nginx_tcp_to_blackhole
本测试用于验证 nginx_tcp_to_blackhole 场景下的引擎性能（Mac M4 Mini，日志解析+转换）。
场景描述
本场景可概括为：Nginx 访问日志，TCP 输入到 BlackHole 输出，执行 日志解析+转换 能力。
本测试旨在评估 WarpParse 与 Vector 两款引擎在 Nginx 访问日志 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: BlackHole 输出，用于验证链路吞吐能力。
- 预期行为:
- 解析与转换链路正确执行，字段映射/增强结果与规则期望一致。
- 高负载下转换不成为瓶颈，整体吞吐稳定，延迟可控。
- 性能与资源指标可正常采集，用于后续对比与回归。
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 | BlackHole | 1,219,100 | 277.87 | 485.37 %/625.20 % | 415.22 MB/440.52 MB |
| Vector | TCP | BlackHole | 870,500 | 198.41 | 514.06 %/639.90 % | 238.50 MB/258.02 MB |
结论
在本测试场景（Nginx 访问日志，TCP 输入到 BlackHole 输出，执行 日志解析+转换 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 1,219,100 EPS，约是 Vector (870,500 EPS) 的 1.40 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 使用率更低（485.37 % vs 514.06 %）。
- 内存: WarpParse 的内存占用更高（415.22 MB vs 238.50 MB）。
总结: WarpParse 在该场景下展现了卓越的吞吐性能（领先约 1.40 倍），同时保持了更低的 CPU 占用。对于追求高吞吐量的日志处理场景，WarpParse 是更优的选择。