iTwin性能测试报告：平台属性支撑业务拓展

shunnai.zhao — Mon, 14 Sep 2020 05:05:54 GMT

Current Revision posted to 技术资料库 by shunnai.zhao on 9/14/2020 5:05:54 AM

在刚刚结束的"Bentley软件在线技术峰会"上，与大家分享了数字城市相关的内容，在末尾提到了iTwin相关的一些性能指标。会后，很多的朋友咨询细节的信息，特别是作为数字平台选型时和核心考量因素。在这里我尝试做一些拓展，供大家参考。

错过技术峰会的朋友，如果想获得会议的PPT，在本公众号里回复 “数字城市”，便可得到我所讲内容的PPT（PDF版本），更多的技术峰会资料，也请关注Bentley的官方微信，我们的同事正在收集整理，随后也会分享。

如果对于一些细节，你想参考我当时的视频讲解，你可以在公众号里回复“我要听你掰扯”，便可得到讲解的视频链接。
本文的内容主要是对讲解内容最后的性能指标做一些解读，但也加入了一些附属内容，分为两部分：iTwin相关的背景内容+iTwin性能测试解读。
看似第一部分内容与题目有点脱离，但对于整个基础设施行业数字化来讲，也是必不可少的一部分。

本文的主要内容是探讨iTwin在Web端渲染能力。在后续的内容里，我们会逐渐介绍iTwin相关的其他功能、性能指标，以及与数字化实施相关的Maturity内容，也就是针对于一个企业的如何实施数字成熟度的评估、业务目标定义和实施。

iTwin背景内容：数据驱动价值，不可避免的行业转型

从BIM到数字孪生，意味着整个产业链的数据协同更加紧密。
简单说，就是业主钱袋子看得紧了，要真正看到效益了。无论是二维图纸，还是三维的BIM，还是最新的数字孪生，目的只有一个：让数据产生更多价值。再简单说就是，从“好看”到真正的“好用“。要禁得住时间的考验，这个“时间”就是全生命周期。
是lifecycle，可持续基础设施行业的循环；不是lifespan，设计，施工，运维，退役，然后就没了；
数据在全生命周期中，被不断的被积累、迭代、优化，周而复始，提升整个过程的决策，降低风险（不可能完全避免），提高生产力和抗变能力（Resilience）。
Bentley的CTO，Keith Bentley先生讲到为何要用数字孪生时，有如下的描述：

“..Digital twins offer an immersive view of the truth. Having an immersive view of the truth affords you many advantages. The primary one is better decision making. Better decision-making drives reduced risk, which results in more resilient, safer, and higher performing infrastructure...”

这是价值，也是原因，更是整个行业面对的境况，我们可以称之为挑战、机遇什么的。也需要解决这些问题，在已有的经验基础上，进一步深化就找到了一些方法，这个方法就是BIM成熟度模型中的Level3，也就是iBIM，也就是数字孪生。

或者说，叫什么不重要，重要的是我们需要面对两件非常具体的事情：

面向终极的数据应用，无论是设计、施工、还有运维咨询等。都必须围绕“让数据产生价值，创建的数据有用才是核心”这一主题。
本企业数字化实施：如何花点钱（不仅仅是软件）、花点时间（调整）、投点人（人力投入）、做些调整（架构、角色）来被动满足客户要求（不仅仅是业主，层层..是常态），或者主动做技术架构调整并配合业务转型（中长期占领新的业务领域，新的领域是什么？大家都看到了）。

这两个事情，一个是“What是什么”的问题，是我们必须要具备的认识；另一个是“How怎么干”的问题，是让投入更加有价值的问题。
我们也可以称之为两种服务Service：

技术术层面的“数据云服务Cloud Services”
实施层面的“数字化成熟度服务Digial Maturity”。

Bentley的User Success理念就是围绕第二点的目的来设计的，我们后续会在另外的文章中探讨。我们首先放在数据云服务方面，也渐渐回到本文的题目上来（虽然扯得有点远，但这是必备的内容）。

基础设施的云服务，简而言之就是：干什么（业务需求），用什么（数据平台），怎么干（业务流程），怎么控制（数据质量）。
具体的某个技术选型上，就分为了三个方面：

平台功能：与业务密切匹配，例如支持GIS，支持设计浏览，支持数据校验，支持内容对比，数据可视化等。这些都是以不同的服务出现的。
平台性能：在各种场景下的，指标表现，换言之，就是怎么把看似能干的事情干好的问题。例如，对于一个城市级的项目，几十G是常态，虽然，需要各种数据优化，但仍然面临着巨大的数据压力。
数据质量：与设计解决方案不同，对于数字平台来讲，需要兼容各种类型的数据格式，同时保证有用的信息无损（不可能做到完全无损）。这通过《建模导则》从流程层面保证数据的质量，同时，需要注意正确的工作流程对数据进行处理，虽然，我们都设想“随便建，都能用”，但最好别给自己，别给后面添麻烦。

我们最后再准确的聚焦在题目上：Bentley的iTwin数据平台具有优异的性能表现，虽然是王婆卖瓜，但如下内容从瓜的大小、甜度、口感等诸多因素来说明瓜的优良品质。下面开始第二部分内容。

iTwin性能指标测试：平台属性支持数据业务拓展

注意：此测试是在5月份基于iModeljs2.0初版更新进行测试，最新iModeljs版本是2.4.0，已经又迭代了四个小版本。新版本在功能和性能上，又有了很多的提升。具体的细节，你可以浏览 www.iModelJS.org了解细节内容。

iModel.js站点

最新版本为2.4.0版本

具体测试内容如下：

■ | 测试说明

1. 测试指标：iTwin平台性能由多项性能指标进行描述，需要不同的测试方案进行评测。例如：Bridge转换能力，移动端渲染能力等。每种性能需要不同的测试环境和评测指标。本测试只用来测试iTwin平台“Web端模型渲染能力“。
2. 性能说明：本测试采用有限的硬件配置条件，测试结果只表明在此硬件、网络等条件下，iTwin平台Web端渲染能力。不代表iTwin平台的最佳性能。
3. 速度差异： iTwin采用“缓存机制”和“自动LOD”策略，优化Web端渲染速度。第一次加载项目时，在服务器端建立显示瓦片，第二次就无需此过程，提升加载速度。iTwin根据视图大小和对象数，自动进行精细度调整（LOD），视图变化时，只是加载差额即可。
本测试结果，首先在客户端1加载项目，所以，初次时间稍长，而加载完毕后，客户端2、3再次访问时，虽然此客户端是“初次”，但加载速度大幅提升。

4. 测试环境：本测试软硬件环境： a. 阿里云环境：1种配置；

b. 浏览器版本：2种客户端：i. Google Chrome；ii. Microsoft Edge；
c. 客户端硬件：3种客户端配置及带宽条件。

i. 客户端1：ThinkPad P50，“低配置，低网络连接质量（国际连接），笔记本” * 此笔记本显卡型号低（4年前），但全景视图最低帧率仍然可达30帧左右。区域视图和细节视图可达60帧。

ii. 客户端2：家用组装台式机，“中配置，普通宽带连接（家用100M，深圳），家用台式机”。* 此台式机为家用中低价位配置，所有的视图都可达60帧左右。

iii. 客户端3：“主流配置，高速宽带连接（家用500M，北京），商用笔记本”、* 此笔记本为主流配置，所有视图渲染帧率都在60帧左右，全局视图几乎2秒加载，详细视图5-17秒内加载。

5. 测试数据：6种大小DGN测试数据，对象数目15-109万（专业对象，非简单图元）；

6. 测试视图：全局视图（依据不同的项目规模，对象数为15-109万）；区域视图（8万对象）；细节视图（2.8万对象）。

■ | 测试方式

本测试采用如下方法

1. 固化服务器配置、带宽、模型数据，采用固定的测试步骤来测试性能指标；2. 采用三个客户配置进行测试。测试前采用ping命令，测试与iTwin服务器的连接速度。用speedtest.net测试宽带的接入速度。3. 使用不同大小的数据规模测试iTwin云平台Web端渲染性能。4. 选取3个代表性的视图，分初次、二次，测试每个视图的加载时间，记录静态帧率和动态旋转帧率。

具体测试步骤为：

■ | 测试结果
1. 初始化速度

项目初始化为，点击项目特定版本，初始化服务器缓存所用时间，其中，“初次初始化”只在项目第一次启动时发生。初次初始化时间，取决于于项目对象数量和复杂度。一旦初始化完成，在网络质量良好情况下，初始化速度大幅提升，几乎无需等待。

2. 视图加载速度

视图加载采用缓存机制，在客户机2、3上，视图的加载速度几乎忽略不计。特别是对大模型的快速加载。

3. 视图渲染帧率

视图渲染帧率取决于如下因素：

1. 视图内对象数量，视图大小与对象大小的关系决定LOD精细度。

2. 客户端内存、显卡性能。特别是显卡的性能，由于客户端1显卡比较老，帧率有所下降，但仍处于可接受状态。

视图加载同样采用缓存机制，在网络条件良好情况下，对于大模型加载速度时间几乎可以忽略不计。

由于不同项目选择相同的区域视图范围和细节视图范围，构件数量和LOD几乎一致。所以，结果几乎相同。不同项目全局视图对象数量差异很大，帧率会有差别。

完整测试结果如下所示：

最后，我们再回到数字城市的话题，现在数字平台的项目，基本都会涉及多种数据的融合，而且数据体量都比较大。所以，对于大数据的支撑是非常关键的评判指标，此测试作为一个参考。同时，当我们测试指标时，应该尽可能全面的考量相关因素。特别是数据质量的影响。如何控制数据质量，将是另外一个非常重要的内容。