- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我需要一个真正的 DBA 的意见。 Postgres 8.3 在我的 Macbook Pro 上执行此查询需要 200 毫秒,而 Java 和 Python 执行相同的计算不到 20 毫秒(350,000 行):
SELECT count(id), avg(a), avg(b), avg(c), avg(d) FROM tuples;
这是使用 SQL 数据库时的正常行为吗?
架构(表格包含对调查的回复):
CREATE TABLE tuples (id integer primary key, a integer, b integer, c integer, d integer);
\copy tuples from '350,000 responses.csv' delimiter as ','
我用 Java 和 Python 为上下文编写了一些测试,它们压垮了 SQL(纯 Python 除外):
java 1.5 threads ~ 7 ms
java 1.5 ~ 10 ms
python 2.5 numpy ~ 18 ms
python 2.5 ~ 370 ms
即使 sqlite3 与 Postgres 竞争,尽管它假设所有列都是字符串(相比之下:即使仅使用数字列而不是 Postgres 中的整数也会导致 10 倍的减速)
我试过但没有成功的调整包括(盲目地遵循一些网络建议):
increased the shared memory available to Postgres to 256MB
increased the working memory to 2MB
disabled connection and statement logging
used a stored procedure via CREATE FUNCTION ... LANGUAGE SQL
所以我的问题是,我在这里的体验是否正常,这是我在使用 SQL 数据库时可以期待的吗?我能理解 ACID 必须付出代价,但在我看来这有点疯狂。我不是要求实时游戏速度,但由于 Java 可以在 20 毫秒内处理数百万次 double ,我感到有点嫉妒。
有没有更好的方法来以低廉的成本(在金钱和服务器复杂性方面)进行简单的 OLAP?我研究了 Mondrian 和 Pig + Hadoop,但对维护另一个服务器应用程序并不太兴奋,不确定它们是否能提供帮助。
可以这么说,没有 Python 代码和 Java 代码在内部完成所有工作。我只是生成 4 个数组,每个数组有 350,000 个随机值,然后取平均值。我没有在计时中包括生成,只有平均步骤。 Java 线程计时使用 4 个线程(每个数组平均一个线程),有点矫枉过正,但它绝对是最快的。
sqlite3 时序由 Python 程序驱动,从磁盘运行(不是 :memory:)
我意识到 Postgres 在幕后做了更多工作,但大部分工作对我来说并不重要,因为这是只读数据。
Postgres 查询不会更改后续运行的时间。
我已经重新运行 Python 测试以包括将其从磁盘假脱机。时间大大减慢到近 4 秒。但我猜 Python 的文件处理代码几乎都是用 C 编写的(尽管可能不是 csv 库?)所以这向我表明 Postgres 也不是从磁盘流式传输的(或者你是对的,我应该鞠躬在编写存储层的人之前!)
最佳答案
我会说你的测试方案并不是很有用。为了完成数据库查询,数据库服务器经过几个步骤:
因此,在 Python 中创建数组并获取平均值基本上会跳过所有这些步骤,只剩下最后一个。由于磁盘 I/O 是程序必须执行的最昂贵的操作之一,这是测试中的一个主要缺陷(另请参阅我之前在这里问过的 this question 的答案)。即使您在其他测试中从磁盘读取数据,过程也完全不同,并且很难判断结果的相关性。
要获得有关 Postgres 花费时间的更多信息,我建议进行以下测试:
要加快查询速度,请先减少磁盘访问。我非常怀疑是聚合耗费了时间。
有几种方法可以做到这一点:
更新:
我刚刚意识到您似乎对上述查询没有使用索引,而且很可能也没有使用任何索引,所以我对索引的建议可能没有帮助。对不起。尽管如此,我还是要说聚合不是问题,但磁盘访问才是问题。索引的东西我会留下来,反正它可能还有一些用处。
关于python - 为什么 SQL 聚合函数比 Python 和 Java(或穷人的 OLAP)慢得多,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51553/
SQL、PL-SQL 和 T-SQL 之间有什么区别? 谁能解释一下这三者之间的区别,并提供每一个的相关使用场景? 最佳答案 SQL 是一种对集合进行操作的查询语言。 它或多或少是标准化的,几乎所有关
这个问题已经有答案了: What is the difference between SQL, PL-SQL and T-SQL? (6 个回答) 已关闭 9 年前。 我对 SQL 的了解足以完成我的
我在数据库中有一个 USER 表。该表有一个 RegistrationDate 列,该列有一个默认约束为 GETDATE()。 使用 LINQ 时,我没有为 RegistrationDate 列提供任
我有一个可能属于以下类型的字符串 string expected result 15-th-rp 15 15/12-rp 12 15-12-th
很难说出这里问的是什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或言辞激烈,无法以目前的形式合理回答。如需帮助澄清此问题以便可以重新打开,visit the help center . 9年前关闭
我有一个存储过程(称为 sprocGetArticles),它从文章表中返回文章列表。这个存储过程没有任何参数。 用户可以对每篇文章发表评论,我将这些评论存储在由文章 ID 链接的评论表中。 有什么方
我目前正在做一个 *cough*Oracle*cough* 数据库主题。讲师介绍embedded SQL作为让其他语言(例如 C、C++)与(Oracle)数据库交互的方式。 我自己做了一些数据库工作
SQL Server 中 SQL 语句的最大长度是多少?这个长度是否取决于 SQL Server 的版本? 例如,在 DECLARE @SQLStatement NVARCHAR(MAX) = N'S
这个问题已经有答案了: Simple way to transpose columns and rows in SQL? (9 个回答) 已关闭 8 年前。 CallType
预先感谢您对此提供的任何帮助。 假设我有一个查询,可以比较跨年的数据,从某个任意年份开始,永无止境(进入 future ),每年同一时期直到最后一个完整的月份(其特点是一月数据永远不会显示至 2 月
我在数据库中有一个 USER 表。该表有一个 RegistrationDate 列,该列的默认约束为 GETDATE()。 使用 LINQ 时,我没有为 RegistrationDate 列提供任何数
下面是我试图用来检查存储过程是否不存在然后创建过程的 sql。它会抛出一个错误:Incorrect syntax near the keyword 'PROCEDURE' IF NOT EXISTS
我有一个同事声称动态 SQL 在许多情况下比静态 SQL 执行得更快,所以我经常看到 DSQL 到处都是。除了明显的缺点,比如在运行之前无法检测到错误并且更难阅读,这是否准确?当我问他为什么一直使用
来自 lobodava 的动态 SQL 查询是: declare @sql nvarchar(4000) = N';with cteColumnts (ORDINAL_POSITION, CO
使用 SQL Server 中的存储过程执行动态 SQL 命令的现实优点和缺点是什么 EXEC (@SQL) 对比 EXEC SP_EXECUTESQL @SQL ? 最佳答案 sp_executes
我有这个有效的 SQL 查询: select sum(dbos.Points) as Points, dboseasons.Year from dbo.StatLines dbos i
我正在调试一些构建成功运行的 SQL 命令的代码。 然而,在查询结束时,查询结果似乎被写入了一个文本文件。 完整的查询如下 echo SELECT DATE,DATETABLE,DATE,APPDAT
我有一些创建表的 .sql 文件(MS SQL 数据库): 表_1.sql: IF OBJECT_ID (N'my_schema.table1', N'U') IS NOT NULL DROP TAB
我写了下面的 SQL 存储过程,它一直给我错误@pid = SELECT MAX(... 整个过程是: Alter PROCEDURE insert_partyco @pname varchar(20
我在 SQL Server 2005 中有包含两列 Fruit 和 Color 的表,如下所示 Fruit Colour Apple Red Orange
我是一名优秀的程序员,十分优秀!