Prestandatester
Senast uppdaterad: 2026-10-14QV2QS-batchkonvertering skalar över flera CPU-kärnor. Prestandatesterna nedan mäter end-to-end-prestanda över ett intervall av antal workers på en fast datamängd.
Testmiljö
Benchmarkdatamängden innehåller 28 QlikView-applikationer med 234 ark och 5 377 objekt. Alla PRJ-mappar förgenererades före benchmark-körningarna. Varje körning distribuerade alla 28 appar till Qlik Cloud med omladdning och automatisk binär laddning aktiverade.
Testmaskinen har 12 logiska CPU-kärnor. QV2QS använder en processpool för lokal konvertering (äkta CPU-parallellism) och en trådpool för molndistribution (I/O-bunden).
End-to-end-resultat
Varje kolumn är ett antal arbetare. Raderna delar upp de två sekventiella faserna — lokal konvertering och molndistribution — som utgör totalsumman från början till slut.
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
- Förfluten tid — Klocktid för lokal konvertering: parsning av PRJ XML, traversering av objektgraf och generering av QS JSON.
- CPU-tid — Kumulativ CPU-tid som förbrukats av alla arbetsprocesser under konverteringen. CPU-tiden ökar med antalet workers eftersom varje ytterligare process medför schemaläggnings- och minnesoverhead.
- Moln — Klocktid för molndistribution: appskapande, medieuppladdning, bygge, omladdning och binär laddning.
- Totalt — Faktisk end-to-end-tid (förfluten konverteringstid + moln).
Skalningsbeteende
- Lokal konvertering skalar linjärt upp till antalet processorkärnor. Att gå från 1 till 10 workers på en 12-kärnig maskin minskar konverteringstiden med 70 %.
- Molndistribution skalar med antalet trådar eftersom arbetet är I/O-bundet (nätverksanrop till Qlik Cloud-API:et). Molnfasen minskar från 19 minuter vid 1 worker till 3 minuter vid 10 workers.
- Utöver antalet processorkärnor medför ytterligare workers overhead för processchemaläggning utan någon märkbar förbättring. Körningarna med 20 och 30 arbetare är långsammare än körningen med 15 arbetare.
- Maximal genomströmning uppnås vid cirka 15 workers på denna 12-kärniga maskin (5,8x hastighetsökning). Standardvärdet för automatisk identifiering på kärnor minus ett (11 workers, 5,1x hastighetsökning) ligger inom 12 % av toppvärdet utan prestandaförlust på grund av överteckning.
- CPU-tiden ökar stadigt med antalet workers. Vid 11 workers förbrukar konverteringen 7m 13s kumulativ CPU-tid. Vid 30 workers förbrukar samma arbete 10m 18s — en ökning av CPU-kostnaden med 43 % utan någon förbättring av klocktiden.
Molnfasen omfattar en omladdning med binär laddning för varje app. Molntider beror på appens datavolym, omladdningskomplexitet, klientorganisationens belastning och allokering av Qlik Cloud-motor. Större applikationer eller mer belastade klientorganisationer ger längre molntider än vad som visas här.
Samtidighet för molndistribution
Qlik Cloud tillämpar en gräns för antalet samtidiga omladdningar per klientorganisation. När batchdistribution körs med ett högt antal workers köas omladdningsförfrågningar som överskrider klientorganisationens gräns på serversidan. Hastighetsökningen i molnfasen planar ut när gränsen för samtidiga omladdningar nås, oavsett lokala CPU- och trådresurser.
För information om begränsningar på klientorganisationsnivå, se resursbegränsningar för Qlik Cloud. För den fullständiga specifikationen av kapacitetsbegränsningar för Qlik Cloud, se Qlik Cloud-specifikationer och kapacitetsbegränsningar.