MySQL与MongoDB聚合性能

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了MySQL与MongoDB聚合性能，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2206字，纯文字阅读大概需要4分钟。

内容图文

我目前正在为我的应用程序测试一些数据库.主要功能是数据聚合(类似于此处的人员：Data aggregation mongodb vs mysql).

我正面临着同样的问题.我创建了样本测试数据. mysql端没有连接,它是一个innodb表.它是一个1600万行的数据集,我正在对整个表进行求和和计数,没有任何过滤器,因此我可以比较每个聚合引擎的??性能.在这两种情况下,所有数据都适合存储在内存中.在这两种情况下,都没有写负载.

使用MySQL(5.5.34-0ubuntu0.12.04.1),我得到的结果总是在2.03和2.10秒左右.
使用MongoDB(2.4.8,Linux 64位)时,我得到的结果始终在4.1到4.3秒之间.

如果我对索引字段进行一些过滤,则MySQL结果时间将下降到1.18和1.20左右(处理的行数恰好下降到数据集的一半).
如果我对MongoDB上的索引字段执行相同的过滤,结果时间将仅下降到3.7秒左右(再次处理一半的数据集,我对匹配条件进行了解释确认).

我的结论是：
1)我的文档设计极差(确实可以),或者
2)MongoDB聚合框架确实不符合我的需求.

问题是：我该怎么做(就especific mongoDB配置,文档建模等而言)以使Mongo的结果更快？这是MongoDB不适合的情况吗？

我的表和文档模式：

| events_normal |

CREATE TABLE `events_normal` (
  `origem` varchar(35) DEFAULT NULL,
  `destino` varchar(35) DEFAULT NULL,
  `qtd` int(11) DEFAULT NULL,
  KEY `idx_orides` (`origem`,`destino`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1 |

{
    "_id" : ObjectId("52adc3b444ae460f2b84c272"),
    "data" : {
        "origem" : "GRU",
        "destino" : "CGH",
        "qtdResultados" : 10
    }
}

提及的索引字段和过滤字段是“原始”和“目标”.

select sql_no_cache origem, destino, sum(qtd), count(1) from events_normal group by origem, destino;
select sql_no_cache origem, destino, sum(qtd), count(1) from events_normal where origem="GRU" group by origem, destino;

db.events.aggregate( {$group: {         _id: {origem: "$data.origem", destino: "$data.destino"},         total: {$sum: "$data.qtdResultados" },         qtd: {$sum: 1}     }  } )
db.events.aggregate( {$match: {"data.origem":"GRU" } } , {$group: {         _id: {origem: "$data.origem", destino: "$data.destino"},         total: {$sum: "$data.qtdResultados" },         qtd: {$sum: 1}     }  } )

谢谢！

解决方法:

聚合并不是MongoDB最初设计的目的,因此它并不是最快的功能.

当您真的想使用MongoDB时,可以使用分片,以便每个分片都可以处理其在聚合中的份额(请确保以每个组仅位于一个集群上的方式选择分片密钥,否则您将获得相反的效果) ).但是,这将不再是与MySQL的公平比较,因为MongoDB集群将使用更多的硬件.

内容总结

以上是互联网集市为您收集整理的MySQL与MongoDB聚合性能全部内容，希望文章能够帮你解决MySQL与MongoDB聚合性能所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端