Riktlinjer för prestanda

Den här sidan innehåller allmänna riktlinjer för hur du optimerar prestandan för AEM. Om du inte har använt AEM tidigare, gå igenom följande sidor innan du börjar läsa riktlinjerna för prestanda:

Illustrator below are the deployment options available for AEM (scroll to view all the options):

AEM

Produkt

Topologi

Operativsystem

Programserver

JRE

Dokumentskydd

Micro Kernel

Datastore

Indexering

Webbserver

Webbläsare

Marketing Cloud

Sites

Ej-HA

Windows

CQSE

Oracle

LDAP

tar

Segment

Egenskap

Apache

Edge

Mål

Assets

Publish-HA

Solaris

WebLogic

IBM

SAML

MongoDB

Arkiv

Lucene

IIS

IE

Analyser

Communities

Author-CS

Red Hat

WebSphere

HP

Oauth

RDB/Oracle

S3/Azure

Solr

iPlanet

FireFox

Campaign

Forms

Författaravlastning

HP-UX

Tomcat

RDB/DB2

MongoDB

Krom

Social

Mobil

Författarkluster

IBM AIX

JBoss

RDB/MySQL

RDBMS

Safari

Målgrupp

Flera platser

ASRP

SUSE

RDB/SQLServer

Assets

Handel

MSRP

Apple OS

Aktivering

Dynamic Media

JSRP

Mobil

Brand Portal

J2E

AoD

LiveFyre

Skärmar

Dokumentsäkerhet

Processhantering

datorprogram

OBSERVERA

Riktlinjerna gäller i huvudsak AEM Sites.

När prestandarådarna ska användas

Du bör använda riktlinjerna för prestanda i följande situationer:

  • Första gången du distribuerar: När du planerar att distribuera AEM Sites eller Assets för första gången är det viktigt att du förstår vilka alternativ som är tillgängliga när du konfigurerar Micro Kernel, Node Store och Data Store (jämfört med standardinställningarna). Om du till exempel ändrar standardinställningarna för datalagret för tarMK till fildatalagret.
  • Uppgradera till en ny version: När du uppgraderar till en ny version är det viktigt att du förstår prestandaskillnaderna jämfört med körningsmiljön. Exempel: uppgradering från AEM 6.1 till 6.2 eller från AEM 6.0 CRX2 till 6.2 OAK.
  • Svarstiden är långsam: När den valda Nodestore-arkitekturen inte uppfyller dina krav är det viktigt att förstå prestandaskillnaderna jämfört med andra topologialternativ. Du kan till exempel distribuera tarMK i stället för MongoMK, eller använda ett fildatalager i stället för ett Amazon S3- eller Microsoft Azure-datalager.
  • Lägga till fler författare: När den rekommenderade TjäraMK-topologin inte uppfyller prestandakraven och om du uppgraderar redigeringsnoden så att den maximala tillgängliga kapaciteten nås, är det viktigt att förstå prestandaskillnaderna jämfört med att använda MongoMK med tre eller fler Author-noder. Du kan till exempel distribuera MongoMK i stället för tarMK.
  • Lägga till mer innehåll: När den rekommenderade datalagerarkitekturen inte uppfyller dina krav är det viktigt att förstå prestandaskillnaderna jämfört med andra datalageralternativ. Exempel: med Amazon S3 eller Microsoft Azure Data Store i stället för ett File Data Store.

Introduktion

I det här kapitlet ges en allmän översikt över den AEM arkitekturen och dess viktigaste komponenter. Den innehåller också riktlinjer för utveckling och beskriver de testscenarier som används i prestandatesterna TjärMK och MongoMK.

AEM

Den AEM plattformen består av följande komponenter:

chlimage_1

Mer information om AEM finns i Vad är AEM?.

Den AEM arkitekturen

Det finns tre viktiga byggstenar för en AEM driftsättning. The Författarinstans som används av innehållsförfattare, redigerare och godkännare för att skapa och granska innehåll. När innehållet godkänns publiceras det till en andra instanstyp som heter Publiceringsinstans från vilken slutanvändarna har åtkomst till den. Den tredje byggstenen är Dispatcher som är en modul som hanterar cachelagring och URL-filtrering och som är installerad på webbservern. Mer information om den AEM arkitekturen finns i Vanliga distributionsscenarier.

chlimage_1-1

Micro Kernels

Micro Kernels fungerar som beständiga chefer i AEM. Det finns tre typer av Micro Kernels som används med AEM: TARMK, MongoDB och Relational Database (med begränsat stöd). Vilken som passar dina behov beror på syftet med instansen och vilken distributionstyp du överväger. Mer information om Micro Kernels finns i Rekommenderade distributioner sida.

chlimage_1-2

Nodestore

I AEM kan binära data lagras oberoende av innehållsnoder. Platsen där binära data lagras kallas för Datalager, medan platsen för innehållsnoderna och -egenskaperna kallas för Node Store.

OBSERVERA

Adobe rekommenderar att TARMK är standardbeständighetstekniken som används av kunder för både AEM Author och Publish.

FÖRSIKTIGHET

Mikrokärnan i relationsdatabasen har begränsat stöd. Kontakt Adobe kundtjänst innan du använder den här typen av mikrokärna.

chlimage_1-3

Datalager

När du hanterar ett stort antal binära filer bör du använda ett externt datalager i stället för standardnodarkiven för att maximera prestandan. Om ditt projekt till exempel kräver ett stort antal medieresurser kan du lagra dem under Arkiv eller Azure/S3 Data Store så att du kommer åt dem snabbare än att lagra dem direkt i en MongoDB.

Mer information om tillgängliga konfigurationsalternativ finns i Konfigurera nod- och datalager.

OBSERVERA

Adobe rekommenderar att du väljer att distribuera AEM på Azure eller Amazon Web Services (AWS) med Adobes hanterade tjänster, där kunderna drar nytta av ett team som har erfarenhet och kunskaper av att distribuera och använda AEM i dessa molndatormiljöer. Se vår ytterligare dokumentation om Adobe Managed Services.

Vi rekommenderar starkt att du arbetar direkt med molnleverantören eller en av våra partners som stöder distributionen av AEM i den molnmiljö du väljer för rekommendationer om hur du ska distribuera AEM på Azure eller AWS utanför Adobes hanterade tjänster. Den valda molnleverantören eller partnern ansvarar för storleksspecifikationerna, designen och implementeringen av den arkitektur som de stöder för att uppfylla dina specifika krav på prestanda, belastning, skalbarhet och säkerhet.

Mer information finns även i tekniska krav sida.

Sökning

I det här avsnittet finns de anpassade indexproviders som används med AEM. Mer information om indexering finns i Fråga och indexering.

OBSERVERA

För de flesta installationer rekommenderar Adobe att du använder Lucene-index. Du bör endast använda Solr för skalbarhet vid specialiserad och komplex driftsättning.

chlimage_1-4

Utvecklingsriktlinjer

Du bör utveckla för AEM som vill prestanda och skalbarhet. Nedan visas ett antal metodtips som du kan följa:

GÖR

  • Separera presentation, logik och innehåll
  • Använd befintliga AEM-API:er (t.ex.: Sling) och verktyg (t.ex. replikering)
  • Utveckla i rätt sammanhang
  • Utveckla för optimal tillgänglighet
  • Minimera antalet besparingar (t.ex.: genom att använda tillfälliga arbetsflöden)
  • Kontrollera att alla HTTP-slutpunkter är RESTful
  • Begränsa omfattningen av JCR-observation
  • Var uppmärksam på asynkron tråd

INTE

  • Använd inte JCR-API:er direkt om du kan

  • Ändra inte /libs, utan använd övertäckningar

  • Använd inte frågor där det är möjligt

  • Använd inte Sling Bindings för att hämta OSGi-tjänster i Java-kod, utan använd istället:

    • @Referens i en DS-komponent
    • @Injicera i en körningsmodell
    • sling.getService() i en lättanvänd klass
    • sling.getService() i en JSP
    • en ServiceTracker
    • direktåtkomst till OSGi-tjänstregistret

Mer information om hur du utvecklar AEM finns i Utveckling - Grunderna. Ytterligare metodtips finns på Bästa praxis för utveckling.

Benchmark-scenarier

OBSERVERA

Alla test som visas på den här sidan har utförts i laboratoriemiljö.

De testscenarier som beskrivs nedan används för prestandatestavsnitten i kapitlen TjärMK, MongoMk och TjärMK jämfört med MongoMk. Om du vill se vilket scenario som användes för ett visst test av prestandatestet läser du avsnittet Scenario i Tekniska specifikationer tabell.

Scenario för en produkt

AEM Assets:

  • Användarinteraktioner: Bläddra bland resurser/Sök resurser/Hämta resurs/Läs resursmetadata/Uppdatera resursmetadata/Överför resurs/Kör arbetsflöde för överföring av resurs
  • Körningsläge: samtidiga användare, enstaka interaktion per användare

Scenario med blandade produkter

AEM Sites + Assets:

  • Webbplatsens användarinteraktioner: Läs artikelsidan / Läs sidan / Skapa stycke / Redigera stycke / Skapa innehållssida / Aktivera innehållssida / Författarsökning
  • Resursens användarinteraktioner: Bläddra bland resurser/Sök resurser/Hämta resurs/Läs resursmetadata/Uppdatera resursmetadata/Överför resurs/Kör arbetsflöde för överföring av resurs
  • Körningsläge: samtidiga användare, blandade interaktioner per användare

Vertikalt scenario för användning

Media:

  • Läs artikelsida (27,4 %), Läs sida (10,9 %), Skapa session (2,6 %), Aktivera innehållssida (1,7 %), Skapa innehållssida (0,4 %), Skapa stycke (4,3 %), Redigera stycke (0,9 %), Bildkomponent (0,9 %), Bläddra bland resurser (20 %), Läs resursmetadata (2) 8,5 %), Hämta resurs (4,2 %), Sökresurs (0,2 %), Uppdatera resursmetadata (2,4 %), Överför resurs (1,2 %), Bläddra i projekt (4,9 %), Läs projekt (6,6 %), Lägg till resurs i projekt (1,2 %), Lägg till webbplats i projekt (1,2 %), Skapa projekt (0,1 %), Författare eller Sök (0,4 %)
  • Körningsläge: samtidiga användare, blandade interaktioner per användare

tarMK

I det här kapitlet finns allmänna riktlinjer för prestanda för TjäraMK som specificerar minimikraven för arkitektur och inställningskonfigurationen. Riktmärkestester tillhandahålls också för ytterligare förtydliganden.

Adobe rekommenderar att TARMK är standardbeständighetstekniken som används av kunder i alla distributionsscenarier, både för AEM Author- och Publish-instanserna.

Mer information om tarMK finns i Distributionsscenarier och Tjärlagring.

TaMK - riktlinjer för minimiarkitektur

OBSERVERA

De riktlinjer för minimiarkitektur som presenteras nedan gäller för produktionsmiljöer och stora trafikplatser. Dessa är not den minimispecifikationer behövs för att köra AEM.

För att få goda prestanda när du använder tarMK bör du utgå från följande arkitektur:

  • En författarinstans
  • Två publiceringsinstanser
  • Två utskickare

Nedan visas riktlinjerna för arkitektur för webbplatser AEM AEM Assets.

OBSERVERA

Binärfri replikering ska vara aktiverad om fildatalagret delas.

Riktlinjer för tjärarkitektur för AEM Sites

chlimage_1-5

Riktlinjer för tjärarkitektur för AEM Assets

chlimage_1-6

Riktlinje för inställningar för TARMK

För bästa prestanda bör du följa riktlinjerna nedan. Instruktioner om hur du ändrar inställningarna finns i visa den här sidan.

Inställning Parameter Värde Beskrivning
Sling-jobbköer queue.maxparallel Ange värdet till hälften av antalet processorkärnor. Som standard är antalet samtidiga trådar per jobbkö lika med antalet processorkärnor.
Bevilja tillfällig arbetsflödeskö Max Parallel Ange värdet till hälften av antalet processorkärnor
JVM-parametrar

Doak.queryLimitInMemory

Doak.queryLimitReads

Dupdate.limit

Doak.fastQuerySize

500000

100000

250000

True

Lägg till dessa JVM-parametrar i AEM startskript för att förhindra att expanderande frågor överbelastar systemen.
Lucene-indexkonfiguration

CopyOnRead

CopyOnWrite

Prefetch Index Files

Aktiverad

Aktiverad

Aktiverad

Mer information om tillgängliga parametrar finns i den här sidan.
Datalager = S3 Datastore

maxCachedBinarySize

cacheSizeInMB

1048576 (1 MB) eller mindre

2-10 % av maximal stackstorlek

Se även Konfigurationer för datalager.
Arbetsflöde för DAM-uppdatering Transient Workflow checked Det här arbetsflödet hanterar uppdateringen av resurser.
DAM MetaData Writeback Transient Workflow checked Det här arbetsflödet hanterar XMP återskrivning till det ursprungliga binärdokumentet och anger det senaste ändringsdatumet i JCR.

Resultatjämförelse för tarMK

Tekniska specifikationer

Testerna utfördes på följande specifikationer:

Författarnod
Server Maskinvara av oädel metall (HP)
Operativsystem RedHat Linux
Processor/kärnor Processorn Intel® Xeon® E5-2407 @2,40 GHz, 8 kärnor
RAM 32GB
Skiva Magnetiskt
Java Oracle JRE version 8
JVM-heap 16GB
Produkt AEM 6.2
Nodestore tarMK
Datastore Fil-DS
Scenario En produkt: Resurser/30 samtidiga trådar

Resultat av prestandatest

OBSERVERA

Siffrorna nedan har normaliserats till 1 som baslinje och är inte de faktiska flödenumren.

chlimage_1-7 chlimage_1-8

MongoMK

Den främsta anledningen till att du väljer MongoMK-beständighetsbackend framför tarMK är att skalförändra instanserna vågrätt. Det innebär att två eller flera aktiva författarinstanser alltid körs och att MongoDB används som beständigt lagringssystem. Behovet av att köra mer än en författarinstans beror i allmänhet på att processorn och minneskapaciteten på en enda server, som stöder alla samtidiga redigeringsaktiviteter, inte längre är hållbara.

Mer information om tarMK finns i Distributionsscenarier och Mongo-lagring.

Riktlinjer för minimiarkitektur i MongoMK

För att få bra prestanda när du använder MongoMK bör du utgå från följande arkitektur:

  • Tre författarinstanser
  • Två publiceringsinstanser
  • Tre MongoDB-instanser
  • Två utskickare
OBSERVERA

I produktionsmiljöer kommer MongoDB alltid att användas som en replikuppsättning med en primär och två sekundära. Läsningar och skrivningar går till huvudlistan och läsningar kan gå till de sekundära. Om lagring inte är tillgängligt kan en av de sekundära ersättas med en skiljedomare, men MongoDB-replikuppsättningar måste alltid bestå av ett ojämnt antal instanser.

OBSERVERA

Binärfri replikering ska vara aktiverad om fildatalagret delas.

chlimage_1-9

Riktlinjer för MongoMK-inställningar

För bästa prestanda bör du följa riktlinjerna nedan. Instruktioner om hur du ändrar inställningarna finns i visa den här sidan.

Inställning Parameter Värde (standard) Beskrivning
Sling-jobbköer queue.maxparallel Ange värdet till hälften av antalet processorkärnor. Som standard är antalet samtidiga trådar per jobbkö lika med antalet processorkärnor.
Bevilja tillfällig arbetsflödeskö Max Parallel Ange värdet till hälften av antalet processorkärnor.
JVM-parametrar

Doak.queryLimitInMemory

Doak.queryLimitReads

Dupdate.limit

Doak.fastQuerySize

Doak.mongo.maxQueryTimeMS

500000

100000

250000

True

60000

Lägg till dessa JVM-parametrar i AEM startskript för att förhindra att expanderande frågor överbelastar systemen.
Lucene-indexkonfiguration

CopyOnRead

CopyOnWrite

Prefetch Index Files

Aktiverad

Aktiverad

Aktiverad

Mer information om tillgängliga parametrar finns i den här sidan.
Datalager = S3 Datastore

maxCachedBinarySize

cacheSizeInMB

1048576 (1 MB) eller mindre

2-10 % av maximal stackstorlek

Se även Konfigurationer för datalager.
DocumentNodeStoreService

cache

nodeCachePercentage

childrenCachePercentage

diffCachePercentage

docChildrenCachePercentage

prevDocCachePercentage

persistentCache

2048

35 (25)

20 (10)

30 (5)

10 (3)

4 (4)

./cache,size=2048,binary=0,-compact,-compress

Standardstorleken för cacheminnet är 256 MB.

Påverkar hur lång tid det tar att göra cachen ogiltig.

ek-observation

thread pool

length

min & max = 20

50000

Prestandatest för MongoMK

Tekniska specifikationer

Testerna utfördes på följande specifikationer:

Författarnod MongoDB-nod
Server Maskinvara av oädel metall (HP) Maskinvara av oädel metall (HP)
Operativsystem RedHat Linux RedHat Linux
Processor/kärnor Processorn Intel® Xeon® E5-2407 @2,40 GHz, 8 kärnor Processorn Intel® Xeon® E5-2407 @2,40 GHz, 8 kärnor
RAM 32GB 32GB
Skiva Magnetiskt - >1 k IOPS Magnetiskt - >1 k IOPS
Java Oracle JRE version 8 Ej tillämpligt
JVM-heap 16GB Ej tillämpligt
Produkt AEM 6.2 MongoDB 3.2 WiredTiger
Nodestore MongoMK Ej tillämpligt
Datastore Fil-DS Ej tillämpligt
Scenario En produkt: Resurser/30 samtidiga trådar En produkt: Resurser/30 samtidiga trådar

Resultat av prestandatest

OBSERVERA

Siffrorna nedan har normaliserats till 1 som baslinje och är inte de faktiska flödenumren.

chlimage_1-10 chlimage_1-11

tarMK jämfört med MongoMK

Den grundläggande regeln som ska beaktas när du väljer mellan de två är att tarMK är utformat för prestanda, medan MongoMK används för skalbarhet. Adobe rekommenderar att TARMK är standardbeständighetstekniken som används av kunder i alla distributionsscenarier, både för AEM Author- och Publish-instanserna.

Den främsta anledningen till att du väljer MongoMK-beständighetsbackend framför tarMK är att skalförändra instanserna vågrätt. Det innebär att två eller flera aktiva författarinstanser alltid körs och att MongoDB används som beständigt lagringssystem. Behovet av att köra mer än en författarinstans beror i allmänhet på att processorn och minneskapaciteten på en enda server, som stöder alla samtidiga redigeringsaktiviteter, inte längre är hållbara.

Mer information om TjäraMK jämfört med MongoMK finns i Rekommenderade distributioner.

Riktlinjer för tarMK jämfört med MongoMk

Fördelar med tarMK

  • Ändamålsenlig för content management-program
  • Filerna är alltid konsekventa och kan säkerhetskopieras med valfritt filbaserat säkerhetskopieringsverktyg
  • Tillhandahåller en redundansmekanism - se Vänteläge, kallt för mer information
  • Ger höga prestanda och tillförlitlig datalagring med minimal driftkostnad
  • Lägre ägandekostnader (total ägandekostnad)

Kriterier för att välja MongoMK

  • Antal namngivna användare anslutna under en dag: i tusental eller mer
  • Antal samtidiga användare: på hundratals eller fler
  • Volym för tillgångsinmatningar per dag: på hundratusentals eller fler
  • Antal sidredigeringar per dag: på hundratusentals eller fler
  • Antal sökningar per dag: tiotusentals eller fler

Benchmarks för tarMK jämfört med MongoMK

OBSERVERA

Siffrorna nedan har normaliserats till 1 som baslinje och är inte faktiska flödesnummer.

Tekniska specifikationer för scenario 1

Author OAK Node MongoDB-nod
Server Maskinvara av oädel metall (HP) Maskinvara av oädel metall (HP)
Operativsystem RedHat Linux RedHat Linux
Processor/kärnor Processorn Intel(R) Xeon(R) E5-2407 @2,40 GHz, 8 kärnor Processorn Intel(R) Xeon(R) E5-2407 @2,40 GHz, 8 kärnor
RAM 32GB 32GB
Skiva Magnetiskt - >1 k IOPS Magnetiskt - >1 k IOPS
Java Oracle JRE version 8 Ej tillämpligt
JVM Heap16 GB 16GB Ej tillämpligt
Produkt AEM 6.2 MongoDB 3.2 WiredTiger
Nodestore tarMK eller MongoMK Ej tillämpligt
Datastore Fil-DS Ej tillämpligt
Scenario


En produkt: Resurser/30 samtidiga trådar per körning

Resultat av prestandatest för scenario 1

chlimage_1-12

Tekniska specifikationer för scenario 2

OBSERVERA

Om du vill aktivera samma antal författare med MongoDB som med ett TarmMK-system behöver du ett kluster med två AEM noder. Ett mongoDB-kluster med fyra noder kan hantera 1,8 gånger så många författare som en tarMK-instans. Ett åtta-nods MongoDB-kluster kan hantera 2,3 gånger så många författare som en tarMK-instans.

Författare tarMK-nod Författare MongoMK-nod MongoDB-nod
Server AWS c3.8xlarge AWS c3.8xlarge AWS c3.8xlarge
Operativsystem RedHat Linux RedHat Linux RedHat Linux
Processor/kärnor 32 32 32
RAM 60GB 60GB 60GB
Skiva SSD - 10 000 IOPS SSD - 10 000 IOPS SSD - 10 000 IOPS
Java Oracle JRE version 8
Oracle JRE version 8
Ej tillämpligt
JVM Heap16 GB 30GB 30GB Ej tillämpligt
Produkt AEM 6.2 AEM 6.2
MongoDB 3.2 WiredTiger
Nodestore tarMK MongoMK
Ej tillämpligt
Datastore Fil-DS
Fil-DS

Ej tillämpligt
Scenario



Vertikalt användningsfall: Media/2000 samtidiga trådar

Resultat av prestandatest för scenario 2

chlimage_1-13

Riktlinjer för arkitekturskalbarhet för AEM Sites och Assets

chlimage_1-14

Sammanfattning av riktlinjer för prestanda

Riktlinjerna på denna sida kan sammanfattas enligt följande:

  • tarMK med fildatastore är den rekommenderade arkitekturen för de flesta kunder:

    • Minimitopologi: en Author-instans, två Publish-instanser, två Dispatcher
    • Binärfri replikering aktiveras om fildatalagret delas
  • MongoMK med File DataStore är den rekommenderade arkitekturen för vågrät skalbarhet för Author-nivån:

    • Minimitopologi: tre Author-instanser, tre MongoDB-instanser, två Publish-instanser, två Dispatcher
    • Binärfri replikering aktiveras om fildatalagret delas
  • Nodestore ska lagras på den lokala hårddisken, inte på en nätverksansluten lagringsplats (NAS)

  • När du använder Amazon S3:

    • Amazon S3-datalagret delas mellan författaren och publiceringsskiktet
    • Binär replikering måste vara aktiverad
    • Datastore-skräpinsamlingen kräver en första körning på alla författar- och publiceringsnoder, och sedan en andra körning på författare
  • Anpassat index ska skapas utöver indexvärdet utanför rutan baserat på de vanligaste sökningarna

    • Lucene-index bör användas för anpassade index
  • Om du anpassar arbetsflödet kan prestandan förbättras avsevärt, t.ex. borttagning av videosteget i arbetsflödet Uppdatera resurs, inaktivering av avlyssnare som inte används osv.

Mer information finns även i Rekommenderade distributioner sida.

På denna sida