Performans kıyaslamaları
Son güncelleme: 14.10.2026QV2QS toplu dönüştürme işlemi, birden çok CPU çekirdeği genelinde ölçeklenir. Aşağıdaki karşılaştırma testleri, sabit bir veri kümesi üzerinde farklı çalışan sayıları genelinde uçtan uca performansı ölçmektedir.
Test ortamı
Kıyaslama veri kümesi, 234 sayfa ve 5.377 nesneye sahip 28 QlikView uygulaması içerir. Tüm PRJ klasörleri, benchmark çalıştırmalarından önce önceden oluşturuldu. Her çalıştırma, yeniden yükleme ve otomatik ikili yük etkinleştirilmiş olarak 28 uygulamanın tümünü Qlik Cloud'a dağıttı.
Test makinesinde 12 mantıksal CPU çekirdeği bulunmaktadır. QV2QS, yerel dönüştürme için bir işlem havuzu (gerçek CPU paralelliği) ve bulut dağıtımı için bir iş parçacığı havuzu (G/Ç bağımlı) kullanır.
Uçtan uca sonuçlar
Her sütun bir çalışan sayısıdır. Satırlar, uçtan uca toplamı oluşturan iki ardışık aşamanın — yerel dönüştürme ve bulut dağıtımı — dökümünü sunar.
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
- Geçen Süre — Yerel dönüştürme için duvar saati süresi: PRJ XML ayrıştırma, nesne grafiğinde gezinme ve QS JSON oluşturma.
- CPU süresi — Dönüştürme sırasında tüm çalışan işlemler genelinde tüketilen kümülatif CPU süresi. CPU süresi worker sayısıyla birlikte artar; çünkü her ek işlem zamanlama ve bellek ek yükü oluşturur.
- Bulut — Bulut dağıtımı için geçen gerçek süre: uygulama oluşturma, medya yükleme, derleme, yeniden yükleme ve ikili yük.
- Toplam — Uçtan uca duvar saati süresi (Geçen dönüştürme süresi + Bulut).
Ölçeklendirme davranışı
- Yerel dönüştürme, CPU çekirdeği sayısına kadar doğrusal olarak ölçeklenir. 12 çekirdekli bir makinede çalışan sayısını 1'den 10'a çıkarmak, dönüştürme süresini %70 azaltır.
- Bulut dağıtımı iş parçacığı sayısıyla ölçeklenir, çünkü iş G/Ç'ye bağlıdır (Qlik Cloud API'sine yapılan ağ istekleri). Bulut aşaması, 1 çalışanda 19 dakikadan 10 çalışanda 3 dakikaya düşer.
- CPU çekirdek sayısının ötesinde, ek çalışanlar anlamlı bir iyileşme sağlamadan işlem zamanlama ek yükü getirir. 20 çalışanlı ve 30 çalışanlı çalıştırmalar, 15 çalışanlı çalıştırmadan daha yavaştır.
- Bu 12 çekirdekli makinede en yüksek işleme kapasitesine yaklaşık 15 worker ile ulaşılır (5,8 kat hızlanma). Çekirdek sayısı eksi bir olan otomatik algılama varsayılanı (11 çalışan, 5,1 kat hızlanma), aşırı tahsis cezası olmaksızın en yüksek değerin %12'si dahilindedir.
- CPU süresi, worker sayısıyla birlikte düzenli olarak artar. 11 worker ile dönüştürme işlemi 7 dk 13 sn kümülatif CPU süresi tüketir. 30 worker ile aynı iş 10 dk 18 sn tüketir — duvar saati süresinde hiçbir iyileşme olmaksızın CPU maliyetinde %43'lük bir artış.
Bulut aşaması, her uygulama için ikili yük kullanan bir yeniden yükleme içerir. Bulut süreleri uygulama veri hacmine, yeniden yükleme karmaşıklığına, kiracı yüküne ve Qlik Cloud motor tahsisine bağlıdır. Daha büyük uygulamalar veya daha yoğun kiracılar, burada gösterilenden daha uzun bulut sürelerine yol açacaktır.
Bulut dağıtımı eşzamanlılığı
Qlik Cloud, kiracı başına eşzamanlı yeniden yükleme sayısına bir sınır uygular. Toplu dağıtım yüksek çalışan sayısıyla çalıştığında, kiracı sınırını aşan yeniden yükleme istekleri sunucu tarafında kuyruğa alınır. Eşzamanlı yeniden yükleme sınırına ulaşıldığında, yerel CPU ve iş parçacığı kaynaklarından bağımsız olarak bulut aşaması hızlanması sabitlenir.
Kiracı düzeyindeki limitler hakkında ayrıntılı bilgi için bkz. Qlik Cloud kaynak limitleri. Qlik Cloud kapasite koruma sınırlarının tüm teknik özellikleri için bkz. Qlik Cloud teknik özellikleri ve kapasite koruma sınırları.