SSD Nodes Learn Hosting plans →
নির্দেশিকা Matt Connorদ্বারা Matt Connor

VPS benchmark সঠিকভাবে করার নিয়ম ও ফল বোঝা

VPS benchmark-এ আগে yabs.sh, পরে fio, sysbench ও iperf3 চালান। CPU, memory, disk IOPS ও network-এর সংখ্যা কী বোঝায় এবং একবারের run কেন যথেষ্ট নয় জানুন।

Verified Every command ran end-to-end on a fresh Ubuntu 24.04 server, July 30, 2026.

VPS benchmark করার অর্থ

একটি VPS benchmark করতে 4টি বিষয় মাপুন: একটি CPU core কত দ্রুত কাজ করে, মেশিনটির memory bandwidth কত, storage প্রতি সেকেন্ডে কতগুলো ছোট random disk operation সম্পন্ন করে, এবং network link কত throughput সরবরাহ করে। yabs.sh একবার চালালে প্রায় 10 মিনিটে CPU, disk এবং network-এর ফল পাওয়া যায়; memory bandwidth-এর জন্য নিচের আলাদা memory test ব্যবহার করুন। ফলাফল বোঝাই কঠিন অংশ, কারণ একটি VPS অন্য tenant-দের সঙ্গে physical hardware ভাগ করে ব্যবহার করে। তাই একই machine 03:00-এ একটি সংখ্যা এবং 20:00-এ সম্পূর্ণ ভিন্ন একটি সংখ্যা দেখাতে পারে।

এখানে প্রথমে দ্রুত ধারণা পাওয়ার জন্য yabs.sh চালানো হবে, তারপর এর ভেতরে ব্যবহৃত tool-গুলো হাতে চালানো হবে। নিজে চালালে একটি flag পরিবর্তন করে সংখ্যাটি কীভাবে বদলায় তা পর্যবেক্ষণ করতে পারবেন এবং সংখ্যাটি আসলে কী মাপছে তা বুঝতে পারবেন। মেশিন setup শেষ হওয়ার পরে এটি করুন, তার আগে নয়। নতুন VPS-এ প্রথম 10 মিনিটের ধাপগুলো আগে সম্পন্ন করুন, কারণ একটি machine যদি এখনও প্রথম দফার update প্রয়োগ করে, তাহলে hardware-এর সঙ্গে সম্পর্কহীন কারণে তার benchmark ফল খারাপ হবে।

পরিমাপের আগে মেশিনটি বুঝে নিন

প্রতিটি খারাপ benchmark-এর অর্ধেক কারণ হলো এমন একটি মেশিন, যেটি লেখক বুঝে নেননি।

nproc
lscpu | grep -E 'Model name|Hypervisor|Thread'
free -h
df -hT /
uname -r
systemd-detect-virt

Hypervisor vendor: KVM মানে full virtualisation। তাই আপনি নিজের kernel চালান। systemd-detect-virt-এ lxc বা openvz দেখা গেলে তার মানে container virtualisation। এখানে host kernel শেয়ার করা হয়। CPU ও memory limit virtual hardware নয়, cgroup (control group) সেটিংস দ্বারা নির্ধারিত হয়। cgroup v2 সিস্টেমে container-এর cgroup থেকে CPU limit পড়তে পারেন। এই cgroup /sys/fs/cgroup-এ mount করা থাকলে নিচের path প্রযোজ্য।

cat /sys/fs/cgroup/cpu.max

max 100000 মানে এই cgroup-এর নিজস্ব কোনো quota নেই। তবে ancestor cgroup quota নির্ধারণ করতে পারে। 200000 100000 মানে প্রতি 100000 microsecond period-এ আপনি 200000 microsecond CPU ব্যবহার করতে পারবেন। এটি দুই core-এর quota-এর সমান। দুই core quota-সহ 4 vCPU হিসেবে advertised কোনো plan কখনোই চার core-এর মতো score করবে না। Benchmark tool এই সীমাবদ্ধতা শনাক্ত করতে পারে। VoxelBench CPU quota রিপোর্ট করে এবং host অনেক বেশি CPU expose করলেও server কম CPU ব্যবহার করতে পারলে shared বা throttled CPU হিসেবে flag করে।

df -hT / অন্য কারণে গুরুত্বপূর্ণ: Type column। সেখানে overlay লেখা থাকলে আপনি একটি container-এর ভিতরে আছেন। সে ক্ষেত্রে disk result ওই overlay-এর নিচে থাকা storage-এর বৈশিষ্ট্য প্রকাশ করবে। এটি এখনই নোট করুন।

Steal time সার্বক্ষণিক পর্যবেক্ষণ করুন

Steal time হলো সেই সময়ের অংশ, যখন hypervisor আপনার virtual CPU-কে involuntarily অপেক্ষায় রেখেছে এবং schedule করেনি। এটি অনুপলভ্য CPU time শনাক্ত করার একটি কার্যকর সংকেত। তবে ব্যস্ত প্রতিবেশী virtual machine এবং provider-এর CPU quota প্রয়োগের মধ্যে এটি পার্থক্য করতে পারে না।

vmstat 1 10

ডান দিকের st column পড়ুন। দীর্ঘ সময় ধরে steal time থাকা মানে guest-এর জন্য CPU time অনুপলভ্য ছিল। তবে 5%-এর বেশি মান host oversubscribed—এটি প্রমাণ করে না। Provider ইচ্ছাকৃতভাবে CPU quota enforcement-কে steal time হিসেবে প্রকাশ করতে পারে। CPU line-এ top, %st-এর মতো একই figure দেখায়। Benchmark চালানোর সময় দ্বিতীয় SSH session-এ vmstat 1 চালু রাখুন এবং প্রতিটি result-এর পাশে steal figure লিখে রাখুন।

yabs.sh দিয়ে শুরু করুন

yabs.sh (Yet Another Bench Script) একটি shell script। এটি fio, iperf3 এবং Geekbench চালিয়ে একটি সারাংশ দেখায়। এগুলো আগে থেকেই ইনস্টল করা থাকলে scriptটি fio ও iperf3 ব্যবহার করে। ইনস্টল করা না থাকলে এটি static binary download করে। VPS benchmark নিয়ে আলোচনায় এটি প্রচলিত একটি সাধারণ মানদণ্ড। তাই অন্য কারও সঙ্গে ফলাফল তুলনা করার দ্রুততম উপায় হলো yabs-এর output শেয়ার করা।

প্রকল্পটির নিজস্ব one-line পদ্ধতিটি হলো:

curl -sL yabs.sh | bash

এটি URL থেকে বর্তমানে যা পরিবেশিত হচ্ছে, তা সরাসরি shell-এ পাঠায়। আগে এটি download করে পড়ুন। তারপর চালান।

curl -sLo yabs.sh https://raw.githubusercontent.com/masonr/yet-another-bench-script/master/yabs.sh
less yabs.sh
bash yabs.sh

pipe ব্যবহার করলে -s ---এর পরে flag দিন। স্থানীয় copy চালালে filename-এর সরাসরি পরে flag দিন। দরকারি flag-গুলো হলো: -f disk test বাদ দেয়, -i network test বাদ দেয়, -g Geekbench বাদ দেয়, -r iperf3-এর location তিনটিতে সীমিত করে, -j ফলাফল JSON হিসেবে দেখায়, এবং -w results.json সেই JSON একটি file-এ লেখে।

bash yabs.sh -r -w yabs-run1.json

প্রথমবার চালানোর আগে দুটি বিষয় জানা দরকার। Geekbench আপনার ফলাফল upload করে এবং একটি public browser.geekbench.com URL দেখায়। তাই যার কাছে ওই link আছে, সে আপনার CPU model ও score দেখতে পারে। -g ব্যবহার করলে এই test সম্পূর্ণ বাদ যায়। দ্বিতীয়ত, iperf3 stage বিভিন্ন region-এর server-এ প্রকৃত network traffic পাঠায়। এই traffic আপনার মাসিক bandwidth allowance থেকে গণনা হয়। 1 Gbit/s link-এ একটি পূর্ণ network stage কয়েক দশ gigabyte traffic পাঠাতে পারে। তাই allowance কম হলে -r ব্যবহার করুন। Metered link হলে -i ব্যবহার করুন।

yabs output-এর প্রতিটি অংশের অর্থ

ডিস্ক অংশটি 4k, 64k, 512k এবং 1m—এই 4টি block size-এ 50/50 read ও write মিশ্রণ ব্যবহার করে fio চালায়। প্রতিটির জন্য IOPS (input/output operations per second) এবং bandwidth দেখানো হয়। Database, mail server বা অনেক ছোট write করা যেকোনো কাজের ক্ষেত্রে 4k row-টি গুরুত্বপূর্ণ। কারণ বেশিরভাগ server IO ছোট এবং বিচ্ছিন্ন হয়। Backup ও video-এর ক্ষেত্রে 1m row-টি প্রাসঙ্গিক। এসব কাজে ধারাবাহিকভাবে দীর্ঘ byte stream স্থানান্তর করা হয়।

Network অংশটি বিভিন্ন region-এর public server-এর বিরুদ্ধে উভয় দিকেই parallel stream ব্যবহার করে iperf3 চালায়। এখানে কম ফলাফলকে চূড়ান্ত উত্তর হিসেবে নয়, বরং একটি প্রশ্ন হিসেবে বিবেচনা করুন। Public iperf3 server ভাগাভাগি করে ব্যবহার করা হয় এবং এগুলো প্রায়ই saturated থাকে। তাই খারাপ ফলাফলের কারণ দূরের প্রান্তেও থাকতে পারে।

Geekbench অংশে single core score এবং multi core score দেখানো হয়। Single core score থেকে বোঝা যায় একটি request, একটি compile বা একটি query কত দ্রুত শেষ হবে। Multi core score মূলত দেখায় আপনি বাস্তবে কতটি core পেয়েছেন।

Disk: নিজে fio চালান

fio (flexible IO tester) হলো yabs-এর disk section-এর অন্তর্নিহিত tool। সরাসরি এটি চালালেই flag-গুলোর অর্থ স্পষ্ট হয়।

sudo apt update && sudo apt install -y fio sysbench iperf3

আপনার প্রয়োজনীয় filesystem-এ queue depth 32 রেখে 4k random read test চালানোর কমান্ড:

fio --name=randread4k --filename=./fio-testfile --size=2G --bs=4k \
  --rw=randread --ioengine=libaio --iodepth=32 --direct=1 \
  --runtime=60 --time_based --group_reporting

Output থেকে পড়ার মতো summary line দেখতে এমন হবে।

read: IOPS=184k, BW=719MiB/s (754MB/s)(42.1GiB/60001msec)

এর নিচে fio একটি clat percentiles block দেখায়। 99.00th percentile-টি উল্লেখ করার মতো মান, কারণ এটি 100টি request-এর মধ্যে সবচেয়ে ধীর 1টি request কতক্ষণ অপেক্ষা করেছে তা দেখায়। গড় latency ব্যবহারকারীর চোখে পড়া stall-গুলো আড়াল করে।

  • --direct=1 দিয়ে file-টি O_DIRECT ব্যবহার করে open হয়। ফলে read kernel page cache এড়িয়ে চলে। এটি না দিলে 8G RAM-সমৃদ্ধ কোনো মেশিনে 2G file-এর দ্বিতীয় pass memory থেকে পরিবেশিত হয়, এবং fio millions-এ IOPS দেখায়। সংখ্যাটি বাস্তব, তবে এটি memory-এর পরিমাপ।
  • --ioengine=libaio asynchronous request submit করে। এ কারণেই --iodepth=32 একসঙ্গে 32টি request in flight রাখতে পারে। psync-এর মতো synchronous engine ব্যবহার করলে 1-এর বেশি iodepth কোনো কাজ করে না। তখন একবারে 1টি request পরিমাপ করা হয়।
  • --time_based --runtime=60 নির্দিষ্ট পরিমাণ কাজের বদলে নির্দিষ্ট 60 seconds চালায়। ফলে fast disk এবং slow disk একই wall clock পায় এবং তুলনাটি ন্যায্য থাকে।
  • --size=2G test file-এর size নির্ধারণ করে। এটি path-এর যেকোনো cache-এর চেয়ে বড় রাখুন এবং আগে free space আছে কি না পরীক্ষা করুন।

Random write-এর জন্য --rw=randwrite ব্যবহার করে একই command চালান। এটি আলাদাভাবে চালান, তারপর file-টি delete করুন।

fio --name=randwrite4k --filename=./fio-testfile --size=2G --bs=4k \
  --rw=randwrite --ioengine=libaio --iodepth=32 --direct=1 \
  --runtime=60 --time_based --group_reporting
rm -f ./fio-testfile

বাস্তব network traffic-এর কাছাকাছি mix-এর জন্য --rw=randrw --rwmixread=70 ব্যবহার করুন। আপনি কোন class-এর storage ব্যবহার করছেন, তা যেকোনো flag-এর তুলনায় এই ফলাফল বেশি পরিবর্তন করে। এই পার্থক্যটি VPS-এ NVMe এবং SATA SSD storage-এর পার্থক্য-এ ব্যাখ্যা করা হয়েছে।

fio Unknown error -1 দিয়ে থেমে গেলে

প্রতিটি filesystem-এ direct IO পাওয়া যায় না। তাই --direct=1 সেট থাকা অবস্থায় fio যদি প্রথম request-এই ব্যর্থ হয়, প্রথমে direct IO বাদ দেওয়া উচিত। ব্যর্থতাটি এমন দেখাতে পারে:

fio: io_u error on file ./fio-testfile: Unknown error -1: read offset=0, buflen=4096
fio: pid=1234, err=-1/file:ioengines.c:321, func=get_events, error=Unknown error -1

প্রথমে df -hT . চালান। overlay-এর একটি Type, যা Docker ডিফল্টভাবে container-কে দেয়, নিজে কারণ নয়। overlayfs O_DIRECT-কে নিচের filesystem-এ পাঠিয়ে দেয় এবং কেবল তখনই তা প্রত্যাখ্যান করে, যখন সেই filesystem direct IO সমর্থন করে না। তাই ext4 বা xfs-এর ওপর থাকা overlay-তে --direct=1 --ioengine=libaio কাজ করে। পরীক্ষার file যে filesystem-এ আছে, সেটি সত্যিই direct IO সমর্থন না করলে fio সাধারণত file খোলার সময়ই তা জানায়: fio: looks like your file system does not support direct=1/buffered=0। সে ক্ষেত্রে --filename-কে bind mounted volume-এর মতো প্রকৃত local storage-এর কোনো path-এ নির্দেশ করুন, অথবা container-এর বদলে host-এ fio চালান। প্রকৃত storage ব্যবহার করা সম্ভব না হলে buffered synchronous run অন্তত প্রমাণ করে যে command নিজেই সঠিক।

fio --name=randread4k-buffered --filename=./fio-testfile --size=256M --bs=4k \
  --rw=randread --ioengine=psync --direct=0 --numjobs=1 \
  --runtime=15 --time_based --group_reporting
rm -f ./fio-testfile

এই run কী প্রমাণ করে, সে বিষয়ে সঠিক থাকুন। প্রথম pass-এর পরে 256M file page cache-এ থাকে। তাই IOPS-এর মানটি আপনার RAM-এর কর্মক্ষমতা নির্দেশ করে। এটি fio ইনস্টল করা আছে এবং flags parse হচ্ছে কি না নিশ্চিত করতে ব্যবহার করুন। এটিকে কখনো disk-এর ফলাফল হিসেবে উল্লেখ করবেন না।

কেন dd একটি disk benchmark নয়

VPS সংক্রান্ত অনেক thread-এ dd দেখা যায়, এবং এটি একটি নির্দিষ্ট প্রশ্নের উত্তর দেয়।

dd if=/dev/zero of=./ddtest bs=1M count=1024 oflag=direct conv=fdatasync
rm -f ./ddtest

এটি একটি thread এবং একসঙ্গে কার্যকর একটি request ব্যবহার করে sequential write throughput মাপে। সাধারণ sanity check হিসেবে এটি যথেষ্ট কার্যকর। এটি random IO সম্পর্কে কিছু বলে না। একই সময়ে 32টি request এলে কী ঘটে, সে সম্পর্কেও কিছু বলে না। oflag=direct বাদ দিলে write page cache-এর মধ্য দিয়ে যায়, কিন্তু conv=fdatasync command শেষ হওয়ার আগে output data storage-এ লিখে দিতে বাধ্য করে। সেটিও বাদ দিলে ফলাফল মূলত kernel কত দ্রুত memory-তে write গ্রহণ করে, তা মাপতে পারে। তাই forum post-এ উল্লেখ করা dd-এর পরিসংখ্যান প্রায়ই অবাস্তব হয়।

CPU: sysbench cpu

sysbench cpu --cpu-max-prime=20000 --threads=1 run
sysbench cpu --cpu-max-prime=20000 --threads=$(nproc) run

মনে রাখার মতো সংখ্যা হলো events per second। প্রথমে single threaded পরীক্ষা চালান। একটি PHP request কত দ্রুত শেষ হয় বা একটি compile job কত দ্রুত সম্পন্ন হয়, সেই সময় এই সংখ্যাই নির্ধারণ করে। একই দামের host-গুলোর মধ্যে এই সংখ্যাতেই সাধারণত সবচেয়ে বেশি পার্থক্য দেখা যায়। এরপর সব thread ব্যবহার করে পরীক্ষা চালান। এতে বরাদ্দ করা vCPU-গুলোর মধ্যে throughput কীভাবে বাড়ে, তা দেখা যায়।

এই পরীক্ষায় কী মাপা হয়, তা স্পষ্টভাবে বুঝুন: sysbench cpu trial division পদ্ধতিতে বারবার prime number খুঁজে। প্রতিটি candidate-এর জন্য এটি double precision square root নির্ণয় করে। এরপর ওই floating point limit-এর সঙ্গে প্রতিটি divisor তুলনা করে 64 bit integer modulo ব্যবহার করে divisor পরীক্ষা করে। তাই এতে integer এবং floating point—দুই ধরনের কাজই থাকে। এটি memory bandwidth, vector unit বা cache এমনভাবে ব্যবহার করে না, যা বাস্তব workload-এর সঙ্গে সামঞ্জস্যপূর্ণ। তাই দুটি host-এর তুলনামূলক ranking-এর জন্য এটি উপযোগী। কিন্তু আপনার application কীভাবে চলবে, তা পূর্বানুমান করার জন্য এটি নির্ভরযোগ্য নয়।

Ubuntu 24.04-এ sysbench 1.0.20 সরবরাহ করা হয়, যেখানে test name প্রথমে দিতে হয়। পুরোনো কোনো post থেকে --test=cpu-সহ একটি command কপি করলে আপনি WARNING: the --test option is deprecated পাবেন। sysbench 0.4 এবং sysbench 1.0-এর score কোনোভাবেই তুলনাযোগ্য নয়। তাই version উল্লেখ করা নেই—এমন published number-এর সঙ্গে নিজের ফল কখনো তুলনা করবেন না।

Memory: sysbench memory

sysbench memory --memory-block-size=1M --memory-total-size=20G --memory-oper=write --threads=1 run
sysbench memory --memory-block-size=1M --memory-total-size=20G --memory-oper=read --threads=1 run

ফলাফলটি MiB/sec এককে দেওয়া হয়। --memory-block-size-এর মান 1M রাখুন এবং যে host-গুলোর তুলনা করছেন, সেগুলোর প্রতিটিতে এটি একই রাখুন। 1K-এ সংখ্যাটি অনেক কমে যায়, কারণ প্রতি operation-এর overhead আপনাকে এক হাজার গুণ বেশি বার বহন করতে হয়। ফলে আপনি memory bandwidth-এর বদলে loop cost মাপেন। প্রকাশিত memory score-গুলোর মধ্যে এটিই সবচেয়ে বেশি অমিল দেখা যায় এমন flag।

Network: iperf3

Throughput সঠিকভাবে পরীক্ষা করতে আপনার নিয়ন্ত্রণাধীন দ্বিতীয় একটি মেশিনের বিপরীতে পরীক্ষা চালান। এতে দুই প্রান্তে কী ঘটছে, তা আপনি নিশ্চিতভাবে জানতে পারবেন।

দূরের প্রান্তে:

iperf3 -s

এটি TCP 5201-এ listen করে। যে address থেকে পরীক্ষা চালাবেন, শুধু সেই address-এর জন্য port-টি খুলুন। পরীক্ষা শেষ হলে port-টি বন্ধ করুন। সিনট্যাক্সের জন্য VPS-এ প্রাথমিক ufw firewall rule দেখুন।

পরীক্ষাধীন VPS থেকে:

iperf3 -c 203.0.113.10 -t 30
iperf3 -c 203.0.113.10 -t 30 -R
iperf3 -c 203.0.113.10 -t 30 -P 8

প্রথম command-টি পরীক্ষাধীন মেশিন থেকে upload মাপে। -R দিকটি উল্টে দেয়, ফলে download মাপা হয়। -P 8 আটটি parallel stream খোলে।

single stream এবং parallel version—দুটিই চালান। কারণ এগুলো ভিন্ন প্রশ্নের উত্তর দেয়। একটি TCP connection তার window যত unacknowledged data অনুমতি দেয়, ততটুকুই ধরে রাখতে পারে। তাই এর সর্বোচ্চ throughput আনুমানিকভাবে window size-কে round-trip time দিয়ে ভাগ করলে যত হয়, তত। 80 ms latency এবং 4 MB window হলে এই সীমা প্রায় 400 Mbit/s। নিচের link যত দ্রুতই হোক, সীমাটি বদলাবে না। single stream-এর ফলাফল দেখায় একটি download কী throughput পাবে। parallel ফলাফল link-এর মোট capacity দেখায়।

এই পরীক্ষা চালানোর সময় bandwidth allowance-এর ওপর নজর রাখুন। 1 Gbit/s গতিতে 30 seconds-এ প্রায় 3.75 GB data স্থানান্তর হয়। প্রতিটি direction-এ আপনাকে এটি কয়েকবার চালাতে হবে।

রেফারেন্স ফলাফল এবং আপনার ফলাফল কীভাবে পড়বেন

চার্টTypical published 4k random read IOPS by storage class
এই চার্টের পেছনের ডেটা
[
  {
    "device": "Local NVMe",
    "iops_4k_read": "180,000"
  },
  {
    "device": "Local SATA SSD",
    "iops_4k_read": "90,000"
  },
  {
    "device": "Network block",
    "iops_4k_read": "12,000"
  },
  {
    "device": "Spinning disk",
    "iops_4k_read": "180"
  }
]

প্রকাশিত ফলাফলে একটি local NVMe volume সাধারণত প্রায় 180,000 4k random read IOPS দেয়। একটি local SATA SSD-এর ফল প্রায় 90,000। Network attached block storage-এ প্রতিটি request disk-এ পৌঁছানোর আগে network অতিক্রম করে, তাই এর ফল সাধারণত 12,000-এর কাছাকাছি থাকে। একটি spinning disk প্রায় 180 ফল দেয়, কারণ প্রতিটি random request-এর জন্য এটিকে physical head সরাতে হয়।

এগুলো প্রতিটি storage class-এর সাধারণ প্রকাশিত ফলাফল। এগুলো কোনো একটি host থেকে নেওয়া measurement নয়। এগুলো একটি উদ্দেশ্যেই ব্যবহার করুন: আপনার নিজের ফলাফল সঠিক মাত্রার কাছাকাছি আছে কি না যাচাই করতে। NVMe হিসেবে বিক্রি করা কোনো plan-এ 4k IOPS যদি কয়েক হাজারের নিচে থাকে, প্রথমে নিশ্চিত করুন যে --direct=1 চালু ছিল। চালু থাকলে plan-এর IOPS limit ও burst credit-এর পাশাপাশি storage contention এবং ঘোষিত hardware পরীক্ষা করুন।

কেন একটি রান benchmark নয়

একটি ফলাফল shared machine-এ এক মিনিটের একটি snapshot। এটিকে একটি sample হিসেবে বিবেচনা করুন।

  • প্রতিটি test অন্তত পাঁচবার চালান। ভিন্ন hours এবং অন্তত দুই ভিন্ন দিনে test-গুলো ছড়িয়ে চালান। median এবং spread সংরক্ষণ করুন। spread ছাড়া প্রকাশিত ফলাফল marketing figure।
  • প্রতিটি run-এর পাশে steal time record করুন। st বেশি থাকা run-গুলো সংরক্ষণ করুন এবং পরীক্ষা করুন সেগুলো contention নাকি plan-এর CPU quota প্রতিফলিত করছে। এগুলো বাদ দিলে আপনি বাস্তবে যে performance পান তা আড়ালে থাকতে পারে।
  • disk test দুইটি duration-এ চালান। অনেক plan সময়ের সঙ্গে refill হওয়া burst IOPS allowance দেয়। তবে 60 second-এর fio run বা --runtime=600 কোনোটিই নিশ্চিত করে না যে আপনি floor মেপেছেন। AWS gp2 full balance থেকে অন্তত 30 minutes পর্যন্ত 3,000 IOPS বজায় রাখতে পারে। তাই উভয় run-ই burst performance মাপতে পারে। কোনো ফলাফলকে sustained performance বলার আগে provider-এর credit model পরীক্ষা করুন এবং credit balance monitor করুন।
  • অন্য কিছু চলছে না তা পরীক্ষা করুন। unattended-upgrades CPU test-এর মাঝখানে apt transaction শুরু হলে আপনার প্রকৃত score কমে যায়, এবং প্রতিটি run-এর আগে ps -e -o comm= | grep -E 'apt|dpkg' চালাতে এক second সময় লাগে।
  • একবারে একটি variable পরিবর্তন করুন। ভিন্ন tool version, block size বা thread count এমন number তৈরি করে যেগুলো তুলনা করা যায় না, দেখতে যতই একই রকম হোক।

দুই provider তুলনা করার সময় একই দিনের একই hour-এ test চালান। অন্যথায় আপনি দিনের সময় মেপেছেন।

নিজের workload শেষে benchmark করুন

Synthetic tool মেশিনগুলোর ranking তৈরি করে। কোনো মেশিন যথেষ্ট কি না, তা একমাত্র আপনার নিজের workload-ই জানায়। আপনি যে কাজটি বাস্তবে করেন, সেটির সময় মাপুন।

time tar -czf /tmp/bench.tgz /usr/share
rm -f /tmp/bench.tgz

এটি কয়েকশো megabyte compress করে। তাই CPU এবং disk একসঙ্গে ব্যবহৃত হয়, এবং যেকোনো একটির পরিবর্তন হলে ফলও বদলে যায়। Removing leading / from member names warning স্বাভাবিক। আরও ভালো হয় নিজের build, নিজের ধীরতম query বা নিজের page render-এর সময় মাপলে। একটি host-এ build শেষ হতে 4 মিনিট এবং অন্যটিতে 7 মিনিট লাগলে, Geekbench যা-ই বলুক, প্রশ্নটির উত্তর পাওয়া গেছে। কখন আরও শক্তিশালী মেশিনের জন্য অর্থ দেওয়া আর সার্থক নয়, এই measurement সেটিও জানায়। একটি VPS-এর মাসিক প্রকৃত খরচ পড়ার আগে বা workload-টি একটি dedicated server-এ সরানোর আগে এটি জানা উপকারী।

FAQ

প্রতিবার চালালে benchmark-এর ফল ভিন্ন হয় কেন?

একটি VPS অন্য tenant-দের সঙ্গে physical CPU, storage এবং network ভাগ করে ব্যবহার করে। তাই সেই মুহূর্তে তারা কী করছে, তার ওপর আপনার ফল নির্ভর করে। পরীক্ষার সময় vmstat 1 চালান এবং st column পড়ুন। Sustained steal time অনুপলব্ধ CPU time দেখায়। তবে এতে provider আপনার কেনা CPU allocation প্রয়োগ করছে, নাকি host contention হচ্ছে, উভয়ই প্রতিফলিত হতে পারে। 5%-এর বেশি মান cause প্রমাণ করে না। সমাধান tuning নয়, সঠিক পদ্ধতি অনুসরণ করা। প্রতিটি test ভিন্ন সময়ে পাঁচবার বা তার বেশি চালান। এরপর spread-সহ median report করুন।

fio millions of IOPS দেখায় কেন?

প্রায় সব ক্ষেত্রেই কারণ --direct=1 অনুপস্থিত। এটি না থাকলে fio kernel page cache-এর মাধ্যমে পড়ে। ফলে প্রথম pass-এর পর 2G test file RAM থেকে পরিবেশিত হয়, এবং আপনি memory bandwidth মাপেন। --direct=1 যোগ করুন। Test file-টি path-এর যেকোনো cache-এর চেয়ে বড় রাখুন। এরপর --direct=1 ব্যর্থ হলে df -hT . চালান এবং test file-টি কোন storage-এর ওপর আছে তা পরীক্ষা করুন। overlay type নিজে সমস্যা নয়, কারণ overlayfs O_DIRECT নিচের storage-এ pass through করে। কেবল underlying filesystem direct IO প্রত্যাখ্যান করলে test file-টি প্রকৃত local storage-এ সরান।

yabs.sh কি একাই যথেষ্ট?

প্রাথমিক ধারণার জন্য যথেষ্ট। এটি চারটি block size-এ fio চালায়, উভয় দিকে iperf3 চালায় এবং এমন একটি summary দেখায় যা অন্যরা পড়তে পারে। কোনো ফল কেন এমন হয়েছে তা জানতে চাইলে এটি আর যথেষ্ট থাকে না, কারণ প্রতিটি test-এর জন্য এর flag আলাদাভাবে পরিবর্তন করা যায় না। yabs-এর কোনো result অস্বাভাবিক মনে হলে সরাসরি fio বা sysbench দিয়ে তা পুনরায় চালান। একবারে একটি flag পরিবর্তন করুন।

কোন একক সংখ্যা বলে দেয় আমার application কেমন অনুভূত হবে?

বেশিরভাগ web এবং database workload-এর জন্য ক্রমানুসারে single core CPU speed এবং 4k random read latency সবচেয়ে গুরুত্বপূর্ণ। Throughput-এর সংখ্যা আকর্ষণীয় দেখায়, কিন্তু সাধারণত সিদ্ধান্ত নির্ধারণ করে না, কারণ একটি সাধারণ request ছোট হয়। Average-এর পরিবর্তে fio clat percentiles block থেকে 99th percentile উল্লেখ করুন। কারণ প্রতি 100টি request-এর মধ্যে ধীরতম একটি request-ই user টের পান।

Benchmark চালানোর আগে কি কিছু install করতে হবে?

Ubuntu এবং Debian archive-এ fio, sysbench এবং iperf3 রয়েছে: sudo apt install -y fio sysbench iperf3। yabs.sh Bash-এ চলে এবং download-এর জন্য curl বা wget প্রয়োজন। Geekbench extract করার জন্য tar প্রয়োজন। tar না থাকলে এটি Geekbench বাদ দেয়। এগুলো install করা থাকলে এটি fio এবং iperf3 ব্যবহার করে। না থাকলে static binary download করে। কাজ শেষ হলে প্রতিটি test file মুছে ফেলুন। কারণ 20G disk-এ রেখে যাওয়া 2G fio file কয়েক সপ্তাহ পরে disk full alert তৈরি করতে পারে।

এই লেখাটি কি কাজে লেগেছে?

#benchmarks#fio#sysbench#yabs#iperf3#vps-performance