Leistungsbenchmarks
Letzte Aktualisierung: 14.10.2026Die QV2QS-Batch-Konvertierung skaliert über mehrere CPU-Kerne. Die unten aufgeführten Benchmarks messen die End-to-End-Performance über verschiedene Worker-Anzahlen hinweg auf einem festen Datensatz.
Testumgebung
Der Benchmark-Datensatz enthält 28 QlikView-Anwendungen mit 234 Arbeitsblättern und 5.377 Objekten. Alle PRJ-Ordner wurden vor den Benchmark-Durchläufen vorab generiert. Bei jedem Durchlauf wurden alle 28 Apps in Qlik Cloud bereitgestellt, wobei Neuladen und automatisches Binäres Laden aktiviert waren.
Die Testmaschine verfügt über 12 logische CPU-Kerne. QV2QS verwendet einen Prozesspool für die lokale Konvertierung (echte CPU-Parallelität) und einen Threadpool für die Cloud-Bereitstellung (I/O-gebunden).
End-to-End-Ergebnisse
Jede Spalte entspricht einer Worker-Anzahl. Die Zeilen schlüsseln die beiden aufeinanderfolgenden Phasen — lokale Konvertierung und Cloud-Bereitstellung — auf, die den End-to-End-Gesamtwert ausmachen.
1w 5w 10w ▸ 11w ▸ 15w 20w 25w 30w
────────────────────────────────────────────────────────────────────────
Conversion
Elapsed 4m 28s 1m 30s 1m 22s 1m 15s 1m 06s 1m 11s 1m 11s 1m 13s
CPU time 3m 25s 5m 12s 8m 01s 7m 13s 7m 41s 8m 58s 10m 09s 10m 18s
Cloud 19m 12s 4m 32s 3m 26s 3m 23s 3m 00s 3m 00s 3m 09s 3m 13s
────────────────────────────────────────────────────────────────────────
Total 23m 40s 6m 02s 4m 48s 4m 38s 4m 06s 4m 11s 4m 20s 4m 26s
Speedup 1.0x 3.9x 4.9x 5.1x 5.8x 5.7x 5.5x 5.3x
▸ 11w = Auto-detect default (cores − 1)
▸ 15w = Observed peak
- Verstrichene Zeit — Wall-Clock-Zeit für die lokale Konvertierung: PRJ-XML-Parsing, Objektgraphen-Traversierung und QS-JSON-Generierung.
- CPU-Zeit — Kumulierte CPU-Zeit, die während der Konvertierung über alle Worker-Prozesse hinweg verbraucht wurde. Die CPU-Zeit steigt mit der Anzahl der Worker, da jeder zusätzliche Prozess Scheduling- und Speicher-Overhead verursacht.
- Cloud — Verstrichene Zeit für die Cloud-Bereitstellung: App-Erstellung, Medien-Upload, Build, Neuladen und Binäres Laden.
- Gesamt — End-to-End-Echtzeit (verstrichene Konvertierungszeit + Cloud).
Skalierungsverhalten
- Die lokale Konvertierung skaliert linear bis zur Anzahl der CPU-Kerne. Der Wechsel von 1 auf 10 Worker auf einem 12-Kern-Rechner reduziert die Konvertierungszeit um 70 %.
- Die Cloud-Bereitstellung skaliert mit der Thread-Anzahl, da die Arbeit I/O-gebunden ist (Netzwerkanfragen an die Qlik Cloud-API). Die Cloud-Phase sinkt von 19 Minuten bei 1 Worker auf 3 Minuten bei 10 Workern.
- Über die Anzahl der CPU-Kerne hinaus verursachen zusätzliche Worker Prozess-Scheduling-Overhead ohne nennenswerte Verbesserung. Die Durchläufe mit 20 und 30 Workern sind langsamer als der Durchlauf mit 15 Workern.
- Der maximale Durchsatz wird auf dieser 12-Kern-Maschine bei etwa 15 Workern erreicht (5,8-fache Beschleunigung). Der Standardwert für die automatische Erkennung von Kernen minus eins (11 Worker, 5,1-fache Beschleunigung) liegt innerhalb von 12 % des Spitzenwerts, ohne Leistungseinbußen durch Überbelegung.
- Die CPU-Zeit nimmt mit der Anzahl der Worker stetig zu. Bei 11 Workern verbraucht die Konvertierung 7m 13s kumulierte CPU-Zeit. Bei 30 Workern verbraucht dieselbe Arbeit 10m 18s – ein Anstieg der CPU-Kosten um 43 % ohne Verbesserung der Wall-Clock-Zeit.
Die Cloud-Phase umfasst ein erneutes Laden mittels Binäres Laden für jede App. Cloud-Zeiten hängen vom App-Datenvolumen, der Komplexität des Ladevorgangs, der Mandantenlast und der Zuweisung der Qlik Cloud-Engine ab. Größere Anwendungen oder stärker ausgelastete Mandanten führen zu längeren Cloud-Zeiten als hier dargestellt.
Parallelität von Cloud-Bereitstellungen
Qlik Cloud erzwingt ein Limit für die Anzahl gleichzeitiger Ladevorgänge pro Mandant. Wenn eine Batch-Bereitstellung mit einer hohen Worker-Anzahl ausgeführt wird, werden Neuladeanforderungen, die das Mandantenlimit überschreiten, serverseitig in die Warteschlange eingereiht. Die Beschleunigung der Cloud-Phase erreicht ein Plateau, sobald das Limit für gleichzeitige Neuladevorgänge erreicht ist, unabhängig von lokalen CPU- und Thread-Ressourcen.
Details zu Grenzwerten auf Mandantenebene finden Sie unter Qlik Cloud-Ressourcenlimits. Die vollständige Spezifikation der Kapazitätsgrenzen von Qlik Cloud finden Sie unter Qlik Cloud-Spezifikationen und Kapazitätsgrenzen.