OPCUA驱动性能测试报告
OPCUA驱动性能测试报告
测试目的
在NeuronEX OPC UA驱动连接设备进行大规模数据采集及数据下发场景下，对NeuronEX的资源使用情况进行验证，持续监控包括：CPU，内存，网络IO及数据下发延迟等。
测试架构
测试环境、机器配置及测试工具
Prosys OPC UA Simulation Server：这款软件是Prosys OPC公司开发的一款高级仿真工具，专为OPC UA（OPC Unified Architecture）技术的开发、测试和教育培训而设计。OPC UA是一种开放的、标准化的通信协议，广泛应用于工业自动化和智能制造领域，它支持跨平台、跨语言的数据交换，并提供高度的安全性和可靠性。
部署NeuronEX的Linux机器硬件资源：
NeuronEX版本：3.2.1
操作系统：Debian GNU/Linux 12
CPU：4核
内存：30Gi
CPU型号：Intel(R) Xeon(R) Platinum 8269CY CPU T 3.10GHz
通过Prometheus监控Linux机器上NeuronEX软件的CPU、内存、网络IO等资源的使用情况。
测试场景
数据采集场景
场景一
NeuronEX配置1个OPCUA驱动，该驱动包含10个采集组，每个采集组1秒采集1000个Float类型数据，共计1万数据点位
场景二
NeuronEX配置5个OPCUA驱动，每个驱动包含10个采集组，每个采集组1秒采集1000个Float类型数据，共计5万数据点位
场景三
NeuronEX配置10个OPCUA驱动，每个驱动包含10个采集组，每个采集组1秒采集1000个Float类型数据，共计10万数据点位
场景四
NeuronEX配置1个OPCUA驱动，每个驱动包含1个采集组，每个采集组100毫秒采集1000个Float类型数据，共计1千数据点位
场景五
NeuronEX配置5个OPCUA驱动，每个驱动包含1个采集组，每个采集组100毫秒采集1000个Float类型数据，共计5千数据点位
场景六
NeuronEX配置10个OPCUA驱动，每个驱动包含1个采集组，每个采集组100毫秒采集1000个Float类型数据，共计1万数据点位
数据下发场景
- 场景七
- 在NeuronEX配置10个OPCUA驱动，每个驱动包含10个采集组，每个采集组1秒采集1000个Float类型数据，共计10万数据点位的情况下，下发100个数据点位。
结果概述
数据采集性能测试
场景 | 驱动数量 | 每个驱动group数 | 每个group点位数 | 采集频率 | 总计点位 | 点位类型 | 内存使用 | CPU 使用 | 网络带宽消耗 |
|---|---|---|---|---|---|---|---|---|---|
场景一 | 1个 | 10 | 1000 | 1秒 | 1w | Float | 172MB | 7% | receive：147kb/s transmit：186kb/s |
场景二 | 5个 | 10 | 1000 | 1秒 | 5w | Float | 323MB | 31% | receive：738kb/s transmit：934kb/s |
场景三 | 10个 | 10 | 1000 | 1秒 | 10w | Float | 594MB | 60% | receive：1.49mb/s transmit：1.88mb/s |
场景四 | 1个 | 1 | 1000 | 100ms | 1000 | Float | 140MB | 4% | receive：148kb/s transmit：188kb/s |
场景五 | 5个 | 1 | 1000 | 100ms | 5000 | Float | 162MB | 20% | receive：741kb/s transmit：939kb/s |
场景六 | 10个 | 1 | 1000 | 100ms | 1w | Float | 199MB | 36% | receive：1.49mb/s transmit：1.88mb/s |
数据下发延迟测试
场景 | 下发方式 | 下发点位数 | 测试次数 | 最小响应时间 | 最大响应时间 | 平均响应时间 |
|---|---|---|---|---|---|---|
在NeuronEX配置10个OPCUA驱动，每个驱动包含10个采集组，每个采集组1秒采集1000个Float类型数据，共计10万数据点位在正常采集的情况下。 | API 下发 | 100个 | 100次 | 6ms | 19ms | 12ms |
注意：
- 本测试使用的是模拟器设备，并且采集的数据点位地址均为连续地址段，所以NeuronEX与真实设备进行数据采集时，系统资源使用会高于本测试结果。
- 如使用NeuronEX数据处理功能，进行数据清洗过滤，边缘计算、算法集成，会额外消耗CPU和内存。
具体测试结果
场景一
NeuronEX配置1个OPCUA驱动，该驱动包含10个采集组，每个采集组1秒采集1000个Float类型数据，共计1万数据点位。
- 内存使用：172MB
- CPU使用：7%
- 网络IO带宽使用：receive:147KB/s; transmit:186KB/s
场景二
NeuronEX配置5个OPCUA驱动，每个驱动包含10个采集组，每个采集组1秒采集1000个Float类型数据，共计5万数据点位。
- 内存使用：323MB
- CPU使用：31%
- 网络IO带宽使用：receive: 738KB/s; transmit: 934KB/s
场景三
NeuronEX配置10个OPCUA驱动，每个驱动包含10个采集组，每个采集组1秒采集1000个Float类型数据，共计10万数据点位。
- 内存使用：594MB
- CPU使用：60%
- 网络IO带宽使用：receive: 1.49MB/s; transmit: 1.88MB/s
场景四
NeuronEX配置1个OPCUA驱动，每个驱动包含1个采集组，每个采集组100毫秒采集1000个Float类型数据，共计1千数据点位。
- 内存使用：140MB
- CPU使用：4%
- 网络IO带宽使用：receive: 148KB/s; transmit: 188KB/s
场景五
NeuronEX配置5个OPCUA驱动，每个驱动包含1个采集组，每个采集组100毫秒采集1000个Float类型数据，共计5千数据点位。
- 内存使用：162MB
- CPU使用：20%
- 网络IO带宽使用：receive: 741KB/s; transmit: 939KB/s
场景六
NeuronEX配置10个OPCUA驱动，每个驱动包含1个采集组，每个采集组100毫秒采集1000个Float类型数据，共计1万数据点位。
- 内存使用：199MB
- CPU使用：36%
- 网络IO带宽使用：receive: 1.49MB/s; transmit: 1.88MB/s