Baradb/docs/de/performance.md

BaraDB Performance-Leitfaden

Benchmark-Methodik

Alle Benchmarks wurden ausgeführt mit:

• Compiler: Nim 2.2.0 mit -d:release --opt:speed
• CPU: AMD Ryzen 9 5900X (12 Kerne / 24 Threads)
• Memory: 64 GB DDR4-3600
• Storage: Samsung 980 Pro NVMe SSD
• OS: Ubuntu 24.04 LTS

Die vollständige Benchmark-Suite ausführen:

nim c -d:ssl -d:release -r benchmarks/bench_all.nim

Storage Engine Benchmarks

LSM-Tree Key-Value

Metrik	Wert
Write Throughput	~580,000 ops/s
Read Throughput	~720,000 ops/s
Durchschnittliche Write-Latenz	1.7 µs
Durchschnittliche Read-Latenz	1.4 µs
Testdatensatz	100,000 Keys (16-Byte Keys, 64-Byte Values)

Der LSM-Tree verwendet eine 64MB MemTable, WAL fsync bei jedem Write und size-tiered Compaction mit 6 Levels.

B-Tree Index

Metrik	Wert
Insert Throughput	~1,200,000 ops/s
Point Lookup Throughput	~1,500,000 ops/s
Range Scan (1000 Keys)	~0.3 ms
Baumhöhe (100K Keys)	4

B-Tree Knoten sind 4KB mit Copy-on-Write für MVCC-Kompatibilität.

Vector Engine Benchmarks

HNSW Index

Metrik	Wert
Insert (dim=128)	~45,000 vectors/s
Search top-10 (dim=128, n=10K)	~2 ms
Search top-10 (dim=128, n=100K)	~8 ms
Speicher pro Vektor (dim=128)	~580 bytes

Parameter: M=16, efConstruction=200, efSearch=64.

SIMD Distanzfunktionen

Operation	dim=128	dim=768	dim=1536
Cosine Distance	4.2M/s	850K/s	420K/s
L2 (Euclidean)	4.5M/s	920K/s	450K/s
Dot Product	4.8M/s	980K/s	480K/s

SIMD verwendet AVX2 256-Bit Vektoren mit Loop Unrolling.

Quantization

Methode	Genauigkeitsverlust	Speicherreduzierung
Scalar 8-bit	<1%	4×
Scalar 4-bit	~3%	8×
Product Quantization (PQ16)	~5%	16×
Binary	~15%	32×

Full-Text Search Benchmarks

Metrik	Wert
Index Throughput	~320,000 docs/s
BM25 Search	~28,000 queries/s
Fuzzy Search (distance=2)	~850 queries/s
Wildcard Regex Search	~4,200 queries/s

Testkorpus: 5 einzigartige Dokumente × 2,000 Wiederholungen (~50 Wörter/Dok).

Graph Engine Benchmarks

Operation	Throughput	Latenz
Knoten hinzufügen	~2.5M ops/s	0.4 µs
Kante hinzufügen	~1.8M ops/s	0.55 µs
BFS (1K Knoten, 5K Kanten)	~12K Traversierungen/s	83 µs
DFS (1K Knoten, 5K Kanten)	~15K Traversierungen/s	67 µs
Dijkstra kürzester Pfad	—	~120 µs
PageRank (10 Iterationen)	~450 Graphen/s	2.2 ms
Louvain Community Detection	—	~45 ms

Protokoll-Benchmarks

Protokoll	Verbindungen	Queries/sec	Latenz p99
Binary (localhost)	1	45,000	0.4 ms
Binary (localhost)	100	380,000	1.2 ms
HTTP/REST	1	12,000	2.1 ms
HTTP/REST	100	95,000	5.8 ms
WebSocket	1	18,000	1.8 ms

Query Engine Benchmarks

Abfragetyp	Zeilen	Zeit
Simple SELECT	100K	12 ms
SELECT + WHERE	100K	18 ms
SELECT + ORDER BY	100K	35 ms
GROUP BY + Aggregates	100K	42 ms
INNER JOIN (1K × 1K)	1M Ergebnis	85 ms
CTE (2 Ebenen)	100K	28 ms
Subquery (EXISTS)	100K	22 ms

Skalierungsverhalten

Vertikale Skalierung

Kerne	LSM Write	LSM Read	Vector Search
1	580K	720K	2.0 ms
4	1.9M	2.6M	1.1 ms
8	3.4M	4.8M	0.7 ms
16	5.8M	7.2M	0.5 ms

Speicherverbrauch

Komponente	Basis-Speicher	Pro-Entity Overhead
LSM MemTable	64 MB (fest)	~1.2× Rohdaten
B-Tree	8 MB (fest)	~8 bytes/Key
HNSW Index	—	~580 bytes/Vektor (dim=128)
Graph	—	~32 bytes/Knoten, ~24 bytes/Kante
FTS Index	—	~40% von Rohtext
Page Cache	256 MB (konfigurierbar)	—

Tuning-Leitfaden

Für Write-intensive Workloads

export BARADB_MEMTABLE_SIZE_MB=256
export BARADB_WAL_SYNC_INTERVAL_MS=10
export BARADB_COMPACTION_INTERVAL_MS=30000

Für Read-intensive Workloads

export BARADB_CACHE_SIZE_MB=1024
export BARADB_BLOOM_BITS_PER_KEY=10
export BARADB_COMPACTION_INTERVAL_MS=120000

Für Vector Search

export BARADB_VECTOR_EF_CONSTRUCTION=200
export BARADB_VECTOR_EF_SEARCH=128
export BARADB_VECTOR_M=32

Für Graph Analytics

export BARADB_GRAPH_PAGE_RANK_ITERATIONS=20
export BARADB_GRAPH_LOUVAIN_RESOLUTION=1.0