Warum der Traffic Mix die Performance von Lasttests entscheidend prägt

Satellitenschuessel und Antennenanlage als Silhouette vor tiefblauem Abendhimmel
Deine Reaktion:

Ein vorläufiger Bericht zum Ausfall von Microsoft 365 nennt eine Zahl und zugleich eine Schwachstelle, die schwerer wiegt als die zunächst genannte Fehlerquote: Die regulären Lasttests erkannten das latente Problem nicht, weil Traffic Mix und im Labor eingesetzte SKUs nicht repräsentativ waren. Der Befund wirkt auf den ersten Blick unspektakulär. Genau darin liegt die zentrale Lehre: Ein Lasttest kann technisch korrekt, sauber aufgebaut und dennoch für die Produktion nutzlos sein, wenn das untersuchte Lastprofil das reale Verkehrsverhalten nicht abbildet.

Du kannst dir ein System wie eine Straße vorstellen. Die Fahrbahn, die Fahrzeuge und die Ampeln bleiben gleich, aber das Verhältnis von Pkw, Lkw, Bussen und einzelnen Motorrädern verändert den Verkehrsfluss erheblich. Ein Test, der nur PKWs auf eine Autobahn schickt, misst nicht, ob ein dichter Lastwagenstrom die Straße blockiert. Bei Datenbanken und verteilten Systemen ist der Traffic Mix die vergleichbare Mischung aus unterschiedlichen Zugriffsmustern.

Die Verteilung der Schlüssel entscheidet über den Durchsatz

Marc Brooker untersucht die Auswirkungen anhand eines einfachen Modells mit 16 Arbeitsthreads. Jede Anfrage fordert einen Schlüssel an, wartet in einer FIFO-Warteschlange auf eine Sperre für diesen Schlüssel, hält sie für eine exponentiell verteilte Zeit mit einem Mittelwert von einer Millisekunde und gibt sie anschließend wieder frei. Die Schlüssel werden aus einer Zipf-Verteilung über eine variable Anzahl von Schlüsseln gezogen; ein Verteilungsparameter von null steht für eine gleichmäßige Verteilung.

Je stärker die Verteilungskurve konzentriert ist, desto mehr Anfragen treffen dieselben wenigen Schlüssel. Diese Schlüssel werden zu Engpässen. Andere Arbeitsthreads warten auf die Sperren, obwohl im System rechnerische Kapazität vorhanden wäre. Der globale Parallelitätsgrenzwert verhindert dabei, dass zusätzliche Arbeit einfach kompensiert wird. Das Ergebnis ist ein sinkender Durchsatz, obwohl die maximale Anzahl an Arbeitsthreads unverändert bleibt.

Das Modell bildet nicht jede Datenbank ab, doch es zeigt einen verbreiteten Mechanismus. Eine relationale Datenbank kann bei hot rows oder umkämpften Datensätzen unter Last deutlich schlechter abschneiden als in einem synthetischen Test, der alle Datensätze gleich häufig adressiert. Nicht die bloße Menge an Anfragen entscheidet dann, sondern ihre Konzentration.

Ein Cache dreht die Wirkung der Key-Skew um

Brooker betrachtet anschließend ein anderes Modell, das eher einer relationalen Datenbank mit einer lokalen Cache-Schicht entspricht. Die Anfragen lesen weiterhin Schlüssel aus einer Zipf-Verteilung, aber Treffer werden aus einem LRU-Cache bedient. Bei einem Miss greift das System auf einen langsameren Speicher zu und fügt den Schlüssel anschließend in den Cache auf. Der Cache ist um einen konfigurierbaren Anteil der Schlüssel groß und liefert gegenüber dem Speicher eine bestimmte Anzahl von Treffern pro Sekunde.

In dieser Umkehrung führt eine stärkere Verzerrung zunächst zu einer besseren Performance. Die wenigen häufig angefragten Schlüssel landen schnell im Cache und werden dort mit geringer Latenz bedient. Gleichzeitig konzentriert sich die Arbeit im schnellen Teil des Systems, während der langsame Speicher seltener beansprucht wird. Weil die Durchsatzachse logarithmisch dargestellt ist, wirken selbst moderate Änderungen des Verteilungsparameters dramatisch.

Damit entsteht kein allgemeines Gesetz, sondern eine Abhängigkeit vom konkreten Systemdesign. Das eine System leidet unter hot keys, weil Sperren Arbeit blockieren. Das andere profitiert von denselben hot keys, weil der Cache seine häufigsten Zugriffe effizient bedienen kann. Der richtige Lasttest muss daher nicht nur ein realistisches Volumen erzeugen, sondern die passende Architektur mit der passenden Verteilung konfrontieren.

Warum ein synthetischer Benchmark irreführend sein kann

Ein klassischer Benchmark verteilt Anfragen oft gleichmäßig oder wählt nur wenige bekannte Datensätze aus. Das ist für isolierte Mikrobenchmarks sinnvoll, weil ein einzelner Datenpfad reproduzierbar und vergleichbar gemessen werden soll. Für eine Aussage über Produktionsfähigkeit reicht dieser Ansatz jedoch nicht. Die reale Anwendung konzentriert sich möglicherweise auf bestimmte Mandanten, Konten, Produkte, Dokumente oder Zeiträume. Die seltene Aktion, die nur einen Bruchteil der Anfragen ausmacht, kann dennoch den größten Teil der Laufzeit, Sperrzeit oder Cache-Misses verursachen.

Die Folge ist eine gefährliche Diskrepanz zwischen Test und Betrieb. Im Labor erscheint das System stabil, weil die wichtigen Schlüssel selten gleichzeitig konkurrieren. In der Produktion konvergieren die Anfragen genau dort, wo die Architektur am empfindlichsten ist. Der Test liefert dann keine falsche Messung, aber eine falsche Schlussfolgerung: Er bestätigt Kapazität für einen Verkehr, der so nicht stattfindet.

Deshalb sollte der Traffic Mix nicht als Nebensatz im Testplan stehen. Er gehört neben Request-Rate, Latenzzielen, Fehlerraten und Testdauer zu den zentralen Parametern. Wer die Produktionsverteilung nicht kennt, kann sie zumindest aus realen Metriken annähern. Sonst bleibt die Belastung eine Geschichte, die man sich aus Gründen der Bequemlichkeit ausgedacht hat.

Lasttests sollten reale Zugriffsmuster nachbilden

Ein realistischer Lasttest benötigt mehrere Dimensionen. Die Verteilung der Schlüssel ist nur eine davon. Hinzu kommen die Häufigkeit bestimmter Operationen, die relative Geschwindigkeit von Lese- und Schreibzugriffen, Transaktionsgrößen, Wartezeiten zwischen logisch verbundenen Anfragen und das Verhältnis von Hotset- zu Coldset-Zugriffen. Auch die Frage, ob Anfragen voneinander abhängen, kann entscheidend sein. Zwei parallele Einzelabfragen stellen eine andere Belastung dar als eine Transaktion, die auf das Ergebnis der ersten wartet.

Zipf-Verteilungen eignen sich dabei als Modell für die Key-Skew, weil sie häufige und seltene Schlüssel in einer beobachtbaren Rangfolge abbilden. Eine einzelne Kurve reicht aber nicht aus. Ein Test mit ausschließlich extremer Konzentration kann ebenso irreführend sein wie einer mit perfekt gleichmäßiger Verteilung. Sinnvoll ist eine Bandbreite plausibler Profile, ergänzt um gezielte Szenarien für bekannte Spitzen.

Außerdem muss die Datenmenge zum Cache-, Index- und Partitionierungsdesign passen. Wer einen Cache mit fünf Prozent des realen Datenvolumens testet, während das Produktionssystem zehn Prozent hält, misst eine andere Architektur. Ebenso wichtig ist die räumliche Verteilung der Last. Ein einzelnes Serversegment kann durch die Verteilung der Schlüssel überlastet sein, während das Gesamtsystem noch Plenty of Capacity meldet.

Aus einem grünen Test wird noch kein belastbarer Beweis

Load Testing beantwortet die Frage, ob ein System unter einer bestimmten Last seine Ziele erreicht. Welche Last das ist, bestimmt die Aussagekraft der Antwort. Ein grünes Ergebnis bedeutet daher nicht, dass das Produktionssystem sicher ist. Es bedeutet lediglich, dass das getestete Profil funktioniert hat. Sobald Anfrageverteilung, Datensatzgrößen oder Zugriffsmuster von der Realität abweichen, bezieht sich das Ergebnis auf ein anderes System als das, das im Betrieb stehen soll.

Der Hinweis aus dem Microsoft-365-Bericht ist deshalb nicht nur ein Beispiel für eine fehlende Testabdeckung. Er zeigt, dass die Übereinstimmung zwischen Labor und Produktion selbst ein Prüfgegenstand sein muss. SKUs, Schlüsselverteilungen, Cache-Verhältnisse und Neben-lastpfade sollten dokumentiert und regelmäßig mit realen Telemetrien verglichen werden. Wenn sich das Produktionsprofil verändert, muss sich auch das Testprofil verändern.

Für Teams bedeutet das eine praktische Umstellung: Lasttests werden nicht als letzte Phase vor dem Launch behandelt, sondern als wiederkehrender Abgleich mit dem laufenden Betrieb. Der Traffic Mix ist dabei kein unwichtiger Detailwert. Er ist die Brücke zwischen einer kontrollierten Simulation und einer Aussage, die tatsächlich über das reale System trägt.

Arbeitslast-sensitive Systeme reduzieren diese Abhängigkeit

Brooker verweist auf optimistische Concurrency Control und Architekturen mit nur einem Kosten- beziehungsweise Latenzmodus als Möglichkeit, die Empfindlichkeit gegenüber unterschiedlichen Workloads zu verringern. Aurora DSQL setzt laut dem Autor alle Lesezugriffe auf eine schnelle Speicherschicht und verwendet keine Sperren, auf deren Freigabe andere Ressourcen warten müssten. Das vereinfacht die Analyse, weil nicht eine kleine Gruppe umkämpfter Schlüssel das Verhalten des Gesamtsystems dominiert.

Das ist keine Garantie, dass Key-Skew irrelevant wird. Auch ein System ohne blockierende Sperren muss Speicherzugriffe, Indizes, Netzwerke und Ressourcengrenzen bedienen. Der Unterschied liegt in der Art der Abhängigkeit. Wo ein Modell die Verteilung stark variieren lässt und dabei zwischen Größenordnungen im Durchsatz schwankt, versucht ein anderes, die entscheidenden Engpässe strukturell zu vermeiden. Das macht Prognosen belastbarer und Tests aussagekräftiger.

Die praktische Konsequenz lautet: Bewerte nicht nur, ob ein System unter deinem synthetischen Lasttest gut dasteht. Prüfe, wie stark seine Leistung von der Form des Verkehrs abhängt. Baue realistische Verteilungen ein, teste Hotspots und messe sensible Wege. Noch besser ist ein Design, bei dem die reale Arbeitslast nicht erst über eine präzise Vorhersage der Key-Skew beherrscht werden muss.

Traffic Mix matters, weil Leistung nicht allein an einem System, sondern an der Begegnung von System und Last liegt. Der entscheidende Unterschied zwischen einem nützlichen Lasttest und verschwendeter Testzeit ist deshalb selten die Höhe der Last. Meist ist es die Frage, ob die Last dem Verkehr entspricht, den das System tatsächlich sehen wird.

Quelle: brooker.co.za

Deine Reaktion:
Artikel teilen:
Krötzsch-Check0 — 100
Fakten 82
Relevanz 85
Hype 24
Einschätzung 84
Redaktion 50 Stand 50 · noch keine Stimmen
Ist das Hype?
Sebastian Krötzsch
Autor

Sebastian Krötzsch

Sebastian Krötzsch schreibt auf sebask.de über Künstliche Intelligenz, Automatisierung, digitale Systeme und die Frage, was davon im Alltag wirklich nützlich ist. Ohne Buzzword-Nebel, dafür mit klarem Blick auf Praxis, Tools und echte Wirkung.