数据库

今天通过一个实验比较了一下MongoDB和MySQL的性能，注意这个比较只反映了我们这个应用场景下的情况，并不能代表普遍的情况。

我们希望存储一些视频历史上的流量，需要存1年的时间，每天活跃的视频在百万数量级，流量用整型表示就可以了。在我们的应用中，写性能是优先考虑的因素，所以第一步的实验主要比较写入的性能，由于存储的数据是被单一应用(进程)独享的，sqlite也满足我们的应用场景，因此我们同时也测试了sqlite的写入性能。

实验环境：

单台服务器 RHEL 5.5 64bit，双核 Intel(R) Xeon(R) CPU 5130 @ 2.00GHz CPU，8G内存，本地磁盘。

测试程序(python)：

MySQL: MySQLdb

Sqlite: pysqlite2

MongoDB: pymongo

DB Schema：

1. MySQL (InnoDB) & Sqlite:

CREATE TABLE `inventory` (
  `date` DATE NOT NULL,

  `id` INT(11) NOT NULL,
  `views` INT(11) NOT NULL,

  PRIMARY KEY (`date`, `id`));

2. MongoDB index

inventory.create_index([('date',ASCENDING), ('id',ASCENDING)], unique=True, dropDups=True)

测试方法：

在我们的应用场景中，会随机地插入或更新任意一个item上今天的流量。因此我们测试按id随机顺序插入和更新，首先插入一百万条数据，然后再更新这一百万条数据。对于MongoDB，插入和更新都用update方法：

inventory.update({'date':date, 'id':id}, {'$inc':{'views':1000}}, True)

测试结果：

其中MySQL和Sqlite的结果是在以128K条数据为一个transaction批量插入和更新的条件下得到的，如果改为一条一条插入和更新，MySQL的插入和更新时间增加约30%，而Sqlite的性能则下降到无法接受，参见我前面的一个测试 。看来这样使用MongoDB的性能并不是太好，还需要进一步测试在我们的应用场景下如何使用MongoDB才能提高性能。