部署GaussDB 200时，一个RAID组上究竟布多少个DN合适？

先来看两组数据，这些数据将通过count来检验一组Raid上部署单DN和部署多DN间的性能差异。

第一组：表lineitem上执行的，lineitem表的数据是通过GDS外表导入的。 

l  CN上执行 select count(*)：

tpch_row=# select count(*) from lineitem;

   count   

------------

1799989091

(1 row)

Time: 269473.636 ms

l  单DN执行select count(*)：

tpch_row=# select count(*) from lineitem;

  count  

----------

75610286

(1 row)

Time: 76611.682 ms

第二组： 用原表插入的方式创建有同样结构的表lineitem_2： create table lineitem_2 as select * from lineitem

 然后在lineitem_2上做同样的tablescan，数据如下：

l  DN上执行 select count(*)：

tpch_row=#  select count (*) from lineitem_2;

  count  

----------

75610286

(1 row)

Time: 13704.895 ms

l  CN上执行 select count(*)：

tpch_row=#  select count (*) from lineitem_2;

   count   

------------

1799989091

(1 row)

Time: 91891.949 ms

两组数据的对比结果如下：

 从以上数据可以得出如下结论：

 1、一个RAID组只部署一个DN，其I/O性能明显优于一个Raid组上部署多个DN。原因如下：

• 多DN在GDS导入时会造成I/O碎片化，这样在随后的SCAN速度会降低很多。

• 多DN在查询的时候由于I/O争用，会导致SCAN的速度降低更多，目前的count(*)查询已经证明。

2、 如有可能，建议将日志，XLOG等所有会产生写操作的目录配置到不同的RAID组，这样可以保证导入的时候数据尽量集中，不产生随机I/O。

3、 导入的时候为了导入性能可能需要并发导入，但这也会同样导致随机I/O， 如果查询性能非常重要，可以导入一个中间表然后再导入最终表。