龙虎斗：MySQL PK MongoDB 谁是最后的赢家？

问题导读：

1、作为传统型数据库的Mysql有哪些好的性能 ？

2、作为菲关系型数据库的MongoDB和MySQL相比，有哪些不同 ？

前言

本文讲述了Anders Karlsson在发现MySQL与MongoDB对比中处于劣势后挖空心思的对MySQL进行提升。各种存储引擎、各种内存管理引擎及嵌入式思想，在各种尝试后MySQL也是终于取得了胜利。然而这种胜利真的能称为胜利吗?或者这种胜利真的是大家想要的吗?

初步的键值比较，MongoDB完胜

　　快还要更快，这一直都是我们给予数据库系统的目标MySQL Dragster把磁盘的速度当作它的最大障碍，这真的能说通吗?姑且就把作一个障碍，那解决方案呢?!如果一个障碍限制了你的Dragster，你完全可以选择更快的绕过它或者在计算机方面提升。举个例子：

　　·避免使用磁盘，尽可能的以内存替代

　　·用更快的磁盘(如SSD)

　　其实上面这对类比并不好，因为来自磁盘的限制是如此之大，而且出人意料的是从未得到过改善。你可能会说，我们不是有SSD吗?对，这的确让硬盘得到了提升，但是别忘了：CPU和RAM提升的速度比之硬盘来的更快!但是不妨假设一下，我们的内存大到可以直接取代硬盘了，那么一切就运行的与光一样快了?显然不是，所以不要再露出硬盘是你最大限制的丑恶嘴脸了!

　　如同CPU核心的提升速度越来越快，有一天突然不再像以前提升的那么迅速了。为了解决这个问题，多核心技术诞生。然而限制新CPU性能的问题接踵而至，成为了最令人头痛的问题!比如线程的互斥!又比如MySQL里的Query Cache互斥!

　　言归正传，现在终于可以开始测试在5月拟定的基准了(英语文献)。这里说一下为什么这么久才开始，因为把数据加载到MySQL中花了很多的时间。在这个过程中，我创建了一个开源项目，用于把JSON中的数据导出来然后导进MySQL中。这项工作完成后，我就拥有了以现实世界规则分类的数据。在这里，还必须得删除一些列从而MySQL就可以处理这些数据了，因为MySQL Cluster只能在磁盘上存储定长的数据。这个给我来了很大的工作量：

　　·大量的原材料要写入磁盘

　　·UTF-8编码更意味着3倍以上的数据要写入

　　这样就保证了MySQL Cluster的良好的运作，但是还有一些特殊的情况，这个取决于值的类型。假如值的类型是文本或者类，那么我们还必须使用VARCHAR或者类似的格式，这些才真正的限制了MySQL Cluster。为了让MySQL运行的更加完美，只能创建很简单的表格：

　在这张表格里，加载了大约1.05亿行数据。这对于MySQL Cluster来说应该是小菜一碟，对吧?但是还要除下MySQL Cluster只支持每部分512MB哈希数据(真正愚蠢的限制)。万般无奈之下只能把数据分成5个部分，这一部分工作也算是完成了。

　　不得不说，没有磁盘数据，MySQL Cluster运作起来稳定了很多。偶尔的数据丢失和其他古怪在加载VARCHAR格式数据表格时都没有发生。因此，不仅是磁盘上的数据限制了你，你的数据类型(VARCHAR)看起来也需要进一步的完善。

　　言归正传，我的服务器(8核心的AMD CPU和16GB RAM)已经就绪。将对拥有InnoDB储存引擎的MySQL、MySQL Cluster及MongoDB进行测试。测试的项目是在同等情况下10次对分布在100个线程上100万行数据进行读取。为了公平起见，必须确保我需要安装进内存的数据已经被放在内存上，所以先试运行了两次。NDB情况下，将使用MySQL API(NDBAPI将在最后进行测试)。结果如下：

　　·MongoDB 110000 rows read per second

　　·MySQL with InnoDB 30000 rows read per second

　　·MySQL with NDB 32000 rows read per second

　　在NDB情况下下，先做以下设置：

可以明确告诉你，在这种模式下产生了巨大的差别。加载普通数据，结果也是相似的。但是当加载JSON(JSON是MongoDB的本土文件形式)的时候，预期中的事情发生了，MongoDB的速度比NDB/InnoDB快 2.5倍，而NDB/InnoDB两者相当。

　　

总结：

　　在RAM越来越便宜的时代，请移除那该死的512M设定!

键值对比的更正与添加，MongoDB依旧胜出

　　首先，与上面完全相同的测试环境;其次，都使用单一表;最后在MySQL中分别使用InnoDB和NDB两种处理引擎。测试对100万行数据的读取(表格大小总计1.05亿)。同样是10次分布在100个线程上，总计1000万行数据读入。

　　经过了一些检查以后发现，InnoDB引擎没有完全缓存，更正以后测试结果如下：

　　·MongoDB110000 rows read per second

　　·InnoDB 39000 rows read per second

　　·NDB 32000 rows read per second

　　在这次对决中MongoDB仍处于绝对优势，并且InnoDB也明显比NDB来的快。

特定环境的键值对比，MySQL曙光乍现

　　MySQL的成熟度远非MongoDB能比，当把MongoDB放到硬盘上就会发现其速度衰退的厉害。假如我们拥有足够量的内存(我们把它放到Amazon上，那里有足够多的内存使用)，是否意味着不产生任何磁盘I/O它就会有很好的表现?

　　选出一个MongoDB数据存储，同样有1.05亿行数据。最初我打算使用全部的MongoDB数据存储，但必须排除其中像VARCHAR格式的数据而且通过NDB把数据放到磁盘上将消耗很多的磁盘I/O，确保NDB存储数据将是定长后(所以一个UTF-8 VARCHAR(256)字段将占据768字节)。制作表格模式如下：

结束上面的工作，测试控制台还需要一些工具：

　　·CPU:AMD FX-8120 8核 内存：16G;主板：M5A88-V(使用Lite-On LINE100TX网卡替代了主板搭载的Realtek芯片组)

　　·磁盘系统：因为没有磁盘I/O，不做介绍

　　·Ubuntu 10.10

　　·MySQL 5.6.5 64-bit

　　·MySQL Cluster 7.2.6 64-bit

　　·MongoDB 2.0.5 64-bit

　　同样是10次分布在100个线程上的100万数据的读入，确保了不会受到磁盘I/O影响后，得出的测试结果是：

　　·MongoDB 110000 rows read per second

　　·MySQL Cluster 32000 rows read per second

　　·MySQL with InnoDB 39000 rows read per second

　　·MySQL with MEMORY/HEAP 43000 rows read per second

　　·MySQL with MylSAM 28000 rows read per second

　　MySQL在最后两项的表现无疑是令人失望的!然后在测试中还发现MylSAM只缓存自己的键，而不是整个数据。但是MylSAM表现还是值得赞许的，自始至终都没有发现磁盘I/O。在解决了这个问题我们看一下结果：

　　·MySQL with MyISAM 37000 rows read per second

MySQL险胜

　　之后我们又测试了一些其他情况，比如：使用NDB而不使用CLIENT_COMPRESS。但是对比了MongoDB的11万，MySQL表现依旧毫无起色。总结下MySQL在不断尝试中的最好表现:

　　·MySQL with MEMORY/HEAP：43000 rows read per second

　　·MySQL with NDB(不使用CLIENT_COMPRESS)：46000 rows per second

　　虽然没有测试所有组合，但是依据上边两条结果不难推断出：当MySQL在使用MEMORY存储引擎和CLIENT_COMPRESS的情况下不使用MySQL Storage Engines，速度肯定快于4.3万。

　　不难预计这种情况下MySQL将对CPU造成很高的负载。因为一切都在内存中没有了磁盘I/O，那么这里可能束缚MySQL的就只剩下了CPU。所以我们绕过标准服务器使用MySQL Cluster，直接访问NDBAPI。这样得到了更好的表现9万，然而这还是落后于MongoDB。

综合上面的测试，我们还会发现：

　　·MySQL with NDB(不使用CLIENT_COMPRESS46000 rows per second

　　·NDB 32000 rows read per second

　　我们是否可以认为CLIENT_COMPRESS是个“害虫”?是否可以推测CLIENT_COMPRESS会把速度降低25%-30%?!想看看客户端的消耗到底是多少，最简单的办法就是使用libmysqld —MySQL Embedded Library。这样我们就要对基准程序进行改变，在开始测试前同样要确保数据已经被写入内存。准备就绪后开始测试，然而得出的结果正如我们推测的一样。11.5万!MySQL终于取得了胜利!

总结：这里没有胜者，只有不断的提高

　　之后还测试出了MySQL 17.2万的飞速，但是把这个作为战胜MongoDB的依据无疑十分牵强。是的，在这里我们看到的不是胜负，而是MongoDB的来势汹汹及MySQL还拥有的巨大提升空间。

不知道PostgreSQL与MongoDB比较咋样