记录一次MongoDB3.0.6版本wiredtiger与MMAPv1引擎的写入耗时对比

一、MongoDB3.0.x的版本特性(相对于MongoDB2.6及以下)
  • 增加了wiredtiger引擎:
  • 开源的存储引擎;
  • 支持多核CPU、充分利用内存/芯片级别缓存(注:10月14日刚刚发布的3.0.7版本中,进一步改进了内存操作的性能);
  • 基于B-TREE及LSM算法;
  • 提供文档级锁(document-level concurrency control),类似于关系型数据库的的行级锁;
  • 支持文件压缩(其中snappy压缩机制可以在5%的额外CPU消耗,减少70%的空间使用,也可以根据需要调节压缩比例),三种压缩类型:
  • 不压缩;
  • Snappy压缩:默认的压缩方式, Snappy是在谷歌内部生产环境中被许多项目使用的压缩库,包括BigTable,MapReduce和RPC等,压缩速度比Zlib快,但是压缩处理文件的大小会比Zlib大20%-100%, Snappy对于纯文本的压缩率为1.5-1.7,对于HTML是2-4,对于JPEG、PNG和其他已经压缩过的数据压缩率为1.0。在I7 i7 5500u 单核CPU测试中,压缩性能可在200M/s-500M/s;
  • Zlib压缩: Z1ib是一个免费、通用、跨平台、不受任何法律阻碍的、无损的数据压缩开发库,相对于Snappy压缩,消耗CPU性能高、压缩速度慢,但是压缩效果好。
  • MMAPv1引擎(MongoDB2.6及以下版本用的是MMAP引擎):
  • collection锁(collection-level concurrency control),在MMAP版本中,只提供了database的锁(既当一个用户对一个collection进行操作时,其他的collection也被挂起);
  • 无缝迁移(MMAP版本的数据可以在线迁移至MMAPV1版本,也可以迁移至wiredtiger引擎中)。
  • 可插拔的存储引擎API(类似于mysql的多引擎驱动)
  • 通过不同的数据引擎来满足不同的数据需求;
  • 未来更多的场景扩展。
  • Ops manager(MongoDB企业版提供的功能)
  • 居于web的图形管理界面
  • 减少日常日常和配置的工作
 
二、测试环境:

服务器硬件配置:172.16.16.169 CPU:2*E5620  @ 2.40GHz、内存:8G

客户端硬件配置:172.16.40.92 CPU: 4*I5-4300U@ 1.90GHz、内存:4G

数据库:mongodb V3.0.6

开发环境:python3.4.3、pycharm4.5.4

测试前提:已安装完成了mongodb、python、pycharm
 
 
三、测试场景:插入100万条数据的时间消耗对比;
      1. 在服务器端启动MongoDB(默认为MMAPv1引擎,默认端口为27017,在MongoDB的安装目录中启动MongoDB,定义数据和日志路径):
#./mongod --dbpath=/data/db --logpath=/data/log 
      2. 登录MongoDB:
#./mongo      
      3. 查看当前的引擎状态:
> db.serverStatus()  
"storageEngine" : {
                "name" : "mmapv1"
      4. 在服务器端启动MongoDB(WiredTiger引擎,端口:11111,在MongoDB的安装目录中启动MongoDB,定义数据和日志路径,定义WiredTiger引擎):

#./mongod --dbpath=/data/wiredtiger --logpath=/data/wiredtiger/log

      5. 登录至启动了WiredTiger引擎的Mongodb:
#./mongo  127.0.0.1:11111 
      6. 查看当前的引擎状态:
> db.serverStatus()  
"storageEngine" : {
                "name" : "wiredTiger"
 
      7. python连接MongoDB MMAPv1写入配置:
import  time
import datetime
import timeit
import math
ISOTIMEFORMAT = '%Y-%m-%d %X' from pymongo import MongoClient
mc = MongoClient("172.16.16.169",27017)
db = mc.users
def dateDiffInSeconds(date1,date2):
timedelta = date2 - date1
return timedelta.days*24*3600 +timedelta.seconds
date1 = datetime.datetime.now()
db.users.drop()
for i in range(0,1000000) :db.users.insert({"name":"ljai","age":i,"addr":"fuzhou"})
c = db.users.find().count()
print("count is ",c)
date2 = datetime.datetime.now()
print(date1)
print(date2)
print(dateDiffInSeconds(date1,date2),"seconds")
mc.close()

8. 测试结果:100万条数据写入花费了12分钟28秒:

记录一次MongoDB3.0.6版本wiredtiger与MMAPv1引擎的写入耗时对比

2、 python连接MongoDB WiredTiger写入配置:

import  time
import datetime
import timeit
import math
ISOTIMEFORMAT = '%Y-%m-%d %X' from pymongo import MongoClient
mc = MongoClient("172.16.16.169",27017)
db = mc.users
def dateDiffInSeconds(date1,date2):
timedelta = date2 - date1
return timedelta.days*24*3600 +timedelta.seconds
date1 = datetime.datetime.now()
db.users.drop()
for i in range(0,1000000) :db.users.insert({"name":"ljai","age":i,"addr":"fuzhou"})
c = db.users.find().count()
print("count is ",c)
date2 = datetime.datetime.now()
print(date1)
print(date2)
print(dateDiffInSeconds(date1,date2),"seconds")
mc.close()

9. 测试结果:100万条数据写入花费了10分3秒:

 记录一次MongoDB3.0.6版本wiredtiger与MMAPv1引擎的写入耗时对比
 
100万条的数据写入,WireTiger引擎会比MMAPv1快一些,后续再继续其他方面的性能测试。
 
上一篇:蔓灵花(BITTER)APT组织针对中国境内军工、核能、*等敏感机构的最新攻击活动报告


下一篇:ubuntu 下安装 wxpython2.8