R对MongoDB的性能测试——RMongo

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。

1. library(rmongodb)     
2. mongo <- mongo.create()    
3. if(mongo.is.connected(mongo))   {  
4.     ns <- 'rivendell.user'      print('查询一个没有索引的字段，查询一条')  
5.     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')  
6.     print(system.time(p <- mongo.find(mongo,ns,list(Friend=600))))       print('看看是否有缓存策略')  
7.     print(system.time(p <- mongo.find(mongo,ns,list(Friend=600))))    
8.     print('查询一个没有索引的字段，多条,has buffer')       buf <- mongo.bson.buffer.create()  
9.     mongo.bson.buffer.append(buf,'Friend',600L)       query <- mongo.bson.from.buffer(buf)  
10.     print(system.time(p <- mongo.find(mongo,ns,query)))       print('看看是否有缓存策略')  
11.     buf <- mongo.bson.buffer.create()       mongo.bson.buffer.append(buf,'Friend',600L)  
12.     query <- mongo.bson.from.buffer(buf)       print(system.time(p <- mongo.find(mongo,ns,query)))  
13.       print('大于的查询，查询一条记录')  
14.     print(system.time(p <- mongo.find.one(mongo,ns,list(Friend=list('$gt'=600L)))))       print('大于的记录，查询多条记录')  
15.     print(system.time(cursor <- mongo.find(mongo,ns,list(Friend=list('$gt'=600L)))))       mongo.cursor.destroy(cursor)  
16.       print('查询一条有索引的记录')  
17.     print(system.time(p <- mongo.find.one(mongo,ns,list('_id'=3831809L))))       print('查询索引的记录')  
18.     print(system.time(p <- mongo.find(mongo,ns,list('_id'=3831809L))))    
19.     print('插入一条记录')       buf <- mongo.bson.buffer.create()  
20.     mongo.bson.buffer.append(buf,'name',"huangxin")       mongo.bson.buffer.append(buf,'age',22L)  
21.     p <- mongo.bson.from.buffer(buf)       print(system.time(mongo.insert(mongo,ns,p)))  
22.       print('找到刚刚插入的记录')  
23.     print(system.time(p <- mongo.find.one(mongo,ns,list('name'='huangxin'))))       if(!is.null(p))  
24.     {           print('success')  
25.     }    
26.     print('批量插入')    
27.     buf <- mongo.bson.buffer.create()       mongo.bson.buffer.append(buf,'name','huangxin')  
28.     mongo.bson.buffer.append(buf,'age',22L)       p1 <- mongo.bson.from.buffer(buf)  
29.       buf <- mongo.bson.buffer.create()  
30.     mongo.bson.buffer.append(buf,'name','huangxin')       mongo.bson.buffer.append(buf,'age',22L)  
31.     p2 <- mongo.bson.from.buffer(buf)    
32.     buf <- mongo.bson.buffer.create()       mongo.bson.buffer.append(buf,'name','huangxin')  
33.     mongo.bson.buffer.append(buf,'age',22L)       p3 <- mongo.bson.from.buffer(buf)  
34.       print(system.time(mongo.insert.batch(mongo,ns,list(p1,p2,p3))))  
35.       print('找到刚刚批量插入的记录')  
36.     print(system.time(cursor <- mongo.find(mongo,ns,list('name'='huangxin'))))    
37.     i <- 0       while(mongo.cursor.next(cursor))  
38.     {           i <- i + 1  
39.     }       print(i)  
40.       print('批量更新')  
41.     print(system.time(mongo.update(mongo,ns,list(name='huangxin'),list('name'= 'kym'))))    
42.     print('查看更新是否成功')       print(system.time(p <- mongo.find.one(mongo,ns,list('name'='kym'))))  
43.     if(!is.null(p))       {  
44.         print('success')       }  
45.       print('批量删除')  
46.     print(system.time(mongo.remove(mongo,ns,list(name='kym'))))   }  
47.       print(system.time(p <- mongo.find.one(mongo,ns,list('name'='kym'))))  
48.     if(!is.null(p))       {  
49.         print('success')       } 
    1. [1] "查询一个没有索引的字段，查询一条"  user system elapsed  
    2. 0.000 0.000 0.115   [1] "查询一个没有索引的字段，多条,without buffer" 
    3. user system elapsed   0.000 0.000 32.513  
    4. [1] "看看是否有缓存策略"  user system elapsed  
    5. 0.000 0.000 32.528   [1] "查询一个没有索引的字段，多条,has buffer" 
    6. user system elapsed   0.000 0.000 32.685  
    7. [1] "看看是否有缓存策略"  user system elapsed  
    8. 0.000 0.000 33.172   [1] "大于的查询，查询一条记录" 
    9. user system elapsed   0.000 0.000 0.001  
    10. [1] "大于的记录，查询多条记录"  user system elapsed  
    11. 0.000 0.000 0.014   [1] "查询一条有索引的记录" 
    12. user system elapsed   0 0 0  
    13. [1] "查询索引的记录"  user system elapsed  
    14. 0 0 0   [1] "插入一条记录" 
    15. user system elapsed   0 0 0  
    16. [1] "找到刚刚插入的记录"  user system elapsed  
    17. 0.00 0.00 35.42   [1] "success" 
    18. [1] "批量插入"  user system elapsed  
    19. 0 0 0   [1] "找到刚刚批量插入的记录" 
    20. user system elapsed   0.004 0.000 35.934  
    21. [1] 7   [1] "批量更新" 
    22. user system elapsed   0.000 0.004 0.000  
    23. [1] "查看更新是否成功"  user system elapsed  
    24. 0.000 0.000 67.773   [1] "success" 
    25. [1] "批量删除"  user system elapsed  
    26. 0 0 0   user system elapsed  
    27. 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

        声明： 此文观点不代表本站立场；转载须要保留原文链接；版权疑问请联系我们。