说明：
本节数据来自 TDStore 团队在内部实验环境下的12小时长稳压测（sysbench / 写入为主负载）。数据用于体现趋势与量级，不构成对具体硬件/业务场景的性能承诺。
测试 Benchmark
为方便读者复现与解读后续数据，先列出所有测试共用的负载配置：
负载模型
项 | 值 |
压测工具 | sysbench |
负载类型 | 随机 INSERT（写入为主） |
并发线程数 | 256 |
表数量 | 64 |
单轮持续时间 | 12小时（长稳） |
KV 大小特征
底层 TDStore（RocksDB）视角下，每行实际产生两条 KV 记录：
索引 | Key 大小 | Value 大小 |
主键索引（PK） | 8 B | 9,405 B |
二级索引 | 26 B | 4 B |
为什么这样设计？
1. 主键 Value 接近9.4KB：远超常见
min_blob_size（1KB）阈值，会全部被分离到 Blob 文件，能充分体现 KV 分离对写放大的缓解效果。2. 二级索引 Value 极小（4 B）：远低于阈值，不会走 KV 分离路径，可同时验证开启 KV 分离对小 Value 索引的影响（实测无显著反向劣化）。
3. 256线程 × 64张表：避免单表锁竞争掩盖存储引擎层差异，使 Compaction / Blob 文件管理成为真正的瓶颈来源。
说明：
应用到自身业务的换算思路：如果业务平均行长接近10KB（如富文本、JSON 详情、大字段宽表），下述实测数据的提升比例可作为参考；行长越大，KV 分离收益越接近上限。
标准服务器场景（CPU 瓶颈）
测试环境：高配单机服务器，I/O 充裕、CPU 为瓶颈，sysbench 512线程，16 Compaction 线程，跑12小时。在这种配置下，KV 分离主要观察"会不会引入额外开销"，理论收益不大。
方案 | 平均 QPS | 性能曲线特征 |
不开启 KV 分离 | 18,573 | 受 pending_bytes 缓写控制，宏观下降明显；扩 Level 时停写，微观波动大 |
KV 分离 + 强制 GC | 21,170 ⬆️ 约14% | 宏观下降轻微（Blob 数控制良好）；微观受 L0 堆积影响波动较大 |
KV 分离 + 动态合并小 Blob | 20,918 ⬆️ 约13% | 微观最平稳；需配合调大 level0_file_num_compaction_trigger 以控制 Blob 文件数 |
关键观察：
1. 写入更稳定：开启 KV 分离后几乎没有缓写（Stall），相比 baseline 的"缓写→停写→恢复"循环更平滑。
2. 下降更可控：baseline 的性能下降来自
pending_bytes 累积；KV 分离下的下降来自 Blob 文件数累积，前者随数据量加速下降，后者上限可调。3. 即使在 CPU 瓶颈下，KV 分离仍能取得13~14%的吞吐提升，未观察到反向劣化。
云盘场景（I/O 瓶颈）
测试环境：通过 cgroup 将磁盘读写带宽各限制为300MB/s，sysbench 128线程，8 Compaction 线程，更贴近真实云上部署环境。
标准配置（默认 LSM 形状）
默认配置：L0不压缩、L1标准大小
方案 | 平均 QPS | 相对 baseline |
不开启 KV 分离 | 4,213 | — |
KV 分离（动态合并 Blob，受控） | 7,087 | ⬆️ +68% |
KV 分离 + 高压期关闭合并 Blob | 9,177 | ⬆️ +118% |
调优配置（LSM-Tree 拉宽 + L0 压缩）
优化配置：
compression_per_level = LZ4:LZ4:ZSTD:...、max_bytes_for_level_base = 1 GB方案 | 平均 QPS | 相对 baseline |
不开启 KV 分离 | 10,920 | — |
KV 分离（动态合并 Blob） | 11,829 | ⬆️ +8% |
KV 分离 + 高压期关闭合并 Blob | 15,702 | ⬆️ +44% |
关键观察：
1. I/O 瓶颈场景是 KV 分离的最佳舞台：默认配置下吞吐直接翻倍，原因是 Compaction 不再为大 Value 抢占宝贵的 I/O 带宽，留给前台写入与 Raft Log 的带宽显著增加。
2. P95长尾改善：即便平均 QPS 波动稍大，开启 KV 分离后 P95 尾延迟普遍优于 baseline。
3. 高压写入下"暂停 Blob 合并"是更优策略：合并 Blob 自身也需要 I/O，写压力大时短暂关闭、待低峰期再开启，是云盘环境下推荐的运维实践。
实测结论
CPU 瓶颈场景：KV 分离 ≈ 持平 ~ +14%（稳定性大幅改善）
I/O 瓶颈场景：KV 分离 ≈ +44% ~ +118%（吞吐显著提升）
➜ 越是 I/O 受限、Value 越大，KV 分离收益越显著
维度 | 关闭 KV 分离 | 开启 KV 分离 |
吞吐天花板 | 受 Compaction 写放大限制 | 显著提升（I/O 瓶颈下尤甚） |
缓写（Stall） | 频繁，随数据增长加剧 | 几乎消除 |
微观抖动 | 大（pending_bytes 周期变化） | 小（合并 Blob 周期影响） |
宏观下降趋势 | 持续下降 | 趋于平稳 |
磁盘写量 | 高（大 Value 反复写） | 低（大 Value 一次写入） |
调参复杂度 | 低 | 中（需平衡 GC、合并、L0阈值） |
推荐配置一句话总结：
业务侧只需开启
enable_blob_files + min_blob_size=1024 + enable_blob_garbage_collection（参见 快速开始）DBA 进一步调优
