shí)間（單位：秒）AverageTPSMinimumAverageMaximum90PercentQuery0.0140.1454.2380.19627.47交易響應(yīng)時(shí)間（單位：秒）4節(jié)點(diǎn)6節(jié)點(diǎn)8節(jié)點(diǎn)一個(gè)月數(shù)據(jù)140.007140.061147.029一年數(shù)據(jù)522.351285.998292.867Case2-hadoop&Hive交易名稱交易響應(yīng)SQL與NoSQL整合方案-hadoop&HiveDBMS從MySQL讀寫部分?jǐn)?shù)據(jù)讀NoSQLNoSQL同步1.DBMS保存全部數(shù)據(jù)，主要完成交易類數(shù)據(jù)的讀寫2.通過同步技術(shù)把DBMS的數(shù)據(jù)同步到NoSQL數(shù)據(jù)庫中3.NoSQL負(fù)責(zé)完成歷史數(shù)據(jù)的查詢統(tǒng)計(jì)分析等工作SQL與NoSQL整合方案-hadoop&HiveDNoSQL數(shù)據(jù)庫--MongoDBNoSQL數(shù)據(jù)庫--MongoDBMongoDB與MySQL混搭采用MySQL與mongoDB混搭的模式，利用NoSQL數(shù)據(jù)的列可以動(dòng)態(tài)擴(kuò)展的優(yōu)勢來避免在關(guān)系數(shù)據(jù)庫為了擴(kuò)展所采用行轉(zhuǎn)列導(dǎo)致的數(shù)據(jù)爆炸性增長的問題1.面向集合的存儲(chǔ)：適合存儲(chǔ)對(duì)象及JSON形式的數(shù)據(jù)。2.動(dòng)態(tài)查詢：Mongo支持豐富的查詢表達(dá)式。3.完整的索引支持：包括文檔內(nèi)嵌對(duì)象及數(shù)組。Mongo的查詢優(yōu)化器會(huì)分析查詢表達(dá)式4.復(fù)制及自動(dòng)故障轉(zhuǎn)移。不適用：高度事務(wù)性的系統(tǒng)傳統(tǒng)的商業(yè)智能應(yīng)用MongoDB與MySQL混搭采用MySQL與mongoDSQL數(shù)據(jù)庫擴(kuò)展的問題ID

<100ID<200AppDALID<300ID<400SQL數(shù)據(jù)庫擴(kuò)展的問題ID<100ID<200AppDALNoSQL數(shù)據(jù)庫擴(kuò)展phrphrAppDALphrphrNoSQL數(shù)據(jù)庫擴(kuò)展phrphrAppDALphrphr數(shù)據(jù)緩存工作原理DBMS客戶端App

ServerCacheDBMSCacheCacheCache第一次，從數(shù)據(jù)庫讀取數(shù)據(jù)，并寫入緩存第二次，從緩存讀取數(shù)據(jù)，如果數(shù)據(jù)不存在，那么，在去數(shù)據(jù)庫查詢數(shù)據(jù)目的：避免磁盤IO提高效率，減輕數(shù)據(jù)庫壓力數(shù)據(jù)緩存工作原理DBMS客戶端AppServerCache開源緩存對(duì)比實(shí)現(xiàn)方式優(yōu)點(diǎn)缺點(diǎn)Terracotta采用JVM的heap復(fù)制方式不是通過對(duì)象序列化的方式傳輸Java實(shí)現(xiàn)可以無縫整合到JEE應(yīng)用本身可以提供集群字節(jié)碼級(jí)的監(jiān)控可能會(huì)影響效率配置比較復(fù)雜memcachedC開發(fā)效率高對(duì)CPU資源要求低水平擴(kuò)展性強(qiáng)非java應(yīng)用需要通過socket調(diào)用不提供集群技術(shù)，需要自己實(shí)現(xiàn)，比較復(fù)雜Ehcache/OSCache可以運(yùn)行在中間價(jià)同一個(gè)JVM中，執(zhí)行效力高集群需要作緩存同步水平擴(kuò)展能力有限需要占用JVM的heap開源緩存對(duì)比實(shí)現(xiàn)方式優(yōu)點(diǎn)缺點(diǎn)Terracotta采用JVM的云平臺(tái)緩存方案客戶端App

ServerMemcacheEHCacheMemcacheMemcacheMemcacheApp

ServerEHCache采用Memcached作為分布式緩存為了保證系統(tǒng)執(zhí)行效率采用ehCache作為二級(jí)緩存在ehcache設(shè)置緩存時(shí)間，過期后到Memcached組成的緩存池獲得數(shù)據(jù)。該方案也可以采用Terracotta云平臺(tái)緩存方案客戶端AppServerMemcacheEH應(yīng)用服務(wù)服務(wù)區(qū)域業(yè)務(wù)系統(tǒng)的主要業(yè)務(wù)邏輯運(yùn)行在應(yīng)用服務(wù)器中，所以，它承擔(dān)了更大的壓力，面臨如下挑戰(zhàn)：1.大并發(fā)訪問需要做應(yīng)用服務(wù)器集群2.系統(tǒng)為了更可用性和友好性支持無縫切換應(yīng)用服務(wù)服務(wù)區(qū)域業(yè)務(wù)系統(tǒng)的主要業(yè)務(wù)邏輯運(yùn)行在應(yīng)用服務(wù)器中，所應(yīng)用服務(wù)器session管理實(shí)現(xiàn)方式優(yōu)點(diǎn)缺點(diǎn)典型做法session復(fù)制復(fù)制負(fù)載可以得到極好均衡，也可以保持對(duì)fail-over支持sesion復(fù)制對(duì)網(wǎng)絡(luò)壓力比較大。

需要應(yīng)用服務(wù)器支持目前流行的中間件產(chǎn)品都支持stickysession實(shí)現(xiàn)簡單，在負(fù)載均衡層或是proxy層做配置即可

不會(huì)因?yàn)閟ession同步給網(wǎng)絡(luò)帶來壓力不能實(shí)現(xiàn)完全負(fù)載均衡、無法實(shí)現(xiàn)failoverapache或是其它webserver做propxy基于cache集中式session應(yīng)用服務(wù)器是無狀態(tài)，可實(shí)現(xiàn)完全負(fù)載均衡，不會(huì)帶來因?yàn)閟ession復(fù)制帶來的網(wǎng)絡(luò)壓力實(shí)施復(fù)雜，對(duì)于部分功能需要定制開發(fā)使用Terracotta或是memcache等應(yīng)用服務(wù)器session管理實(shí)現(xiàn)方式優(yōu)點(diǎn)缺點(diǎn)典型做法sess云下有狀態(tài)應(yīng)用方案-memached-session客戶端App

ServerMemcacheMemcacheMemcacheMemcacheApp

Servermemcached-session-manager具有如下特性：1.支持tomcat6和tomcat72.能夠保持sticky會(huì)話和nonesticky會(huì)話3.能夠支持tomcat失敗轉(zhuǎn)移4.能夠支持Memcached失敗轉(zhuǎn)移5.實(shí)現(xiàn)session序列化6.可以實(shí)現(xiàn)session的異步存儲(chǔ)7.Session修改更新Memcached8.JMX管理和監(jiān)控云下有狀態(tài)應(yīng)用方案-memached-session客戶端A云下有狀態(tài)應(yīng)用方案-Terracotta客戶端App

ServerTerracoattTerracoattTerracoattTerracoattApp

Server1.Terracotta本身支持集群，避免單點(diǎn)故障(雙機(jī)或者多機(jī)鏡像)2.

Terracotta的基礎(chǔ)是分布式數(shù)據(jù)共享和線程協(xié)同3.不是通過對(duì)象序列化的方式傳輸，支持Field級(jí)別的變更同步4.不需要修改程序5.支持目前主流的中間價(jià)agentagent云下有狀態(tài)應(yīng)用方案-Terracotta客戶端AppSWebserver區(qū)域ApachevsNginxvslighttpd反向代理等功能1.作為老牌HttpServer，ApacheHttpd在功能表現(xiàn)上令人滿意，配置相對(duì)簡單，功能豐富并且穩(wěn)定，可以任意編譯添加所需功能的模塊。2.Nginx作為新興的HttpServer，在性能表現(xiàn)上令人滿意，功能相對(duì)豐富，作為功能相對(duì)簡單的應(yīng)用前臺(tái)HttpServer是可以推薦的，而且HttpServer可以做到動(dòng)態(tài)更改配置文件，不需要長時(shí)間中斷服務(wù)。3.Lighttpd性能表現(xiàn)很好，但是在功能上有很多不穩(wěn)定之處。Webserver區(qū)域ApachevsNginxvsWebserver靜態(tài)資源分離靜態(tài)資源（圖片，js腳本，css等）使用單獨(dú)的服務(wù)器處理請(qǐng)求http

ServerApp

server瀏覽器靜態(tài)資源靜態(tài)資源動(dòng)態(tài)請(qǐng)求動(dòng)態(tài)請(qǐng)求動(dòng)態(tài)請(qǐng)示動(dòng)態(tài)請(qǐng)示W(wǎng)ebserver靜態(tài)資源分離靜態(tài)資源（圖片，js腳本，c分布式文件作用

SaaS業(yè)務(wù)系統(tǒng)面臨著海量小圖片數(shù)據(jù)的存儲(chǔ)問題，這些圖片數(shù)據(jù)大小在幾K～幾十K不等但數(shù)目非常龐大，處理這些海量數(shù)據(jù)小文件傳統(tǒng)文件系統(tǒng)已經(jīng)不能滿足要求，系統(tǒng)在scaling的過程中都遇到了這樣的問題：磁盤IO過高；備份困難；單點(diǎn)問題，容量和讀寫無法水平擴(kuò)展，還存在故障的可能。使用分布式存儲(chǔ)技術(shù)來解決圖片數(shù)據(jù)管理和容量擴(kuò)展等方面的問題客戶端App

ServerNAS存儲(chǔ)/磁盤陣列App

Server分布式文件作用SaaS業(yè)務(wù)系統(tǒng)面臨著海量小圖片數(shù)據(jù)分布式文件系統(tǒng)工作原理存儲(chǔ)節(jié)點(diǎn)，即StorageCluster，完成文件管理的所有功能。包括存儲(chǔ)、同步和提供存取接口；同時(shí)通過對(duì)metadata的管理實(shí)現(xiàn)了IO的并行和高效訪問。具有云存儲(chǔ)虛擬、自治、高效特點(diǎn)的實(shí)驗(yàn)項(xiàng)目，支持多盤組、異構(gòu)整合。Tracker，即跟蹤器主要負(fù)責(zé)IO調(diào)度，通過負(fù)載均衡方式實(shí)現(xiàn)可靠、快速的資源存取。

Client可以是以Service的方式對(duì)云存儲(chǔ)提供IO服務(wù)。MogileDFS

VS

FastDFS

分布式文件系統(tǒng)工作原理存儲(chǔ)節(jié)點(diǎn)，即StorageClustCase3

GIS系統(tǒng)地圖柵格數(shù)據(jù)測試Case3GIS系統(tǒng)地圖柵格數(shù)據(jù)測試消息隊(duì)列程序解耦消息可靠性到達(dá)異步通信提供效率消息隊(duì)列程序解耦企業(yè)級(jí)消息隊(duì)列1.消息嚴(yán)格的排序；2.支持事務(wù)3.信息通過持久化的方式保證安全可靠代表產(chǎn)品：1.Apache

ActiveMQ2.JbossMQ3.IBM

MQ4.Weblogic

JMS適合場景：企業(yè)級(jí)應(yīng)用中消息可靠傳輸企業(yè)級(jí)消息隊(duì)列1.消息嚴(yán)格的排序；互聯(lián)網(wǎng)消息隊(duì)列1.消息不需要嚴(yán)格的排序；2.不支持事務(wù)大多數(shù)情況可接受3.讀寫數(shù)據(jù)非?？?.橫向擴(kuò)展性好代表產(chǎn)品：Kestrel適合場景：1.互聯(lián)網(wǎng)應(yīng)用中消息動(dòng)態(tài)互聯(lián)網(wǎng)消息隊(duì)列1.消息不需要嚴(yán)格的排序；Case4

Kestrel性能表現(xiàn)線程并發(fā)數(shù)存入10000條消息總時(shí)間（單位：秒）平均TPS第一次第二次第三次平均13.1446286813.3789056913.2551921773.2595755163067.88102.3287159322.2632132852.2974953192.2964748454354.5502.6794187122.6436958022.5845161462.6358768873793.8Case4Kestrel性能表現(xiàn)線程并發(fā)數(shù)存入10000條負(fù)載均衡區(qū)域h