sysbench是一个开源的、基于LuaJIT（LuaJIT 是 Lua 的即时编译器，可将代码直接翻译成机器码，性能比原生 lua 要高） 的、可自定义脚本的多线程基准测试工具，也是目前用得最多的 MySQL 性能压测工具。
基于 sysbench，我们可以对比 MySQL 在不同版本、不同硬件配置、不同参数（操作系统和数据库）下的性能差异。
下面会从 sysbench 的基本用法出发，逐渐延伸到 sysbench 的一些高级玩法，譬如如何阅读自带的测试脚本、如何自定义测试项等。除此之外，使用 sysbench 对 CPU 进行测试，网上很多资料都语焉不详，甚至是错误的，所以这次也会从源码的角度分析 CPU 测试的实现逻辑及 –cpu-max-prime 选项的具体含义。
本文主要包括以下几部分：
- 安装sysbench
- sysbench用法讲解
- 对MySQL进行基准测试的基本步骤
- 如何分析MySQL基准测试结果
- 如何使用sysbench对服务器进行测试
- MySQL常见测试场景及对应的 SQL 语句
- 如何自定义sysbench测试脚本
安装 sysbench
下面是 sysbench 源码包的安装步骤。
# yum -y install make automake libtool pkgconfig libaio-devel openssl-devel mysql-devel
# cd /usr/src/
# wget https://github.com/akopytov/sysbench/archive/refs/tags/1.0.20.tar.gz
# tar xvf 1.0.20.tar.gz
# cd sysbench-1.0.20/
# ./autogen.sh
# ./configure
# make -j
# make install
安装完成后，压测脚本默认会安装在 /usr/local/share/sysbench 目录下。
我们看看该目录的内容。
# ls /usr/local/share/sysbench/
bulk_insert.lua oltp_insert.lua oltp_read_write.lua oltp_write_only.lua tests
oltp_common.lua oltp_point_select.lua oltp_update_index.lua select_random_points.lua
oltp_delete.lua oltp_read_only.lua oltp_update_non_index.lua select_random_ranges.lua
除了oltp_common.lua是个公共模块，其它每个 lua 脚本都对应一个测试场景。
sysbench 用法讲解
sysbench 命令语法如下：
sysbench [options]... [testname] [command]
命令中的testname是测试项名称。sysbench 支持的测试项包括：
- *.lua：数据库性能基准测试。
- fileio：磁盘 IO 基准测试。
- cpu：CPU 性能基准测试。
- memory：内存访问基准测试。
- threads：基于线程的调度程序基准测试。
- mutex：POSIX 互斥量基准测试。
command是 sysbench 要执行的命令，支持的选项有：prepare，prewarm，run，cleanup，help。注意，不是所有的测试项都支持这些选项。
options是配置项。sysbench 中的配置项主要包括以下两部分：
1. 通用配置项。这部分配置项可通过 sysbench --help 查看。例如，
# sysbench --help
...
General options:
--threads=N number of threads to use [1]
--events=N limit for total number of events [0]
--time=N limit for total execution time in seconds [10]
...
2. 测试项相关的配置项。各个测试项支持的配置项可通过 sysbench testname help 查看。例如，
# sysbench memory help
sysbench 1.0.20 (using bundled LuaJIT 2.1.0-beta2)
memory options:
--memory-block-size=SIZE size of memory block for test [1K]
--memory-total-size=SIZE total size of data to transfer [100G]
--memory-scope=STRING memory access scope {global,local} [global]
--memory-hugetlb[=on|off] allocate memory from HugeTLB pool [off]
--memory-oper=STRING type of memory operations {read, write, none} [write]
--memory-access-mode=STRING memory access mode {seq,rnd} [seq]
对 MySQL 进行基准测试的基本步骤
下面以oltp_read_write为例，看看使用 sysbench 对 MySQL 进行基准测试的四个标准步骤：
prepare
生成压测数据。默认情况下，sysbench 是通过 INSERT INTO 命令来导入测试数据的。如果是使用 LOAD DATA LOCAL INFILE 命令来导入，sysbench 导数速度能提升30%，具体可参考：使用 LOAD DATA LOCAL INFILE，sysbench 导数速度提升30%
# sysbench oltp_read_write --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=30 prepare
命令中各个选项的具体含义如下：
- oltp_read_write：测试项，对应的是
/usr/local/share/sysbench/oltp_read_write.lua。这里也可指定脚本的绝对路径名。 - –mysql-host、–mysql-port、–mysql-user、–mysql-password：分别代表 MySQL 实例的主机名、端口、用户名和密码。
- –mysql-db：库名。不指定则默认为
sbtest。 - –tables ：表的数量，默认为 1。
- –table-size ：单表的大小，默认为 10000。
- –threads ：并发线程数，默认为 1。注意，导入时，单表只能使用一个线程。
- prepare：执行准备工作。
oltp_read_write 用来压测 OLTP 场景。在 sysbench 1.0 之前， 该场景是通过 oltp.lua 这个脚本来测试的。不过该脚本在 sysbench 1.0 之后就被废弃了，但为了跟之前的版本兼容，该脚本放到了 /usr/local/share/sysbench/tests/include/oltp_legacy/ 目录下。
鉴于 oltp_read_write.lua 和 oltp.lua 两者的压测内容完全一致。从 sysbench 1.0 开始，压测 OLTP 场景建议直接使用 oltp_read_write。
prewarm
预热。主要是将磁盘中的数据加载到内存中。
# sysbench oltp_read_write --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=30 prewarm
除了需要将命令设置为 prewarm，其它配置与 prepare 中一样。
run
压测。
# sysbench oltp_read_write --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=64 --time=60 --report-interval=10 run
其中，
- –time ：压测时间。不指定则默认为 10 秒。除了 –time，也可通过 –events 限制需要执行的 event 的数量。
- –report-interval=10 ：每 10 秒输出一次测试结果，默认为 0，不输出。
cleanup
清理数据。
# sysbench oltp_read_write --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 cleanup
这里只需指定 –tables ，sysbench 会串行执行 DROP TABLE IF EXISTS sbtest 操作。
如何分析 MySQL 基准测试结果
下面我们分析下 oltp_read_write 场景下的压测结果。注：右滑可以看到每个指标的具体含义。
Threads started!
[ 10s ] thds: 64 tps: 5028.08 qps: 100641.26 (r/w/o: 70457.59/20121.51/10062.16) lat (ms,95%): 17.32 err/s: 0.00 reconn/s: 0.00
# thds 是并发线程数。tps 是每秒事务数。qps 是每秒操作数，等于 r（读操作）加上 w（写操作）加上 o（其他操作，主要包括 BEGIN 和 COMMIT）。lat 是延迟，(ms,95%) 是 95% 的查询时间小于或等于该值，单位毫秒。err/s 是每秒错误数。reconn/s 是每秒重试的次数。
[ 20s ] thds: 64 tps: 5108.93 qps: 102192.09 (r/w/o: 71533.28/20440.64/10218.17) lat (ms,95%): 17.32 err/s: 0.00 reconn/s: 0.00
[ 30s ] thds: 64 tps: 5126.50 qps: 102505.50 (r/w/o: 71756.30/20496.60/10252.60) lat (ms,95%): 17.32 err/s: 0.00 reconn/s: 0.00
[ 40s ] thds: 64 tps: 5144.50 qps: 102907.20 (r/w/o: 72034.07/20583.72/10289.41) lat (ms,95%): 17.01 err/s: 0.00 reconn/s: 0.00
[ 50s ] thds: 64 tps: 5137.29 qps: 102739.80 (r/w/o: 71916.99/20548.64/10274.17) lat (ms,95%): 17.01 err/s: 0.00 reconn/s: 0.00
[ 60s ] thds: 64 tps: 4995.38 qps: 99896.35 (r/w/o: 69925.98/19979.61/9990.75) lat (ms,95%): 17.95 err/s: 0.00 reconn/s: 0.00
SQL statistics:
queries performed:
read: 4276622 # 读操作的数量
write: 1221892 # 写操作的数量
other: 610946 # 其它操作的数量
total: 6109460 # 总的操作数量，total = read + write + other
transactions: 305473 (5088.63 per sec.) # 总的事务数（每秒事务数）
queries: 6109460 (101772.64 per sec.) # 总的操作数（每秒操作数）
ignored errors: 0 (0.00 per sec.) # 忽略的错误数（每秒忽略的错误数）
reconnects: 0 (0.00 per sec.) # 重试次数（每秒重试的次数）
General statistics:
total time: 60.0301s # 总的执行时间
total number of events: 305473 # 执行的 event 的数量
# 在 oltp_read_write 中，默认参数下，一个 event 其实就是一个事务
Latency (ms):
min: 5.81 # 最小耗时
avg: 12.57 # 平均耗时
max: 228.87 # 最大耗时
95th percentile: 17.32 # 95% event 的执行耗时
sum: 3840044.28 # 总耗时
Threads fairness:
events (avg/stddev): 4773.0156/30.77 # 平均每个线程执行 event 的数量
# stddev 是标准差，值越小，代表结果越稳定。
execution time (avg/stddev): 60.0007/0.01 # 平均每个线程的执行时间
输出中，重点关注三个指标：
- 每秒事务数，即我们常说的 TPS。
- 每秒操作数，即我们常说的 QPS。
- 95% event 的执行耗时。
TPS 和 QPS 反映了系统的吞吐量，越大越好。执行耗时代表了事务的执行时长，越小越好。在一定范围内，并发线程数指定得越大，TPS 和 QPS 也会越高。
使用 sysbench 对服务器进行测试
除了数据库基准测试，sysbench 还能对服务器的性能进行测试。服务器资源一般包括四大类：CPU、内存、IO和网络。sysbench 可对CPU、内存和磁盘IO进行测试。下面我们具体来看看。
cpu
CPU 性能测试。支持的选项只有一个，即--cpu-max-prime。
CPU 测试的命令如下：
# sysbench cpu --cpu-max-prime=20000 --threads=32 run
输出中，重点关注events per second。值越大，代表 CPU 的计算性能越强。
CPU speed:
events per second: 25058.08
下面是 CPU 测试相关的代码，可以看到，sysbench 是通过计算--cpu-max-prime范围内的质数来衡量 CPU 的计算能力的。
质数（prime number）又称素数，指的是大于 1，且只能被 1 和自身整除的自然数。在代码实现时，对于自然数 n，一般会用 2 到根号 n 之间的整数去除，如果都无法整除，则意味着 n 是个质数。
int cpu_execute_event(sb_event_t *r, int thread_id)
{
unsigned long long c;
unsigned long long l;
double t;
unsigned long long n=0;
(void)thread_id; /* unused */
(void)r; /* unused */
// max_prime 即命令行中指定的 --cpu-max-prime
for(c=3; c < max_prime; c++)
{
t = sqrt((double)c);
for(l = 2; l <= t; l++)
if (c % l == 0)
break;
if (l > t )
n++;
}
return 0;
}
memory
内存测试，支持的选项有：
- –memory-block-size：内存块的大小，默认为 1KB。测试时建议设置为 1MB。
- –memory-total-size：要传输的数据的总大小。默认为 100GB。
- –memory-scope：内存访问范围，可指定 global、local，默认为 global。
- –memory-hugetlb：是否从 HugeTLB 池中分配内存，默认为 off。
- –memory-oper：内存操作类型，可指定 read、write、none，默认为 write。
- –memory-access-mode：内存访问模式，可指定 seq（顺序访问）、rnd（随机访问），默认为 seq。
内存测试的命令如下：
# sysbench --test=memory --memory-block-size=1M --memory-total-size=100G --num-threads=1 run
输出中，重点关注以下部分：
102400.00 MiB transferred (23335.96 MiB/sec)
23335.96 MiB/sec 即数据在内存中的顺序写入速率。
fileio
磁盘 IO 测试。支持的选项有：
- –file-num：需要创建的文件数，默认为128。
- –file-block-size：数据块的大小，默认为16384，即16KB。
- –file-total-size：需要创建的文件总大小，默认为2GB。
- –file-test-mode：测试模式，可指定 seqwr（顺序写）、seqrewr（顺序重写）、seqrd（顺序读）、rndrd（随机读）、rndwr（随机写）、rndrw（随机读写）。
- –file-io-mode：文件的操作模式，可指定 sync（同步 IO）、async（异步 IO）、mmap，默认为 sync。
- –file-async-backlog：每个线程异步 IO 队列的长度，默认为 128。
- –file-extra-flags：打开文件时指定的标志，可指定 sync、dsync、direct，默认为空，没指定。
- –file-fsync-freq：指定持久化操作的频率，默认为 100，即每执行 100 个 IO 请求，则会进行一次持久化操作。
- –file-fsync-all：在每次写入操作后执行持久化操作，默认为 off。
- –file-fsync-end：在测试结束时执行持久化操作，默认为 on。
- –file-fsync-mode：持久化操作的模式，可指定 fsync、fdatasync，默认为 fsync。fdatasync 和 fsync类似，只不过 fdatasync 只会更新数据，而 fsync 还会同步更新文件的属性。
- –file-merged-requests：允许合并的最多 IO 请求数，默认为0，不合并。
- –file-rw-ratio：混合测试中的读写比例，默认为1.5。
磁盘 IO 测试主要分为以下三步：
# 准备测试文件
# sysbench fileio --file-num=1 --file-total-size=10G --file-test-mode=rndrw prepare
# 测试
# sysbench fileio --file-num=1 --file-total-size=10G --file-test-mode=rndrw run
# 删除测试文件
# sysbench fileio --file-num=1 --file-total-size=10G --file-test-mode=rndrw cleanup
输出中，重点关注以下两部分：
File operations:
reads/s: 4978.26
writes/s: 3318.84
fsyncs/s: 83.07
Throughput:
read, MiB/s: 77.79
written, MiB/s: 51.86
其中，reads/s 加上 writes/s 即我们常说的 IOPS。read, MiB/s 加上 written, MiB/s 即我们常说的吞吐量。
MySQL 常见测试场景及对应的 SQL 语句
接下来会列举 MySQL 常见的测试场景及各个场景对应的 SQL 语句。
为了让大家清晰的知道 SQL 语句的含义，首先我们看看测试表的表结构。
除了 bulk_insert 会创建单独的测试表，其它场景都会使用下面的表结构。
mysql> show create table sbtest.sbtest1\G
*************************** 1. row ***************************
Table: sbtest1
Create Table: CREATE TABLE `sbtest1` (
`id` int NOT NULL AUTO_INCREMENT,
`k` int NOT NULL DEFAULT '0',
`c` char(120) NOT NULL DEFAULT '',
`pad` char(60) NOT NULL DEFAULT '',
PRIMARY KEY (`id`),
KEY `k_1` (`k`)
) ENGINE=InnoDB AUTO_INCREMENT=1000001 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci
1 row in set (0.00 sec)
bulk_insert
批量插入测试。
# sysbench bulk_insert --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=64 --time=60 --report-interval=10 run
下面是 bulk_insert 场景下创建的测试表。
mysql> show create table sbtest.sbtest1\G
*************************** 1. row ***************************
Table: sbtest1
Create Table: CREATE TABLE `sbtest1` (
`id` int NOT NULL,
`k` int NOT NULL DEFAULT '0',
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci
1 row in set (0.01 sec)
测试对应的 SQL 语句如下：
INSERT INTO sbtest1 VALUES(?, ?),(?, ?),(?, ?),(?, ?)...
oltp_delete
删除测试。
# sysbench oltp_delete --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=64 --time=60 --report-interval=10 run
基于主键进行删除。测试对应的 SQL 语句如下：
DELETE FROM sbtest1 WHERE id=?
oltp_insert
插入测试。
# sysbench oltp_insert --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=64 --time=60 --report-interval=10 run
测试对应的 SQL 语句如下：
INSERT INTO sbtest1 (id, k, c, pad) VALUES (?, ?, ?, ?)
oltp_point_select
基于主键进行查询。
# sysbench oltp_point_select --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=64 --time=60 --report-interval=10 run
测试对应的 SQL 语句如下：
SELECT c FROM sbtest1 WHERE id=?
oltp_read_only
只读测试。
# sysbench oltp_read_only --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=64 --time=60 --report-interval=10 run
测试对应的 SQL 语句如下：
SELECT c FROM sbtest1 WHERE id=? # 默认会执行 10 次，由 --point_selects 选项控制。
SELECT c FROM sbtest1 WHERE id BETWEEN ? AND ?
SELECT SUM(k) FROM sbtest1 WHERE id BETWEEN ? AND ?
SELECT c FROM sbtest1 WHERE id BETWEEN ? AND ? ORDER BY c
SELECT DISTINCT c FROM sbtest1 WHERE id BETWEEN ? AND ? ORDER BY c
oltp_read_write
读写测试。
测试对应的 SQL 语句如下：
SELECT c FROM sbtest1 WHERE id=? # 默认会执行 10 次，由 --point_selects 选项控制。
SELECT c FROM sbtest1 WHERE id BETWEEN ? AND ?
SELECT SUM(k) FROM sbtest1 WHERE id BETWEEN ? AND ?
SELECT c FROM sbtest1 WHERE id BETWEEN ? AND ? ORDER BY c
SELECT DISTINCT c FROM sbtest1 WHERE id BETWEEN ? AND ? ORDER BY c
UPDATE sbtest1 SET k=k+1 WHERE id=?
UPDATE sbtest1 SET c=? WHERE id=?
DELETE FROM sbtest1 WHERE id=?
INSERT INTO sbtest1 (id, k, c, pad) VALUES (?, ?, ?, ?)
oltp_update_index
基于主键进行更新，更新的是索引字段。
# sysbench oltp_update_index --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=64 --time=60 --report-interval=10 run
测试对应的 SQL 语句如下：
UPDATE sbtest1 SET k=k+1 WHERE id=?
oltp_update_non_index
基于主键进行更新，更新的是非索引字段。
# sysbench oltp_update_non_index --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=64 --time=60 --report-interval=10 run
测试对应的 SQL 语句如下：
UPDATE sbtest1 SET c=? WHERE id=?
oltp_write_only
只写测试。
# sysbench oltp_write_only --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=64 --time=60 --report-interval=10 run
测试对应的 SQL 语句如下：
UPDATE sbtest1 SET k=k+1 WHERE id=?
UPDATE sbtest1 SET c=? WHERE id=?
DELETE FROM sbtest1 WHERE id=?
INSERT INTO sbtest1 (id, k, c, pad) VALUES (?, ?, ?, ?)
select_random_points
基于索引进行随机查询。
# sysbench select_random_points --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=64 --time=60 --report-interval=10 run
测试对应的 SQL 语句如下：
SELECT id, k, c, pad
FROM sbtest1
WHERE k IN (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
select_random_ranges
基于索引进行随机范围查询。
# sysbench select_random_ranges --mysql-host=10.0.0.64 --mysql-port=3306 --mysql-user=admin --mysql-password=Py@123456 --mysql-db=sbtest --tables=30 --table-size=1000000 --threads=64 --time=60 --report-interval=10 run
测试对应的 SQL 语句如下：
SELECT count(k)
FROM sbtest1
WHERE k BETWEEN ? AND ? OR k BETWEEN ? AND ? OR k BETWEEN ? AND ? OR k BETWEEN ? AND ? OR k BETWEEN ? AND ? OR k BETWEEN ? AND ? OR k BETWEEN ? AND ? OR k BETWEEN ? AND ? OR k BETWEEN ? AND ? OR k BETWEEN ? AND ?
如何自定义 sysbench 测试脚本
下面通过 bulk_insert.lua 和 oltp_point_select.lua 这两个脚本分析下 sysbench 测试脚本的实现逻辑。
首先看看 bulk_insert.lua。
# cat bulk_insert.lua
#!/usr/bin/env sysbench
cursize=0
function thread_init()
drv = sysbench.sql.driver()
con = drv:connect()
end
function prepare()
local i
local drv = sysbench.sql.driver()
local con = drv:connect()
for i = 1, sysbench.opt.threads do
print("Creating table 'sbtest" .. i .. "'...")
con:query(string.format([[
CREATE TABLE IF NOT EXISTS sbtest%d (
id INTEGER NOT NULL,
k INTEGER DEFAULT '0' NOT NULL,
PRIMARY KEY (id))]], i))
end
end
function event()
if (cursize == 0) then
con:bulk_insert_init("INSERT INTO sbtest" .. thread_id+1 .. " VALUES")
end
cursize = cursize + 1
con:bulk_insert_next("(" .. cursize .. "," .. cursize .. ")")
end
function thread_done(thread_9d)
con:bulk_insert_done()
con:disconnect()
end
function cleanup()
local i
local drv = sysbench.sql.driver()
local con = drv:connect()
for i = 1, sysbench.opt.threads do
print("Dropping table 'sbtest" .. i .. "'...")
con:query("DROP TABLE IF EXISTS sbtest" .. i )
end
end
下面，我们看看这几个函数的具体作用：
- thread_init()：线程初始化时调用。这个函数常用来创建数据库连接。
- prepare()：指定 prepare 时调用。这个函数常用来创建测试表，生成测试数据。
- event()：指定 run 时调用。这个函数会定义需要测试的 SQL 语句。
- thread_done()：线程退出时调用。这个函数常用来关闭 Prepared Statements 和数据库连接。
- cleanup()：指定 cleanup 时调用。这个函数常用来删除测试表。
如果我们要自定义测试脚本，只需实现这几个函数即可。
如果我们要基于 sbtest 表自定义测试项，就要分析 oltp*.lua 脚本的实现逻辑。
下面，以 oltp_point_select.lua 脚本为例。
#!/usr/bin/env sysbench
...
require("oltp_common")
function prepare_statements()
-- point_selects 是 oltp_point_select 中支持的选项，默认为 10，这里调整为了 1。
sysbench.opt.point_selects=1
prepare_point_selects()
end
function event()
execute_point_selects()
end
与 bulk_insert.lua 不一样的是，oltp_point_select.lua 只简单的定义了两个函数：prepare_statements()和event()。实际上，不仅仅是 oltp_point_select.lua，其它 oltp*.lua 脚本也只定义了这两个函数。
虽然只定义了这两个函数，但脚本导入了 oltp_common 模块，所以实际上，脚本中的 prepare_point_selects()，execute_point_selects() 以及 bulk_insert.lua 中的 thread_init()，prepare()，thread_done()，cleanup() 都是在oltp_common.lua这个公共模块中定义的。
接下来，我们看看 prepare_point_selects() 和 execute_point_selects() 这两个函数的实现逻辑。
首先看看prepare_point_selects()。
它调用的是prepare_for_each_table()。prepare_for_each_table()是一个基础函数。所有prepare 相关的函数都会调用prepare_for_each_table()， 只不过不同的 prepare 函数会传入不同的参数名。
prepare_for_each_table()会填充两张表（Lua 中的表既可用来表示数组，也可用来表示集合）：stmt 和 param。其中，stmt 用来存储 Prepared Statements 语句，param 用来存储 Prepared Statements 语句相关的参数类型。
填充完毕后，最后再通过 bind_param 函数将两者绑定在一起。
可以看到，无论是 Prepared Statements 语句还是相关的参数类型，都是在 stmt_defs 定义的。
function prepare_point_selects()
prepare_for_each_table("point_selects")
end
function prepare_for_each_table(key)
for t = 1, sysbench.opt.tables do
-- t 是表的序号，key 是测试项的名字
stmt[t][key] = con:prepare(string.format(stmt_defs[key][1], t))
local nparam = #stmt_defs[key] - 1
if nparam > 0 then
param[t][key] = {}
end
for p = 1, nparam do
local btype = stmt_defs[key][p+1]
local len
if type(btype) == "table" then
len = btype[2]
btype = btype[1]
end
if btype == sysbench.sql.type.VARCHAR or
btype == sysbench.sql.type.CHAR then
param[t][key][p] = stmt[t][key]:bind_create(btype, len)
else
param[t][key][p] = stmt[t][key]:bind_create(btype)
end
end
if nparam > 0 then
stmt[t][key]:bind_param(unpack(param[t][key]))
end
end
end
接下来，我们看看 stmt_defs 的内容。
local stmt_defs = {
point_selects = {
"SELECT c FROM sbtest%u WHERE id=?",
t.INT},
simple_ranges = {
"SELECT c FROM sbtest%u WHERE id BETWEEN ? AND ?",
t.INT, t.INT},
sum_ranges = {
"SELECT SUM(k) FROM sbtest%u WHERE id BETWEEN ? AND ?",
t.INT, t.INT},
order_ranges = {
"SELECT c FROM sbtest%u WHERE id BETWEEN ? AND ? ORDER BY c",
t.INT, t.INT},
distinct_ranges = {
"SELECT DISTINCT c FROM sbtest%u WHERE id BETWEEN ? AND ? ORDER BY c",
t.INT, t.INT},
index_updates = {
"UPDATE sbtest%u SET k=k+1 WHERE id=?",
t.INT},
non_index_updates = {
"UPDATE sbtest%u SET c=? WHERE id=?",
{t.CHAR, 120}, t.INT},
deletes = {
"DELETE FROM sbtest%u WHERE id=?",
t.INT},
inserts = {
"INSERT INTO sbtest%u (id, k, c, pad) VALUES (?, ?, ?, ?)",
t.INT, t.INT, {t.CHAR, 120}, {t.CHAR, 60}},
}
可以看到，stmt_defs 是一张表，里面定义了不同测试项对应的 Prepared Statements 语句和参数类型。
具体到 point_selects 这个测试项，它对应的 Prepared Statements 语句是SELECT c FROM sbtest%u WHERE id=?，对应的参数类型是t.INT。
梳理完 prepare_point_selects() 函数的实现逻辑。最后我们看看execute_point_selects()函数的实现逻辑。
function execute_point_selects()
local tnum = get_table_num()
local i
-- point_selects 对应命令行中的 --point_selects 选项，默认为 10。
for i = 1, sysbench.opt.point_selects do
param[tnum].point_selects[1]:set(get_id())
stmt[tnum].point_selects:execute()
end
end
逻辑也非常简单，先赋值，最后执行。
所以如果我们要基于 sbtest 表自定义测试项，最关键的一步其实就是在 stmt_defs 中定义 Prepared Statements 语句和相关的参数类型。至于 prepare_xxx 和 execute_xxx 函数，实现起来都非常简单。
总结
1. 基准测试一般会关注三个指标：TPS/QPS、响应耗时和并发量。
2. 只有进行全链路压测，我们才知道系统的瓶颈在哪里。不能想当然的以为，数据库不容易横向扩展，系统瓶颈就一定会出在数据库层。事实上，很多系统在设计之初就引入了缓存，而缓存会分担很大一部分读流量，这种架构下的数据库压力其实并不大。
3. 不能简单的将 sysbench 的测试结果（TPS/QPS） 作为业务系统的吞吐量指标，因为两者的业务模型并不一致。
4. 如果要自定义测试脚本，实现的方式有两种：
- 自己实现测试相关的所有函数，具体实现细节可参考 bulk_insert.lua。
- 基于 sbtest 表自定义测试项。实现过程中最关键的一步是在 stmt_defs 中定义 Prepared Statements 语句和相关的参数类型。
