aws_tcp_to_file
本测试用于验证 aws_tcp_to_file 场景下的引擎性能（Mac M4 Mini，日志解析）。
场景描述
本场景可概括为：AWS ELB 日志，TCP 输入到 File 输出，执行 日志解析 能力。
本测试旨在评估 WarpParse 与 Vector 两款引擎在 AWS ELB 日志 处理场景下的表现。
设计
- 测试目标: 对比两引擎在该日志场景下的吞吐、延迟、CPU/内存使用。
- 输入配置: TCP 输入，覆盖高并发/大吞吐压测场景。
- 输出配置: File 输出，用于验证链路吞吐能力。
- 预期行为:
- 高频日志稳定消费，不丢失、不乱序，字段提取正确。
- 在对应输入/输出链路下持续跑满数据源，不出现明显 backpressure。
- 监控指标可正常采集，用于后续性能对比。
Results（Mac M4 Mini）
| 引擎 | 输入模式 | 输出模式 | 消费速率(EPS) | MPS | CPU平均/峰值 | 内存平均/峰值 |
|---|---|---|---|---|---|---|
| WarpParse | TCP | File | 347,800 | 136.32 | 495.90 % / 615.00 % | 481.30 MB / 847.70 MB |
| Vector | TCP | File | 74,700 | 29.28 | 374.47 % / 409.50 % | 264.70 MB / 273.64 MB |
结论
在本测试场景（AWS ELB 日志，TCP 输入到 File 输出，执行 日志解析 能力）中，对比 WarpParse 与 Vector 的性能表现，得出以下结论：
-
吞吐性能: WarpParse 表现出显著优势。
- 消费速率达到 347,800 EPS，约是 Vector (74,700 EPS) 的 4.66 倍。
- 这意味着在相同硬件资源下，WarpParse 能够处理更大规模的数据流量。
-
系统资源开销:
- CPU: WarpParse 的 CPU 使用率更高（495.90 % vs 374.47 %）。
- 内存: WarpParse 的内存占用更高（481.30 MB vs 264.70 MB）。
总结: WarpParse 在该场景下展现了卓越的吞吐性能（领先约 4.66 倍），虽然在资源消耗上略有增加，但考虑到数倍的性能提升，整体能效比极高。对于追求高吞吐量的日志处理场景，WarpParse 是更优的选择。