R对MongoDB的性能测试——RMongo-mongodb 性能测试

在九月初的时候，RMongoDB正式发布了修订版本，这也就意味着，从事数值计算的语言也可以于Nosql产品相接轨了，但是鉴于我身边并没有公司真的在使用R和MongoDB的结合，所以在效率问题上，我们也不敢掉以轻心，所以就做了一个这样的测试。

测试环境是8核，64位机。用于测试的库是一个未经Sharding，大概30G左右的Collection。用于存储用户的喜好信息，标签信息等数据。

library(rmongodb)   
 
mongo <- mongo.create()  
 
if(mongo.is.connected(mongo))  
{  
    ns <- 'rivendell.user' 
    print('查询一个没有索引的字段，查询一条')  
    print(system.time(p <- mongo.find.one(mongo,ns,list(Friend=600))))  
    print('查询一个没有索引的字段，多条,without buffer')  
    print(system.time(p <- mongo.find(mongo,ns,list(Friend=600))))  
    print('看看是否有缓存策略')  
    print(system.time(p <- mongo.find(mongo,ns,list(Friend=600))))  
 
    print('查询一个没有索引的字段，多条,has buffer')  
    buf <- mongo.bson.buffer.create()  
    mongo.bson.buffer.append(buf,'Friend',600L)  
    query <- mongo.bson.from.buffer(buf)  
    print(system.time(p <- mongo.find(mongo,ns,query)))  
    print('看看是否有缓存策略')  
    buf <- mongo.bson.buffer.create()  
    mongo.bson.buffer.append(buf,'Friend',600L)  
    query <- mongo.bson.from.buffer(buf)  
    print(system.time(p <- mongo.find(mongo,ns,query)))  
 
    print('大于的查询，查询一条记录')  
    print(system.time(p <- mongo.find.one(mongo,ns,list(Friend=list('$gt'=600L)))))  
    print('大于的记录，查询多条记录')  
    print(system.time(cursor <- mongo.find(mongo,ns,list(Friend=list('$gt'=600L)))))  
    mongo.cursor.destroy(cursor)  
 
    print('查询一条有索引的记录')  
    print(system.time(p <- mongo.find.one(mongo,ns,list('_id'=3831809L))))  
    print('查询索引的记录')  
    print(system.time(p <- mongo.find(mongo,ns,list('_id'=3831809L))))  
 
    print('插入一条记录')  
    buf <- mongo.bson.buffer.create()  
    mongo.bson.buffer.append(buf,'name',"huangxin")  
    mongo.bson.buffer.append(buf,'age',22L)  
    p <- mongo.bson.from.buffer(buf)  
    print(system.time(mongo.insert(mongo,ns,p)))  
 
    print('找到刚刚插入的记录')  
    print(system.time(p <- mongo.find.one(mongo,ns,list('name'='huangxin'))))  
    if(!is.null(p))  
    {  
        print('success')  
    }  
 
    print('批量插入')  
 
    buf <- mongo.bson.buffer.create()  
    mongo.bson.buffer.append(buf,'name','huangxin')  
    mongo.bson.buffer.append(buf,'age',22L)  
    p1 <- mongo.bson.from.buffer(buf)  
 
    buf <- mongo.bson.buffer.create()  
    mongo.bson.buffer.append(buf,'name','huangxin')  
    mongo.bson.buffer.append(buf,'age',22L)  
    p2 <- mongo.bson.from.buffer(buf)  
 
    buf <- mongo.bson.buffer.create()  
    mongo.bson.buffer.append(buf,'name','huangxin')  
    mongo.bson.buffer.append(buf,'age',22L)  
    p3 <- mongo.bson.from.buffer(buf)  
 
    print(system.time(mongo.insert.batch(mongo,ns,list(p1,p2,p3))))  
 
    print('找到刚刚批量插入的记录')  
    print(system.time(cursor <- mongo.find(mongo,ns,list('name'='huangxin'))))  
 
    i <- 0  
    while(mongo.cursor.next(cursor))  
    {  
        i <- i + 1  
    }  
    print(i)  
 
    print('批量更新')  
    print(system.time(mongo.update(mongo,ns,list(name='huangxin'),list('name'= 'kym'))))  
 
    print('查看更新是否成功')  
    print(system.time(p <- mongo.find.one(mongo,ns,list('name'='kym'))))  
    if(!is.null(p))  
    {  
        print('success')  
    }  
 
    print('批量删除')  
    print(system.time(mongo.remove(mongo,ns,list(name='kym'))))  
}  
 
    print(system.time(p <- mongo.find.one(mongo,ns,list('name'='kym'))))  
    if(!is.null(p))  
    {  
        print('success')  
    }

[1] "查询一个没有索引的字段，查询一条" 
user system elapsed  
0.000 0.000 0.115  
[1] "查询一个没有索引的字段，多条,without buffer" 
user system elapsed  
0.000 0.000 32.513  
[1] "看看是否有缓存策略" 
user system elapsed  
0.000 0.000 32.528  
[1] "查询一个没有索引的字段，多条,has buffer" 
user system elapsed  
0.000 0.000 32.685  
[1] "看看是否有缓存策略" 
user system elapsed  
0.000 0.000 33.172  
[1] "大于的查询，查询一条记录" 
user system elapsed  
0.000 0.000 0.001  
[1] "大于的记录，查询多条记录" 
user system elapsed  
0.000 0.000 0.014  
[1] "查询一条有索引的记录" 
user system elapsed  
0 0 0  
[1] "查询索引的记录" 
user system elapsed  
0 0 0  
[1] "插入一条记录" 
user system elapsed  
0 0 0  
[1] "找到刚刚插入的记录" 
user system elapsed  
0.00 0.00 35.42  
[1] "success" 
[1] "批量插入" 
user system elapsed  
0 0 0  
[1] "找到刚刚批量插入的记录" 
user system elapsed  
0.004 0.000 35.934  
[1] 7  
[1] "批量更新" 
user system elapsed  
0.000 0.004 0.000  
[1] "查看更新是否成功" 
user system elapsed  
0.000 0.000 67.773  
[1] "success" 
[1] "批量删除" 
user system elapsed  
0 0 0  
user system elapsed  
0.000 0.000 91.396

之前我一直不太理解的就是为什么大于和等于，差距会差这么多。后来当我在用Python去做同样的测试的时候发现，Python两者的效率其实是相同的，所以这就证明了这个不是MongoDB的问题，而我不相信在数据库层面，一个语言的Driver会有这么大的差别。

后来我发现了Python和R的关于MongoDB Driver的一个区别。首先，Python find的时候，不是将查询到的数据集整体拉回，而是返回一个cursor，也就是说，他在执行find命令的时候并不消耗时间，而如果加上while cursor.next()的时候，才会真正地去执行这个查询。

但是R不一样，R会首先考虑数据集的大小（或者其他情况），然后视情况而定地返回cursor还是将整个数据集整体拉回。如果我们将之前的while mongo.cursor.next(cursor)也算在计算时间的时候，那么我们就会发现，其实大于和等于的操作，效率相差并不明显了.......

在实际操作中，批量插入是一个非常常见的应用场景，但是对于R或者Matlab语言来说，循环的效率一直是硬伤，所以接下来，我会尝试着用apply系列来解决R语言的循环问题，如果实际操作发现可行，那么接下来使用mutilab等R的并行计算库来充分发挥多核的效率也值得尝试了！

原文链接：http://www.cnblogs.com/kym/archive/2011/09/26/2191501.html

【编辑推荐】