大偏移量下Redis、MongoDB分页/排名性能比较
来源:程序员人生 发布时间:2014-12-19 08:32:37 阅读次数:3358次
题目其实其实不太准确,由于数据库其实不会提供分页、排名等功能,提供的只是数据的存取,分页排名这些都是我们基于数据库的实用案例而已。但是不管是Redis还是MongoDB,通常都有1些常规的做分页和排名的方法。本文就通过1些测试数据来向大家介绍Redis和MongoDB(和传统关系型数据库)在这方面的性能差别。
分页
首先我们来做1个分页,在MongoDB中示例数据以下所未:
db.scores.find();
{lid: ObjectId("4fe506dabb2bfa742d000001"), score: 1, name: 'user_1'}
{lid: ObjectId("4fe506dabb2bfa742d000001"), score: 2, name: 'user_2'}
{lid: ObjectId("4fe506dabb2bfa742d000001"), score: 3, name: 'user_3'}
{lid: ObjectId("4fe506dabb2bfa742d000001"), score: 4, name: 'user_4'}
其中lid字段用于辨别不同的纬度,主要用在挑选上,在测试collection中,1共有5个不同的lid值,每个对应1,200,000条数据,1共6,000,000条数据。索引在lid 和 score上。(下面的查询能使用到索引)
然后我们进行下面的性能测试:
collection = Mongo::Connection.new.db('test').collection('scores')
Benchmark.bmbm do |x|
x.report("mongo small") do
100.times do |i|
collection.find({:lid => lids.sample}, {:fields => {:_id => false, :score => true, :user => true}}).sort({:score => ⑴}).limit(20).skip(i * 20).to_a
end
end
x.report("mongo medium") do
100.times do |i|
collection.find({:lid => lids.sample}, {:fields => {:_id => false, :score => true, :user => true}}).sort({:score => ⑴}).limit(20).skip(i * 1000).to_a
end
end
x.report("mongo large") do
100.times do |i|
collection.find({:lid => lids.sample}, {:fields => {:_id => false, :score => true, :user => true}}).sort({:score => ⑴}).limit(20).skip(i * 10000).to_a
end
end
end
上面分别对skip条数比较小,中等大小和非常大3种情况进行了测试。而limit指定获得的数据都1样是20条。这3种情况下的测试结果分别是:0.6 秒, 17 秒,173 秒。
我们可以看到,对MongoDB来讲,skip的大小严重影响性能,应当严格避免特别大的skip操作。
下面我们将类似的数据用Redis的Sorted Sets进行存储。并进行相应的性能测试
redis = Redis.new(:driver => :hiredis)
Benchmark.bmbm do |x|
x.report("redis small") do
100.times do |i|
start = i * 20
redis.zrevrange(lids.sample, start, start + 20, :with_scores => true)
end
end
x.report("redis medium") do
100.times do |i|
start = i * 1000
redis.zrevrange(lids.sample, start, start + 20, :with_scores => true)
end
end
x.report("redis large") do
100.times do |i|
start = i * 10000
redis.zrevrange(lids.sample, start, start + 20, :with_scores => true)
end
end
这里skip的值和上面MongoDB中是1样的,那末Redis的表现如何呢。这3种情况下的测试结果分别是:0.028 秒, 0.025 秒, 0.028 秒。
采取类似于MongoDB的数据结构存储在PostgreSQL中并进行相同的测试,其结果比MongoDB还要差1点。具体结果以下:
mongo small 0.6
mongo medium 17
mongo large 173
redis small 0.028
redis medium 0.025
redis large 0.028
pg small 1
pg medium 122
pg large 650
排名
排名功能与分页功能类似,不同的是排名是通过计算大于某个值的条数来做的。
比如:
//sql
select count(*) from scores where lid = $1 and score > $2
//mongo
db.scores.find({lid: lid, score: {$gt: score}}).count()
由于排名和分页实现原理上类似,所以结果实际上差不多。测试结果以下:
mongo top rank 1.155847
mongo average 22.291007
redis top rank 0.169442
redis average 0.162205
pg top rank 0.714144
pg average 21.771570
结论
上面做了对照,那末本文要说1个甚么问题呢?
首先,在MongoDB中,尽可能避免进行比较大的skip操作,比如在分页中,如果你能知道需要获得数据的上1条score是多少,那末可能能够用下面的方法来获得你要的数据,而不是通过1次很大的skip操作。
db.scores.find({lid: lid, score: {$lt: last_score}}).sort({score: ⑴}).limit(20)
另外,如果你需要进行比较大的skip操作或count比较大的数量,那末可以斟酌采取Redis的Sorted Sets来做。
后记
本文在微博上引发了1些技术朋友的讨论,对对照的问题这里做1个说明。
我 们知道,Redis是内存数据库,而MongoDB不是,所以有朋友质疑这里的对照是不是只是内存与磁盘的对照。实际上这1说法不无道理,上面的测试数据出 自原作者文章,其文章也并未提及MongoDB是不是都在内存中。根据我个人的实验结果,当数据全部能够在内存中时,确切不会出现如本文中所说的 MongoDB性能严重差异。但是,随着skip的变大,操作时间还是在显著变长,而Redis的Sorted Sets则相对稳定。
同时也欢迎更多实验对照数据和原理分析的讨论。感谢大家。
生活不易,码农辛苦
如果您觉得本网站对您的学习有所帮助,可以手机扫描二维码进行捐赠