python - SQLite 性能基准测试——为什么 :memory: so slow. ..只有磁盘的 1.5 倍？

Question

为什么 :memory: 在 sqlite 中这么慢？

我一直在尝试查看使用内存中的 sqlite 与基于磁盘的 sqlite 是否有任何性能改进。基本上我想交换启动时间和内存来获得非常快速的查询，这些查询在应用程序过程中不命中磁盘。

但是，以下基准测试仅使我的速度提高了 1.5 倍。在这里，我生成 1M 行随机数据并将其加载到同一个表的基于磁盘和内存的版本中。然后我在两个数据库上运行随机查询，返回大小约为 300k 的集合。我预计基于内存的版本会快得多，但如前所述，我只能获得 1.5 倍的加速。

我尝试了几种其他大小的数据库和查询集； :memory 的优势:确实 似乎随着数据库中行数的增加而增加。我不确定为什么优势如此之小，尽管我有一些假设:

• 所使用的表不够大(以行为单位)，无法让 :memory: 成为大赢家
• 更多的连接/表将使 :memory: 优势更加明显
• 在连接或操作系统级别进行了某种缓存，因此以前的结果可以通过某种方式访问​​，从而破坏了基准测试
• 发生了某种我没有看到的隐藏磁盘访问(我还没有尝试 lsof，但我确实关闭了 PRAGMA 以进行日志记录)

我在这里做错了吗？关于为什么 :memory: 没有产生几乎即时查找的任何想法？这是基准:

==> sqlite_memory_vs_disk_benchmark.py <==

#!/usr/bin/env python
"""Attempt to see whether :memory: offers significant performance benefits.

"""
import os
import time
import sqlite3
import numpy as np

def load_mat(conn,mat):
    c = conn.cursor()

    #Try to avoid hitting disk, trading safety for speed.
    #http://stackoverflow.com/questions/304393
    c.execute('PRAGMA temp_store=MEMORY;')
    c.execute('PRAGMA journal_mode=MEMORY;')

    # Make a demo table
    c.execute('create table if not exists demo (id1 int, id2 int, val real);')
    c.execute('create index id1_index on demo (id1);')
    c.execute('create index id2_index on demo (id2);')
    for row in mat:
        c.execute('insert into demo values(?,?,?);', (row[0],row[1],row[2]))
    conn.commit()

def querytime(conn,query):
    start = time.time()
    foo = conn.execute(query).fetchall()
    diff = time.time() - start
    return diff

#1) Build some fake data with 3 columns: int, int, float
nn   = 1000000 #numrows
cmax = 700    #num uniques in 1st col
gmax = 5000   #num uniques in 2nd col

mat = np.zeros((nn,3),dtype='object')
mat[:,0] = np.random.randint(0,cmax,nn)
mat[:,1] = np.random.randint(0,gmax,nn)
mat[:,2] = np.random.uniform(0,1,nn)

#2) Load it into both dbs & build indices
try: os.unlink('foo.sqlite')
except OSError: pass

conn_mem = sqlite3.connect(":memory:")
conn_disk = sqlite3.connect('foo.sqlite')
load_mat(conn_mem,mat)
load_mat(conn_disk,mat)
del mat

#3) Execute a series of random queries and see how long it takes each of these
numqs = 10
numqrows = 300000 #max number of ids of each kind
results = np.zeros((numqs,3))
for qq in range(numqs):
    qsize = np.random.randint(1,numqrows,1)
    id1a = np.sort(np.random.permutation(np.arange(cmax))[0:qsize]) #ensure uniqueness of ids queried
    id2a = np.sort(np.random.permutation(np.arange(gmax))[0:qsize])
    id1s = ','.join([str(xx) for xx in id1a])
    id2s = ','.join([str(xx) for xx in id2a])
    query = 'select * from demo where id1 in (%s) AND id2 in (%s);' % (id1s,id2s)

    results[qq,0] = round(querytime(conn_disk,query),4)
    results[qq,1] = round(querytime(conn_mem,query),4)
    results[qq,2] = int(qsize)

#4) Now look at the results
print "  disk | memory | qsize"
print "-----------------------"
for row in results:
    print "%.4f | %.4f | %d" % (row[0],row[1],row[2])

这是结果。请注意，对于相当广泛的查询大小，磁盘占用的内存大约是内存的 1.5 倍。

[ramanujan:~]$python -OO sqlite_memory_vs_disk_clean.py
  disk | memory | qsize
-----------------------
9.0332 | 6.8100 | 12630
9.0905 | 6.6953 | 5894
9.0078 | 6.8384 | 17798
9.1179 | 6.7673 | 60850
9.0629 | 6.8355 | 94854
8.9688 | 6.8093 | 17940
9.0785 | 6.6993 | 58003
9.0309 | 6.8257 | 85663
9.1423 | 6.7411 | 66047
9.1814 | 6.9794 | 11345

相对于磁盘，RAM 不应该几乎是即时的吗？这里出了什么问题？

编辑

这里有一些很好的建议。

我想我的主要观点是**可能没有办法让:memory:绝对更快，但是有一种方法可以让磁盘访问相对较慢。 **

换句话说，基准测试充分衡量了内存的实际性能，但不是磁盘的实际性能(例如，因为 cache_size pragma 太大或因为我没有进行写入)。当我有机会时，我会弄乱这些参数并发布我的发现。

也就是说，如果有人认为我可以从内存数据库中挤出更多速度(除了提高 cache_size 和 default_cache_size，我会这样做)，我会全力以赴……

Answer 1

这与 SQLite 具有页面缓存这一事实有关。根据Documentation ，默认的页面缓存是2000个1K页面或大约2Mb。由于这大约是您数据的 75% 到 90%，因此这两个数字非常相似也就不足为奇了。我的猜测是，除了 SQLite 页面缓存之外，其余数据仍在 OS 磁盘缓存中。如果您让 SQLite 刷新页面缓存(和磁盘缓存)，您会看到一些非常显着的差异。