MongoDB与Tokyo Tyrant性能比较.docx
《MongoDB与Tokyo Tyrant性能比较.docx》由会员分享，可在线阅读，更多相关《MongoDB与Tokyo Tyrant性能比较.docx（7页珍藏版）》请在冰豆网上搜索。
MongoDB与TokyoTyrant性能比较
MongoDB与TokyoTyrant性能比较
MongoDB与TokyoTyrant性能比较2010年11月15日星期一下午11：
10
（1）：
基础CRU操作
以前的项目大都把数据存放在关系型数据库中，关系型数据库的优势在于使用普及，资料丰富，且有大量辅助类库来简化开发。
当然它们的问题比较明显的，一是在数据量上升的情况下伸缩性比较差，且进行结构调整的代价比较高。
因此现在有个所谓NoSQL的"运动"也逐渐普遍起来了，它便是借助一些非关系型存储方式来开发项目（个人认为其实将它解释为NotOnlySQL更为合适）。
因此在新项目里，我也想尝试一下使用之前一直只是"听说"的存储方式。
在和同事的交流过程中，我了解到他们的项目正在尝试使用TokyoTyrant（后称TT）进行存储，并且据说效果不错，因此我一开始也打算尝试使用TT进行主要存储，为此也花了一定时间为其编写.NET平台下的驱动程序。
不过在驱动程序的开发过程中，我逐渐意识到TT的功能有着严重的限制，似乎并不适合作为接下来项目的主要存储方式。
因此，我又将眼光转向了之前关注过的MongoDB上。
MongoDB也是NoSQL的代表之一，是一个面向文档的，架构灵活（Schema-less）的存储方式，在仔细阅读相关资料之后，我发现它的功能与TT相比可谓天上地下，非常适合许搭建各类项目（关于这点以后有机会再谈）。
不过，既然选择NoSQL的原因是性能，那么他们的性能表现究竟如何呢?
TT的性能表现在业界非常出名，而MongoDB的使用便相对较少了（当然，官网列举了不少案例，最近著名的开源网站SourceForge也打算使用MongoDB重新设计他们的网站）。
为此，我决定亲手比较一下两者的性能表现。
测试环境及数据
由于缺乏合适的环境，因此我不得不在我的MBP上进行这次性能比较，参数如下：
OS：
MacOSXv10.6.2（SnowLeopard）RAM：
4GB/1067MHz/DDR3CPU：
2.53GHzIntelCore2Duo64-bitKernelandExtensions：
YesTT在64bit环境下编译，MongoDB使用64bit版本。
在测试执行时，我尽量关闭多余的应用程序，避免其它因素造成影响。
同样，由于条件限制，我只得把客户端和服务器跑在同一台机器上。
测试代码使用Ruby编写，这是由于两者都有官方提供的驱动程序。
此外，由于我对于两者的优化都不太熟悉，因此它们都使用了默认的配置。
关于测试数据，我将存入110万条"新闻"数据，包含以下字段：
ID：
标识，32位整数，带索引Title：
标题，字符串CategoryID：
分类ID，32位整数，带索引CreateTime：
日期，保存为32位整数，带索引UserID：
用户ID，32位整数，带索引Tags：
标签集合，字符串数组，带索引Source：
来源，字符串SourceUrl：
来源URL，字符串Status：
状态，32位整数为了相对接近真实的环境的数据分布特征（便于以后进行查询操作比较），我设计了这样的测试数据（具体可阅读代码）：
2万个分类，分别拥有10个至100条新闻，总共110万条记录。
1万个用户，根据分类id取模得到其归属。
创建时间从2010年1月1日起递增，每条记录增加1秒。
每条记录拥有2到6个Tag，除了其中一个之外，都从一个1.7万个Tag库中获取。
每条记录的字符串字段都不长（20-30字符）由于TT只支持字符串的值（但可以建立数字索引，会将字符串当作数字来识别），因此事实上所有的值都会转化为字符串进行保存。
此外，由于存在"根据Tag查找新闻"的业务，因此对于Tags字段也建立了索引，其中MongoDB直接支持对字符串数组的索引（索引其中每个元素），而在存入TT时则转化为空格分隔的字符串，并为其建立倒排索引（TokenInvertedIndex）以便进行全文查找。
在存储方式上，所有数据将放入MongoDB的同一个集合内，而TT则选用TableDatabase存储结构。
在使用TT时，另一种做法是完全使用键值对来保存一条记录的各个字段，不过这样做会大大限制TT的功能，或是会为系统编写带来额外的复杂度，便不考虑Hash/B+Tree/Fixed-length等存储方式了。
插入操作性能比较
具体代码在tt-insert.rb及mdb-insert.rb文件中。
两段代码均使用一个连接，使用循环每次插入一条：
由于如果每次都建立连接，会在TCP/IP连接的打开关闭上消耗大部分时间，由于实际项目中基本都会使用连接池等机制来复用连接，因此这方面便不多做考虑；再者，由于实际插入时几乎不可能批量操作，因此这里并不使用两者提供的批量插入功能。
脚本每插入10万条记录便打印出所耗时间，结果如下：
从结果上看，MongoDB大约有10%的领先，不过总体来说两者的差距不大。
值得一提的是，TT在数据量越大的情况下，每插入10万条记录的耗时越长（也从同事的使用过程中确认了这一点）。
因此，一开始两者插入速度几乎没有差距，但是慢慢地TT便落后于MongoDB了。
目前推测这可能是TT的TableDatabase存储结构特有的问题，不知道随着数据量的增长TT表现如何，因为对于一个大型系统来说，100多万条记录实际上只是一个很小的数目。
有同事推测，TT插入性能低是因为建立了Tags字段的倒排索引，于是我也测试了不在Tags字段上建索引的情况。
令人惊讶的是，同样去除Tags字段的索引之后，MongoDB的性能提升超过20%，而TT的性能提升却微乎其微。
值得一提的是，放入相同的记录之后，TT的文件为400多M，但MongoDB则为整整2G。
因此推测这是MongoDB进行空间预分配的结果，邮件列表上的这个讨论也证实了这一点。
此外，上面每次测试都是从零开始的，经测试如果在插入前为MongoDB预分配文件空间，则性能还会有些许提高。
通过主键获取记录性能比较
具体代码在tt-get-by-key.rb及mdb-get-by-key.rb文件中。
两段代码同样均使用一个连接，使用循环进行100万次Get操作，每次都随机获取一个110万以内的数字，并作为ID进行Get操作。
同样，每10万次Get操作后打印出所耗时间，结果如下：
在Get操作方面，MongoDB有大约20%的领先。
不过从实际情况分析，这方面的差距也不是太大，因为在项目中根据主键获取记录的操作8成以上都是落在缓存上的，因此在这方面对存储的要求并不高。
通过主键更新记录性能比较
具体代码在tt-update-by-key.rb及mdb-update-by-key.rb文件中。
两段代码各自使用同一个连接，使用循环进行大量的更新操作。
每次随机获取一个110万以内的数字，并作为ID更新其CreateTime、Title、Source、SourceUrl、Status五个字段。
结果如下：
首先是MongoDB的三次测试结果，每次更新100万条数据。
从数据上看，三次查询的性能越来越高，这个现象在重启服务器之后可以重现（三次测试之间并没有重启服务器）。
请注意，TT的三次测试均只更新了10万条记录（因为100万条记录耗时太长）。
和MongoDB类似，一开始查询性能较差，但是会慢慢提高，这个现象在重启服务器后也能重现，于是猜测是缓存的结果。
即便如此，TT的更新时的最高速度只有大约没秒1500次，而MongoDB却超过了每秒5000次。
这是因为TT在功能上有硬伤：
它无法像SQL的UPDATE语句那样更新某条记录的部分字段，因此必须全部取出，修改后再整体写入。
而MongoDB支持高效的直接修改--这也成为MongoDB放在首页上的"招牌功能"。
因此，TT对于"更新某个分类下所有新闻的状态"这样的操作会很不适应，而它的这个限制导致我们很难实现如"乐观并发控制"这样的手段。
此外，在实际应用中客户端与服务器不会使用本地连接，因此在生产环境中TT和MongoDB在这方面的差距可能会更明显一些。
总结
到目前为止，我们测试了TT和MongoDB在CRU三种基本操作下的性能，似乎MongoDB全面胜过TokyoTyrant。
不过需要强调的是，这个测试还很不全面：
它没有使用合适的环境，也没有对两者进行适当的优化。
此外，两者在并发情况下，或是同时读写下的表现如何也是值得进一步考察的，我也会设计更多的测试用例。
因此，这里的数据仅供参考，如果有合适的环境我也会重新进行测试。
（2）：
并发写入操作
在上一次的测试中我们比较了MongoDB与TokyoTyrant的TableDatabase两种存储方式的性能。
不过由于条件限制，我只能在自己的MBP上测试，而这至少会带来两个问题。
首先，真实环境下客户端和服务器是通过内网连接的，它的性能比本地回环要慢不少，一些和网络传输性能有关的问题可能会体现不出。
其次，由于无法进行并发测试（并发测试的客户端资源占用较高，放在同一台机器上准确性较差），这又和生产环境有很大区别了。
因此，我前两天向同事借了台性能测试用的机器，希望可以得到更可靠的结果。
测试环境与数据
这次我使用了新的环境进行性能测试：
OS：
CentOSrelease5.3（Final）RAM：
4GBCPU：
Intel（R）Xeon（R）CPUE5405@2.00GHz（64bit,4cores*2）其他：
SCSI硬盘，ext3文件系统客户端与服务器端配置相同，两台机器使用百兆网相连，测试时服务器保持空闲。
测试数据的结构与之前相同（包括索引），数据分布同样保持一致，每个线程插入的数量较少，但每次测试的总数均不低于上次（110万条）。
为了测试并发插入的性能，我稍微改写了测试脚本。
首先，我为它增加init参数，它的作用是初始化存储结构（清除数据，建立索引），拿MongoDB的测试脚本为例：
#rubymdb-insert.rbinitindexforCreateTimecreated.
indexforCategoryIDcreated.
indexforUserIDcreated.
indexforTagscreated.
initializecompleted.此外，脚本还支持"分类范围"的指定，例如：
#rubymdb-insert.rb101200这表示我们将插入CategoryID为101至200的新闻，由于每个分类中均匀分布10至100条记录，因此只要范围的上下限保持10的倍数，这样平均每个分类有55条新闻，于是新闻ID也可以此计算出来。
例如分类101至200的新闻，其ID便为5501至11000。
您可以通过阅读代码了解这些细节。
为了并行测试，每次我就将同时执行多个脚本进行插入，每个脚本提供不同的参数。
我使用类似这样的shell脚本来启动并行任务：
#！
/bin/bash
#mdb-insert.shecho"===initialize==="
rubymdb-insert.rbinitfor（（i=1；i=5；i++））
doletbegin=$（（4000*（$i-1）+1））
letend=$（（4000*$i））
echo===starttask$i===
rubymdb-insert.rb$begin$endlogs/mdb-insert-$begin-$end.log&
done这段脚本将启动5个任务，每个任务将插入4000个分类，即22万条记录。
5个任务总共插入110万条记录，与前次持平。
接下来的测试中，我在增加任务数量的同时也会适当降低每个任务插入的记录数目。
最多我将启用100个任务，每个任务插入1000个分类，即所有任务共计插入550万条记录，是之前的5倍。
在所有的测试中，无论多少个任务都是同时启动，且几乎同时结束（与总耗时相比很小）。
因此，在接下来的数据中我不会列出每个任务的开始及结束时间，如果您关心这部分数据，可以在文章结尾处可以获得本次测试生成的所有记录文件。
TokyoTyrant性能测试
第1次测试启动5个任务，每个任务4000个分类，共计插入110万条记录。
结果如下（第1行粗体表示"万条记录"，每个数字的单位为"秒"，下同）：
与之前的现象类似，当数据库中的数据越多时，插入速度也会随之减慢：
在每个任务插入前1万条记录时，耗时大约为5、6秒。
但是到了中后期，每插入1万条数据则需要等待15至20，甚至30秒的时间。
值得注意的是，虽然使用了较好的服务器，但是并行插入110万条记录的时间却比上次要来的多（这次耗时340秒，而之前是）。
原因可能是客户端与服务器端的分离导致网络速度的下降。
另一种可能我猜测是，根据TokyoCabinet的文档中提到文件读写锁的使用，因此每次只能插入一条记录，且插入（或更新）时无法读取数据，因而在并发环境下TokyoTyrant（它其实是TokyoCabinet上层的TCP服务器）的表现并不会有所提高。
不过据读过TokyoCabinet代码的同事说，TokyoCabint在使用TableDatabase的时候锁粒度不会那么大，因此关于这点还需要寻找进一步的资料。
第2次测试启动10个任务，每个任务还是4000个分类，因此共计插入220万条记录。
结果如下：
第2次测试的总数据量为第1次的2倍，而耗时却是第1次的3.5倍，这应该还是由于数据量增大而导致的插入性能降低。
但是，我们目前还不能排除这和并发连接数有关的可能--虽然我们有理由相信这个性能问题只和数据量相关（稍后再说）。
为了查明并发程度和性能是否有关系，我们再进行第3次测试。
第3次测试启动20个任务，每个任务2000个分类，因此共计仍旧是220万条记录。
结果如下：
这个结果实在是非常能够说明问题：
第3次的耗时与上一次几乎完全相同，这意味着加大并发量并不会影响TT的性能。
这是因为TT在服务器端维护了一个线程池（现在的测试，也是默认情况下为8个线程），因此请求再多，同时进行的任务也是有限的，而累积的任务会排在队列中。
这也是使用队列和固定数量工作线程的好处：
即使压力再大，服务器端的吞吐量也能够一直保持较高水准，而客户端请求的响应时间随着请求数量增大而线性增长。
如果没有队列，随着压力增大，服务器端吞吐量会剧烈下降（一般至少也是线性的），而客户端请求的响应时间增长更快，直至超时。
为此，我们也没有必要继续测试更多的并发数量了，因为即便是再多并发，TT的吞吐量（即插入记录的数目）也只是和数据库中记录数量相关。
根据测试，我们可以总结出：
插入110万条记录的平均吞吐量为：
大约3225条/秒插入220万条记录的平均吞吐量为：
大约1833条/秒当数据库包含100万条数据时吞吐量为：
1700~1800条/秒当数据库包含200万条数据时吞吐量为：
150~160条/秒似乎随着数据量的增加，TT的吞吐量下降得也非常明显。
这其中可能有索引的因素在里面，因此如果您想要得到适合自己的结果，最好可以亲自进行试验。
MongoDB性能测试
与TT相同，第1次测试启动5个任务，每个任务4000个分类，共计插入110万条记录。
结果如下：
在5个并发任务的情况下，MongoDB的表现较TT要出彩不少。
首先，随着数据库中已有记录的增加，插入速度并没有降低的迹象，可以说十分平稳。
此外，在同样的客户端和服务器环境下，MongoDB插入110万条数据的耗时比TT的一半还要略少一些。
而且，虽然网速带来的一定负面影响，但可能是由于服务器配置的提高，再加上并发写入的性能优势，此次测试比上次单机环境下的表现也要好上许多。
那么在数据量和并发继续增大的情况下MongoDB表现如何呢?
于是第2次测试启动10个任务，每个任务还是4000个分类，共计插入220万条记录。
结果如下：
第2次的数据量为第1次的2倍，而耗时则大约为2.08倍，两者基本保持一致，这说明了MongoDB在数据量和并发量增加的情况下，吞吐量几乎没有改变。
第3次测试依旧与TT相同，启用20个任务，每个任务2000个分类，共计插入220万条记录。
结果如下：
在总数据量不变的情况下，我们又将并发量提高了一倍，但是MongoDB依旧表现出的稳定的吞吐量，总耗时与第2次测试几乎完全相同。
这样看来，似乎在MongoDB在内部也有个类似于TT的队列机制以保证一定的吞吐量。
为了验证这个看法，我再次加大了数据量和并发量。
在第4次测试中我启用了50个任务，每个任务还是2000个分类，这样插入的记录数据则达到了550万。
结果如下：
在50个并发任务下，MongoDB终于略显疲态。
第4次测试的数据量为第3次的2.5倍，但耗时却接近3.5倍。
为了验证这是由于数据量增加，还是并发量提高引起的问题，我又进行了第最后一次测试。
第5个测试中启用了100个任务，但每个任务只写入1000个分类，则总条目数还是和第4次相同，为550万。
结果如下：
请注意，由于每个任务插入1000个分类，即5.5万条记录，因此上表中最后一栏为5.5而不是6。
随着并发量的增大，MongoDB的耗时继续增加了。
由于这个表现和之前的预测不同，我又把第4次和第5次测试各执行了一遍，结果并没有太大区别，基本可以排除"环境异常"这样的可能。
经过5次测试的结果，我们可以得出MongoDB的性能指标：
5个并发，插入110万条记录的平均吞吐量：
大约6600条/秒10个并发，插入220万条记录的平均吞吐量：
大约6300条/秒20个并发，插入220万条记录的平均吞吐量：
大约6300条/秒50个并发，插入550万条记录的平均吞吐量：
大约4500条/秒100个并发，插入550万条记录的平均吞吐量：
大约4100条/秒总体来说，虽然在数据量和并发量增大的情况下MongoDB的吞吐量有所下降，但是MongoDB的表现比TT还是要抢眼不少，而且在绝对数值上还是相当出彩的。
其他信息
其他还有一些信息可能值得参考。
在进行测试时，我发现TT进程的CPU占有率比较低，除了少量时候出现80~150%以外（top命令的结果，8核服务器），绝大部分时间CPU占有率只有20~40%。
MongoDB的CPU占有率比TT要高出不少，基本上保持在80~110%之间（数据量和并发量在这里影响不大）。
但是总体来说CPU的占有率都很低，毕竟现在的测试属于IO密集型操作。
不过在内存占有率方面，两者的区别很大。
在测试过程中（服务器内存4G），TT进程的内存占有率一直保持在20%一下，而MongoDB会缓步增加，最后保持在80%上下。
此外，在插入了550万条数据之后，MongoDB的数据文件增长到了6G。
这个数字比上次测试的2G/110万稍有缓解，但还是比TT要大上许多。
最后再来谈谈为什么仅仅测试了"并发插入"而没有"更新"和"删除"：
其实这也是通过使用场景而设计出来的测试用例。
因为对于此类存储来说，大量并发插入的场景比较多，例如日志记录，用户行为记录，或是SNS应用中常见的NewsFeed等等。
这些场景的特点就是需要数据的不断增长，而大量密集的更新则很少会出现──删除就更不用说了。
至于并行的更新，我接下来也会进行测试的，只是可能会模拟一些实际的场景，例如在更新的同时进行不断地读取和插入吧。
特别声明：
1：
资料来源于互联网，版权归属原作者
2：
资料内容属于网络意见，与本账号立场无关
3：
如有侵权，请告知，立即删除。
升级会员 