Altoros, konsultan yang fokus pada penelitian dan pengembangan untuk organisasi-organisasi dalam Global 2000, mengumumkan hasil laporan perbandingan berbasis tolok ukur performa terbarunya. Hal itu dilakukan atas permintaan dari perusahaan platform basis data cloud Couchbase.
Studi ini memberikan analisis komparatif kinerja empat basis data cloud NoSQL, yaitu Couchbase CapellaTM, Amazon DynamoDB, MongoDB Atlas, dan Redis Enterprise Cloud. Benchmark tersebut membandingkan jumlah data yang mampu diproses dalam periode waktu tertentu, dan waktu tunggu dari basis data populer ini dalam empat skenario bisnis serta empat konfigurasi klaster yang berbeda.
“Sama seperti pada tahun-tahun sebelumnya, Couchbase Capella membuktikan diri mampu bekerja dengan sangat baik dalam kasus penggunaan yang membutuhkan pembaruan data yang berat maupun penggunaan data secara intensif lainnya, terutama untuk merespons peningkatan kebutuhan dalam skala besar,” kata Ivan Shyrma, Perekayasa Data (Data Engineer) di Altoros. “Basis data tersebut melampaui Amazon DynamoDB, MongoDB Atlas, dan Redis Enterprise Cloud dalam performa, kecepatan, fungsi, dan TCO di sebagian besar beban kerja dan ukuran klaster.”
Agar evaluasi dapat berjalan secara konsisten, maka YCSB (Yahoo! Cloud Serving Benchmark) digunakan sebagai peranti pengukuran. YCSB adalah kerangka kerja standar berbasis sumber terbuka (open source) yang digunakan untuk mengevaluasi kinerja sistem basis data berbasis cloud, yang terdiri dari berbagai pengujian beban kerja.
Deskripsi beban kerja
Beban kerja pertama menyimulasikan penulisan data dengan beban kerja yang berat. Sistem basis data terutama melakukan pembacaan data dengan pembaruan sesekali, yang melibatkan 50% pembacaan dan 50% pembaruan.
Beban kerja kedua membuat skenario di mana sistem basis data terutama melakukan pembacaan data, memberikan kontribusi terhadap kinerja sistem dan kemampuan penyesuaian skala khususnya untuk beban kerja baca yang intensif.
Beban kerja ketiga mewakili kueri jenis paginasi. Sistem basis data dievaluasi tingkat efisiensinya atas kemampuan mengambil subset data dari kumpulan data yang lebih besar, biasanya melalui kombinasi operasi pembacaan data dan pencarian.
Beban kerja keempat menilai performa dan kemampuan penyesuaian skala sistem basis data di bawah beban kerja, yang sebagian besar operasinya adalah pembacaan data (95%) dan porsi pembaruan data yang lebih kecil (5%).
Dalam laporan tersebut, Altoros menetapkan kinerja basis data berdasarkan kecepatannya menangani operasi dasar. Operasi ini dilakukan oleh pelaksana beban kerja, yang menggerakkan beberapa utas klien. Setiap utas menjalankan serangkaian operasi secara berurutan dengan memanfaatkan lapisan antarmuka basis data yang bertanggung jawab untuk memuat basis data dan mengeksekusi beban kerja.
Untuk mempertahankan kendali atas beban yang dikenakan pada basis data, utas mengatur laju permintaan. Selain itu, utas juga mengukur waktu tunggu dan kemampuan memproses sejumlah data dalam periode waktu tertentu, serta mengomunikasikan metrik ini ke modul statistik.
“Mesin queri Couchbase Capella mendukung agregasi, penyaringan, dan operasi lain pada kumpulan data yang besar,” lanjut Shyrma.
“Seiring bertambahnya ukuran klaster dan kumpulan data, Couchbase Capella memastikan tingkat penyesuaian skala yang tinggi di seluruh operasi tersebut. Capella secara keseluruhan bagus dan menunjukkan mampu melakukan semua jenis kueri dengan kinerja yang baik,” sambungnya.
