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
3 mongo <- mongo.create()
4
5 if(mongo.is.connected(mongo))
6 {
7 ns <- 'rivendell.user'
8 print('查询一个没有索引的字段，查询一条')
9 print(system.time(p <- mongo.find.one(mongo,ns,list(Friend=600))))
10 print('查询一个没有索引的字段，多条,without buffer')
11 print(system.time(p <- mongo.find(mongo,ns,list(Friend=600))))
12 print('看看是否有缓存策略')
13 print(system.time(p <- mongo.find(mongo,ns,list(Friend=600))))
14
15 print('查询一个没有索引的字段，多条,has buffer')
16 buf <- mongo.bson.buffer.create()
17 mongo.bson.buffer.append(buf,'Friend',600L)
18 query <- mongo.bson.from.buffer(buf)
19 print(system.time(p <- mongo.find(mongo,ns,query)))
20 print('看看是否有缓存策略')
21 buf <- mongo.bson.buffer.create()
22 mongo.bson.buffer.append(buf,'Friend',600L)
23 query <- mongo.bson.from.buffer(buf)
24 print(system.time(p <- mongo.find(mongo,ns,query)))
25
26 print('大于的查询，查询一条记录')
27 print(system.time(p <- mongo.find.one(mongo,ns,list(Friend=list('$gt'=600L)))))
28 print('大于的记录，查询多条记录')
29 print(system.time(cursor <- mongo.find(mongo,ns,list(Friend=list('$gt'=600L)))))
30 mongo.cursor.destroy(cursor)
31
32 print('查询一条有索引的记录')
33 print(system.time(p <- mongo.find.one(mongo,ns,list('_id'=3831809L))))
34 print('查询索引的记录')
35 print(system.time(p <- mongo.find(mongo,ns,list('_id'=3831809L))))
36
37 print('插入一条记录')
38 buf <- mongo.bson.buffer.create()
39 mongo.bson.buffer.append(buf,'name',"huangxin")
40 mongo.bson.buffer.append(buf,'age',22L)
41 p <- mongo.bson.from.buffer(buf)
42 print(system.time(mongo.insert(mongo,ns,p)))
43
44 print('找到刚刚插入的记录')
45 print(system.time(p <- mongo.find.one(mongo,ns,list('name'='huangxin'))))
46 if(!is.null(p))
47 {
48 print('success')
49 }
50
51 print('批量插入')
52
53 buf <- mongo.bson.buffer.create()
54 mongo.bson.buffer.append(buf,'name','huangxin')
55 mongo.bson.buffer.append(buf,'age',22L)
56 p1 <- mongo.bson.from.buffer(buf)
57
58 buf <- mongo.bson.buffer.create()
59 mongo.bson.buffer.append(buf,'name','huangxin')
60 mongo.bson.buffer.append(buf,'age',22L)
61 p2 <- mongo.bson.from.buffer(buf)
62
63 buf <- mongo.bson.buffer.create()
64 mongo.bson.buffer.append(buf,'name','huangxin')
65 mongo.bson.buffer.append(buf,'age',22L)
66 p3 <- mongo.bson.from.buffer(buf)
67
68 print(system.time(mongo.insert.batch(mongo,ns,list(p1,p2,p3))))
69
70 print('找到刚刚批量插入的记录')
71 print(system.time(cursor <- mongo.find(mongo,ns,list('name'='huangxin'))))
72
73 i <- 0
74 while(mongo.cursor.next(cursor))
75 {
76 i <- i + 1
77 }
78 print(i)
79
80 print('批量更新')
81 print(system.time(mongo.update(mongo,ns,list(name='huangxin'),list('name'= 'kym'))))
82
83 print('查看更新是否成功')
84 print(system.time(p <- mongo.find.one(mongo,ns,list('name'='kym'))))
85 if(!is.null(p))
86 {
87 print('success')
88 }
89
90 print('批量删除')
91 print(system.time(mongo.remove(mongo,ns,list(name='kym'))))
92 }
93
94 print(system.time(p <- mongo.find.one(mongo,ns,list('name'='kym'))))
95 if(!is.null(p))
96 {
97 print('success')
98 }
3 mongo <- mongo.create()
4
5 if(mongo.is.connected(mongo))
6 {
7 ns <- 'rivendell.user'
8 print('查询一个没有索引的字段，查询一条')
9 print(system.time(p <- mongo.find.one(mongo,ns,list(Friend=600))))
10 print('查询一个没有索引的字段，多条,without buffer')
11 print(system.time(p <- mongo.find(mongo,ns,list(Friend=600))))
12 print('看看是否有缓存策略')
13 print(system.time(p <- mongo.find(mongo,ns,list(Friend=600))))
14
15 print('查询一个没有索引的字段，多条,has buffer')
16 buf <- mongo.bson.buffer.create()
17 mongo.bson.buffer.append(buf,'Friend',600L)
18 query <- mongo.bson.from.buffer(buf)
19 print(system.time(p <- mongo.find(mongo,ns,query)))
20 print('看看是否有缓存策略')
21 buf <- mongo.bson.buffer.create()
22 mongo.bson.buffer.append(buf,'Friend',600L)
23 query <- mongo.bson.from.buffer(buf)
24 print(system.time(p <- mongo.find(mongo,ns,query)))
25
26 print('大于的查询，查询一条记录')
27 print(system.time(p <- mongo.find.one(mongo,ns,list(Friend=list('$gt'=600L)))))
28 print('大于的记录，查询多条记录')
29 print(system.time(cursor <- mongo.find(mongo,ns,list(Friend=list('$gt'=600L)))))
30 mongo.cursor.destroy(cursor)
31
32 print('查询一条有索引的记录')
33 print(system.time(p <- mongo.find.one(mongo,ns,list('_id'=3831809L))))
34 print('查询索引的记录')
35 print(system.time(p <- mongo.find(mongo,ns,list('_id'=3831809L))))
36
37 print('插入一条记录')
38 buf <- mongo.bson.buffer.create()
39 mongo.bson.buffer.append(buf,'name',"huangxin")
40 mongo.bson.buffer.append(buf,'age',22L)
41 p <- mongo.bson.from.buffer(buf)
42 print(system.time(mongo.insert(mongo,ns,p)))
43
44 print('找到刚刚插入的记录')
45 print(system.time(p <- mongo.find.one(mongo,ns,list('name'='huangxin'))))
46 if(!is.null(p))
47 {
48 print('success')
49 }
50
51 print('批量插入')
52
53 buf <- mongo.bson.buffer.create()
54 mongo.bson.buffer.append(buf,'name','huangxin')
55 mongo.bson.buffer.append(buf,'age',22L)
56 p1 <- mongo.bson.from.buffer(buf)
57
58 buf <- mongo.bson.buffer.create()
59 mongo.bson.buffer.append(buf,'name','huangxin')
60 mongo.bson.buffer.append(buf,'age',22L)
61 p2 <- mongo.bson.from.buffer(buf)
62
63 buf <- mongo.bson.buffer.create()
64 mongo.bson.buffer.append(buf,'name','huangxin')
65 mongo.bson.buffer.append(buf,'age',22L)
66 p3 <- mongo.bson.from.buffer(buf)
67
68 print(system.time(mongo.insert.batch(mongo,ns,list(p1,p2,p3))))
69
70 print('找到刚刚批量插入的记录')
71 print(system.time(cursor <- mongo.find(mongo,ns,list('name'='huangxin'))))
72
73 i <- 0
74 while(mongo.cursor.next(cursor))
75 {
76 i <- i + 1
77 }
78 print(i)
79
80 print('批量更新')
81 print(system.time(mongo.update(mongo,ns,list(name='huangxin'),list('name'= 'kym'))))
82
83 print('查看更新是否成功')
84 print(system.time(p <- mongo.find.one(mongo,ns,list('name'='kym'))))
85 if(!is.null(p))
86 {
87 print('success')
88 }
89
90 print('批量删除')
91 print(system.time(mongo.remove(mongo,ns,list(name='kym'))))
92 }
93
94 print(system.time(p <- mongo.find.one(mongo,ns,list('name'='kym'))))
95 if(!is.null(p))
96 {
97 print('success')
98 }
[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
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！
