OPC UA 性能基准测试

本文记录 NG Gateway 对 OPC UA 协议的性能基准测试过程与结果。测试在资源受限的 Docker 容器中运行网关（1 CPU / 1 GB 内存），使用外部 OPC UA 仿真服务器提供真实协议交互负载，并通过 Prometheus + Grafana + cAdvisor 监控栈实时采集容器级资源指标，系统性评估网关作为 OPC UA 客户端在不同采集规模与频率下的资源占用和运行稳定性。

测试覆盖以下维度：

采集规模梯度：从单通道 10 设备（10,000 点位）逐步扩展至 10 通道 100 设备（100,000 点位）
采集频率对比：标准周期（1000 ms）与高频采集（100 ms）
混合负载压测：大规模数据采集与随机指令下发并发执行

测试环境

硬件平台

项目	规格
CPU	4 核
内存	24 GB
操作系统	Debian GNU/Linux 12

网关部署

网关以 docker compose 容器方式部署，并设置资源上限以模拟边缘侧受限运行环境：

资源	限制（Limit）	预留（Reservation）
CPU	1.0 核	0.5 核
内存	1000 MiB	256 MiB

TIP

资源约束通过 Docker Compose deploy.resources.limits 配置，与 Kubernetes Pod 资源配额语义一致。

docker-compose.yaml

yaml

services:
  gateway:
    image: ${GATEWAY_IMAGE:-shiyuecamus/ng-gateway}:${GATEWAY_TAG:-latest}
    container_name: ng-gateway
    restart: unless-stopped
    ports:
      - "${GATEWAY_HTTP_PORT:-8978}:5678"
      - "${GATEWAY_WS_PORT:-8979}:5679"
    volumes:
      - gateway-data:/app/data
      - gateway-drivers:/app/drivers/custom
      - gateway-plugins:/app/plugins/custom
    deploy:
      resources:
        limits:
          cpus: "${BENCH_CPU_LIMIT:-1.0}"
          memory: "${BENCH_MEM_LIMIT:-1000M}"
        reservations:
          cpus: "${BENCH_CPU_RESERVE:-0.5}"
          memory: "${BENCH_MEM_RESERVE:-256M}"

  cadvisor:
    image: gcr.io/cadvisor/cadvisor:v0.51.0
    container_name: ng-cadvisor
    restart: unless-stopped
    ports:
      - "8080:8080"
    command:
      - --docker_only=true
      - --housekeeping_interval=2s
      - --store_container_labels=true
    volumes:
      - /:/rootfs:ro
      - /var/run:/var/run:ro
      - /var/run/docker.sock:/var/run/docker.sock:rw
      - /sys:/sys:ro
      - /sys/fs/cgroup:/sys/fs/cgroup:ro
      - /var/lib/docker/:/var/lib/docker:ro
      - /dev/disk/:/dev/disk:ro
    privileged: true
    devices:
      - /dev/kmsg:/dev/kmsg

  prometheus:
    image: prom/prometheus:latest
    container_name: ng-prometheus
    restart: unless-stopped
    ports:
      - "9090:9090"
    volumes:
      - ./prometheus/prometheus.yml:/etc/prometheus/prometheus.yml:ro
      - ng-prometheus-data:/prometheus
    command:
      - --config.file=/etc/prometheus/prometheus.yml
      - --storage.tsdb.path=/prometheus
      - --web.enable-lifecycle
    depends_on:
      - cadvisor
      - gateway

  grafana:
    image: grafana/grafana:latest
    container_name: ng-grafana
    restart: unless-stopped
    ports:
      - "3000:3000"
    environment:
      GF_SECURITY_ADMIN_USER: admin
      GF_SECURITY_ADMIN_PASSWORD: admin
      GF_USERS_ALLOW_SIGN_UP: "false"
      GF_PATHS_PROVISIONING: /etc/grafana/provisioning
    volumes:
      - ./grafana/provisioning:/etc/grafana/provisioning:ro
      - ./grafana/dashboards:/var/lib/grafana/dashboards:ro
      - ng-grafana-data:/var/lib/grafana
    depends_on:
      - prometheus

volumes:
  ng-prometheus-data:
  ng-grafana-data:
  gateway-data:
  gateway-drivers:
  gateway-plugins:

测试工具

OPC UA 仿真服务器

使用 Prosys OPC UA Simulation Server 作为 OPC UA 服务端仿真器。Prosys OPC UA Simulation Server 是一款功能完善的免费 OPC UA 仿真工具，支持 OPC UA TCP 二进制传输协议，能够模拟多种数据类型的节点（Analog / Discrete / String 等），提供灵活的地址空间配置与数据变化仿真（正弦、随机、递增等模式），广泛用于 OPC UA 客户端开发调试与性能验证。

模拟拓扑配置：

项目	配置
服务端 Endpoint	`opc.tcp://<host>:4840`
仿真节点类型	Analog (Float / Double)
数据变化模式	周期性随机更新

映射关系说明

每个 OPC UA 服务端 Endpoint 对应 ng-gateway 中的一个采集通道（Channel） — 即一条独立的 OPC UA 会话连接
每个逻辑节点分组对应通道内的一个采集设备（Device） — 通过 Subscription 订阅机制批量采集节点变更
测试场景按需创建多个通道连接同一或不同服务端实例，以构建不同规模的采集负载

性能监控栈

测试期间的资源指标采集采用 cAdvisor + Prometheus + Grafana 组合，整套监控栈与网关容器通过同一 docker compose 文件统一编排：

组件	版本	职责
cAdvisor	v0.51.0	采集容器级资源指标：CPU 使用率、内存（RSS / Cache）、网络收发字节数
Prometheus	latest	每 2s 抓取 cAdvisor `/metrics` 端点，持久化时序数据
Grafana	latest	可视化面板，预配置 cAdvisor Docker 容器监控仪表盘

采集的核心指标：

指标	Prometheus Metric	说明
CPU 使用率	`container_cpu_usage_seconds_total`	按容器维度计算 CPU 使用百分比
内存占用	`container_memory_rss`	常驻内存集（Resident Set Size）
网络接收	`container_network_receive_bytes_total`	容器网络接收字节总量（计算速率）
网络发送	`container_network_transmit_bytes_total`	容器网络发送字节总量（计算速率）

快速启动：

bash

cd deploy/compose/bench && docker compose up -d

服务	访问地址
Grafana	`http://localhost:3000`（admin / admin）
Prometheus	`http://localhost:9090`
cAdvisor	`http://localhost:8080`
ng-gateway	`http://localhost:8978`

结果汇总

数据采集性能表

场景	通道数	设备数/通道	点位数/设备	采集频率	总计点位	点位类型	内存	CPU	网络带宽消耗
1	1	10	1,000	1000 ms	10,000	Float32	67.1 MiB	3.12%	rx: 434.0 kB/s tx: 356.0 kB/s
2	5	10	1,000	1000 ms	50,000	Float32	115.0 Mib	5.71%	rx: 1.32 MB/s tx: 1.19 MB/s
3	10	10	1,000	1000 ms	100,000	Float32	165.0 MiB	8.28%	rx: 2.38 MB/s tx: 1.95 MB/s
4	1	1	1,000	100 ms	1,000	Float32	45.0 MiB	3.50%	rx: 216.0 kB/s tx: 178.0 kB/s
5	5	1	1,000	100 ms	5,000	Float32	51.6 MiB	6.82%	rx: 1.08 MB/s tx: 887.0 kB/s
6	10	1	1,000	100 ms	10,000	Float32	56.3 MiB	9.48%	rx: 2.16 MB/s tx: 1.78 MB/s
7	10	10	1,000	1000 ms	100,000	Float32	165.0 MiB	8.28%	rx: 2.38 MB/s tx: 1.95 MB/s

混合负载性能表

场景	通道数	设备数/通道	点位数/设备	采集频率	总计点位	点位类型	下发方式	下发点位数	测试次数	最小响应时间	最大响应时间	平均响应时间
7	10	10	1,000	1000 ms	100,000	Float32	API	100	100	1.795 ms	113.257 ms	4.194 ms

测试场景与结果详情

场景 1：基础采集

配置：1 通道 · 10 设备 · 1,000 点位/设备 · 1000 ms 周期（总计 10,000 点位）

性能指标

内存	CPU	网络带宽消耗
67.1 MiB	3.12%	rx: 434.0 kB/s tx: 356.0 kB/s

资源监控截图

Scenario 1 Cpu Scenario 1 Memory Scenario 1 Network

场景 2：中等规模采集

配置：5 通道 · 10 设备 · 1,000 点位/设备 · 1000 ms 周期（总计 50,000 点位）

性能指标

内存	CPU	网络带宽消耗
115.0 Mib	5.71%	rx: 1.32 MB/s tx: 1.19 MB/s

资源监控截图

Scenario 2 Cpu Scenario 2 Memory Scenario 2 Network

场景 3：大规模采集

配置：10 通道 · 10 设备 · 1,000 点位/设备 · 1000 ms 周期（总计 100,000 点位）

性能指标

内存	CPU	网络带宽消耗
165.0 MiB	8.28%	rx: 2.38 MB/s tx: 1.95 MB/s

资源监控截图

Scenario 3 Cpu Scenario 3 Memory Scenario 3 Network

场景 4：高频采集（单通道）

配置：1 通道 · 1 设备 · 1,000 点位/设备 · 100 ms 周期（总计 1,000 点位）

性能指标

内存	CPU	网络带宽消耗
45.0 MiB	3.50%	rx: 216.0 kB/s tx: 178.0 kB/s

资源监控截图

Scenario 4 Cpu Scenario 4 Memory Scenario 4 Network

场景 5：高频采集（多通道）

配置：5 通道 · 1 设备 · 1,000 点位/设备 · 100 ms 周期（总计 5,000 点位）

性能指标

内存	CPU	网络带宽消耗
51.6 MiB	6.82%	rx: 1.08 MB/s tx: 887.0 kB/s

资源监控截图

Scenario 5 Cpu Scenario 5 Memory Scenario 5 Network

场景 6：高频采集（大规模）

配置：10 通道 · 1 设备 · 1,000 点位/设备 · 100 ms 周期（总计 10,000 点位）

性能指标

内存	CPU	网络带宽消耗
56.3 MiB	9.48%	rx: 2.16 MB/s tx: 1.78 MB/s

资源监控截图

Scenario 6 Cpu Scenario 6 Memory Scenario 6 Network

场景 7：混合负载（采集 + 下发）

配置：10 通道 · 10 设备 · 1,000 点位/设备 · 1000 ms 周期（总计 100,000 点位）+ 随机指令下发

性能指标（采集）

内存	CPU	网络带宽消耗
165.0 MiB	8.28%	rx: 2.38 MB/s tx: 1.95 MB/s

性能指标（下发）

成功/失败	最小延迟	最大延迟	平均延迟
100 / 0	1,795 ms	113.257 ms	4.194 ms

资源监控截图

Scenario 7 Console Scenario 3 Cpu Scenario 3 Memory Scenario 3 Network

Kafka

Pulsar

ThingsBoard

OPC UA Server

OPC UA 性能基准测试 ​

测试环境 ​

硬件平台 ​

网关部署 ​

测试工具 ​

OPC UA 仿真服务器 ​

性能监控栈 ​

结果汇总 ​

数据采集性能表 ​

混合负载性能表 ​

测试场景与结果详情 ​

场景 1：基础采集 ​

性能指标 ​

资源监控截图 ​

场景 2：中等规模采集 ​

性能指标 ​

资源监控截图 ​

场景 3：大规模采集 ​

性能指标 ​

资源监控截图 ​

场景 4：高频采集（单通道） ​

性能指标 ​

资源监控截图 ​

场景 5：高频采集（多通道） ​

性能指标 ​

资源监控截图 ​

场景 6：高频采集（大规模） ​

性能指标 ​

资源监控截图 ​

场景 7：混合负载（采集 + 下发） ​

性能指标（采集） ​

性能指标（下发） ​

资源监控截图 ​

OPC UA 性能基准测试

测试环境

硬件平台

网关部署

测试工具

OPC UA 仿真服务器

性能监控栈

结果汇总

数据采集性能表

混合负载性能表

测试场景与结果详情

场景 1：基础采集

性能指标

资源监控截图

场景 2：中等规模采集

性能指标

资源监控截图

场景 3：大规模采集

性能指标

资源监控截图

场景 4：高频采集（单通道）

性能指标

资源监控截图

场景 5：高频采集（多通道）

性能指标

资源监控截图

场景 6：高频采集（大规模）

性能指标

资源监控截图

场景 7：混合负载（采集 + 下发）

性能指标（采集）

性能指标（下发）

资源监控截图