Prestatiebenchmarks
Laatst bijgewerkt: 14-10-2026QV2QS-batchconversie schaalt over meerdere CPU-kernen. De onderstaande benchmarks meten de end-to-end prestaties voor verschillende aantallen workers op een vaste dataset.
Testomgeving
De benchmarkdataset bevat 28 QlikView-applicaties met 234 werkbladen en 5.377 objecten. Alle PRJ-mappen werden vooraf gegenereerd vóór de benchmarkruns. Elke run implementeerde alle 28 apps naar Qlik Cloud met opnieuw laden en automatisch binair laden ingeschakeld.
De testmachine heeft 12 logische CPU-kernen. QV2QS gebruikt een procespool voor lokale conversie (echt CPU-parallellisme) en een threadpool voor cloud-implementatie (I/O-gebonden).
End-to-end resultaten
Elke kolom is een aantal workers. De rijen geven een uitsplitsing van de twee opeenvolgende fasen — lokale conversie en cloud-implementatie — die samen het end-to-end-totaal vormen.
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
- Verstreken — Kloktijd voor lokale conversie: parseren van PRJ XML, doorlopen van de objectgraaf en genereren van QS JSON.
- CPU-tijd — Cumulatieve CPU-tijd verbruikt door alle workerprocessen tijdens de conversie. De CPU-tijd neemt toe met het aantal workers, omdat elk extra proces scheduling- en geheugenoverhead toevoegt.
- Cloud — Kloktijd voor cloudimplementatie: app-creatie, media-upload, build, opnieuw laden en binair laden.
- Totaal — End-to-end kloktijd (verstreken conversietijd + Cloud).
Schaalgedrag
- Lokale conversie schaalt lineair tot het aantal CPU-kernen. Van 1 naar 10 workers gaan op een 12-core machine verkort de conversietijd met 70%.
- Cloudimplementatie schaalt met het aantal threads omdat het werk I/O-gebonden is (netwerkverzoeken naar de Qlik Cloud API). De cloudfase daalt van 19 minuten bij 1 worker naar 3 minuten bij 10 workers.
- Boven het aantal CPU-cores zorgen extra workers voor overhead door processcheduling zonder noemenswaardige verbetering. De runs met 20 en 30 workers zijn langzamer dan de run met 15 workers.
- De piekdoorvoer treedt op bij ongeveer 15 workers op deze 12-core machine (5,8x versnelling). De standaardwaarde voor automatische detectie van cores min één (11 workers, 5,1x versnelling) ligt binnen 12% van de piek zonder oversubscription-penalty.
- De CPU-tijd neemt gestaag toe met het aantal workers. Bij 11 workers verbruikt de conversie 7m 13s aan cumulatieve CPU-tijd. Bij 30 workers kost hetzelfde werk 10m 18s — een toename van 43% in CPU-kosten zonder verbetering van de doorlooptijd.
De cloudfase omvat een herlaadbewerking met behulp van binair laden voor elke app. Cloudtijden zijn afhankelijk van het gegevensvolume van de app, de herlaadcomplexiteit, de tenantbelasting en de toewijzing van de Qlik Cloud-engine. Grotere applicaties of drukkere tenants zullen langere cloudtijden opleveren dan hier wordt weergegeven.
Gelijktijdigheid van cloudimplementatie
Qlik Cloud hanteert een limiet voor het aantal gelijktijdige herlaadacties per tenant. Wanneer batchimplementatie wordt uitgevoerd met een hoog aantal workers, worden herlaadverzoeken die de tenantlimiet overschrijden aan de serverzijde in de wachtrij geplaatst. De versnelling van de cloudfase vlakt af zodra de limiet voor gelijktijdig herladen is bereikt, ongeacht lokale CPU- en threadbronnen.
Zie voor meer informatie over limieten op tenantniveau Qlik Cloud-resourcelimieten. Voor de volledige specificatie van Qlik Cloud-capaciteitsrichtlijnen, zie Qlik Cloud-specificaties en capaciteitsrichtlijnen.