Является ли структура агрегации, введенная в mongodb 2.2, имеет какие-либо особые улучшения производительности по сравнению с map/reduce?
Если да, то почему и как и сколько?
(Уже я сделал тест для себя, и производительность была почти такой же)
Является ли структура агрегации, введенная в mongodb 2.2, имеет какие-либо особые улучшения производительности по сравнению с map/reduce?
Если да, то почему и как и сколько?
(Уже я сделал тест для себя, и производительность была почти такой же)
Каждый тест, который я лично выполнял (включая использование ваших собственных данных), показывает, что структура агрегации является кратчайшей быстрее, чем сокращение карты, и, как правило, на порядок быстрее.
Просто принимая 1/10 данных, которые вы опубликовали (но вместо того, чтобы очищать кэш ОС, сначала нагревая кеш), потому что я хочу измерить производительность агрегации, а не как долго это нужно для страницы в данных), я получил это:
MapReduce: 1,058ms
Агрегационная структура: 133ms
Удаление $соответствия из структуры агрегации и {query:} из mapReduce (потому что оба будут просто использовать индекс, а не то, что мы хотим измерить) и группировать весь набор данных с помощью key2. Я получил:
MapReduce: 18,803ms
Агрегационная структура: 1,535 млн. Долл. США
Это очень похоже на мои предыдущие эксперименты.
Мой ориентир:
== Генерация данных ==
Сгенерируйте 4 миллиона строк (с python) легко с примерно 350 байтами. Каждый документ имеет следующие ключи:
db = Connection('127.0.0.1').test # mongo connection
random.seed(1)
for _ in range(2):
key1s = [hexlify(os.urandom(10)).decode('ascii') for _ in range(10)]
key2s = [hexlify(os.urandom(10)).decode('ascii') for _ in range(1000)]
baddata = 'some long date ' + '*' * 300
for i in range(2000):
data_list = [{
'key1': random.choice(key1s),
'key2': random.choice(key2s),
'baddata': baddata,
'value': 10,
} for _ in range(1000)]
for data in data_list:
db.testtable.save(data)
Общий размер данных составил около 6 ГБ в монго. (и 2 ГБ в postgres)
== Тесты ==
Я сделал несколько тестов, но одного достаточно для сравнения результатов:
ПРИМЕЧАНИЕ. Сервер перезапускается, а кэш ОС очищается после каждого запроса, чтобы игнорировать эффект кэширования.
QUERY: совокупность всех строк с key1=somevalue
(около 200 тыс. строк) и сумма value
для каждого key2
запросы:
карта/уменьшить:
db.testtable.mapReduce(function(){emit(this.key2, this.value);}, function(key, values){var i =0; values.forEach(function(v){i+=v;}); return i; } , {out:{inline: 1}, query: {key1: '663969462d2ec0a5fc34'} })
агрегатный:
db.testtable.aggregate({ $match: {key1: '663969462d2ec0a5fc34'}}, {$group: {_id: '$key2', pop: {$sum: '$value'}} })
группа:
db.testtable.group({key: {key2:1}, cond: {key1: '663969462d2ec0a5fc34'}, reduce: function(obj,prev) { prev.csum += obj.value; }, initial: { csum: 0 } })
Как вы можете видеть в в этом блоге, совокупность примерно в 6 раз быстрее, чем уменьшение карты.