Python DBM真的很快吗？

Question

我在想，Python的原生DBM应该比东京机柜、MongoDB等NOSQL数据库要快得多(因为Python DBM具有更少的功能和选项；即更简单的系统)。我用一个非常简单的写/读示例进行了测试，如下所示

#!/usr/bin/python
import time
t = time.time()
import anydbm
count = 0
while (count < 1000):
 db = anydbm.open("dbm2", "c")
 db["1"] = "something"
 db.close()
 db = anydbm.open("dbm", "r")
 print "dict['Name']: ", db['1'];
 print "%.3f" % (time.time()-t)
 db.close()
 count = count + 1

读/写: 1.3s读: 0.3s写: 1.0s

MongoDb的这些值至少快5倍。这真的是Python DBM的性能吗？

Answer 1

Python没有内置的DBM实现。它的数据库管理功能基于广泛的数据库管理风格的第三方库，如AnyDBM、Berkeley DBM和GNU DBM。

Python的字典实现对于键值存储来说非常快，但不是持久的。如果你需要高性能的运行时键值查找，你可能会找到一个更好的字典--你可以用像cpickle或shelve这样的东西来管理持久性。如果启动时间对您很重要(如果您正在修改数据，终止)-比运行时访问速度更重要-那么像DBM这样的东西会更好。

在您的评估中，作为主循环的一部分，您已经包含了dbm open调用和数组查找。在查找之前打开DBM来存储一个值，然后关闭并重新打开，这是一个非常不现实的用例，并且您会看到以这种方式管理持久性数据存储时的典型缓慢性能(效率非常低)。

根据您的需求，如果您需要快速查找，并且不太关心启动时间，DBM可能是一个解决方案-但要对其进行基准测试，请仅在循环中包括写入和读取！下面这样的代码可能比较合适：

import anydbm
from random import random
import time

# open DBM outside of the timed loops
db = anydbm.open("dbm2", "c")

max_records = 100000

# only time read and write operations
t = time.time()

# create some records
for i in range(max_records):
  db[str(i)] = 'x'

# do a some random reads
for i in range(max_records):
  x = db[str(int(random() * max_records))]

time_taken = time.time() - t
print "Took %0.3f seconds, %0.5f microseconds / record" % (time_taken, (time_taken * 1000000) / max_records)

db.close()

Answer 2

嵌入式密钥库在python3中已经足够快了。将本机字典作为基线，比如

for k in random.choices(auList,k=100000000):
    a=auDict[k]
CPU times: user 1min 6s, sys: 1.07 s, total: **1min 7s**

GDBM在这方面的表现并不差

%%time
with db.open("AuDictJson.gdbm",'r') as d:
    for k in random.choices(auList,k=100000000):   
        a=d[str(k)]   
CPU times: user 2min 44s, sys: 1.31 s, total: **2min 45s**

甚至一个专门的预编译表，如json序列化列表的keyvy，也可以做几乎同样的事情。

%%time
d = keyvi.Dictionary("AuDictJson.keyvi")
for k in random.choices(auList,k=100000000):   
    a=d[str(k)].GetValue()
CPU times: user 7min 45s, sys: 1.48 s, total: 7min 47s

一般而言，嵌入式数据库，特别是当它是只读和单用户时，应该总是期望赢得外部数据库，因为访问资源的套接字和信号量的开销。另一方面，如果你的程序是一个已经有一些外部I/O瓶颈-say的服务，你正在编写一个the服务，那么访问资源的开销可能并不重要。

也就是说，如果外部数据库提供额外的服务，您可以看到使用外部数据库的一些优势。对于Redis，考虑集合的联合。

%%time
for j in range(1000):
    k=r.sunion(('s'+str(k) for k in random.choices(auList,k=10000)))  
CPU times: user 2min 24s, sys: 758 ms, total: 2min 25s

与gbm相同的任务处于相同的数量级。尽管redis仍然慢了五倍，但它还没有慢到丢弃它的程度。

%%time 
with db.open("AuDictPSV.gdbm",'r') as d:
    for j in range(1000):
        a=set()
        for k in random.choices(auList,k=10000):
            a.update(d[str(k)].split(b'|'))
CPU times: user 33.6 s, sys: 3.5 ms, total: 33.6 s

在这种情况下，通过使用redis，您可以获得数据库的全部功能，而不仅仅是一个简单的数据存储。当然，与嵌入式资源相比，在大量客户端饱和的情况下，如果使用大量的单个gets，它的性能将会很差。

至于gdbm的竞争，Charles Leifer的2014 benchmark表明，对于仍然并列写入的读取，它可以超过KyotoCabinet，并且可以将LevelDB和RocksDB作为高级替代方案。