个人中心
gpt4 book ai didi

使用Python如何测试InnoDB与MyISAM的读写性能

转载 作者：qq735679552 更新时间：2022-09-27 22:32:09 25 4
gpt4 key购买 nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章使用Python如何测试InnoDB与MyISAM的读写性能由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

前言 。

由于近期有个项目对系统性能要求很高，技术选型上由于种种原因已经确定使用Mysql数据库，接下来就是要确定到底使用哪种存储引擎。我们的应用是典型的写多读少，写入内容为也很短，对系统的稳定性要求很高。所以存储引擎肯定就定在广泛使用的Innodb和MyISAM之中了.

至于两者的比较网上也有很多，但是毕竟这个事情也不复杂，决定还是自己来做，去验证一下在我们的场景下谁更优.

本文测试所用工具版本如下:

  。

Tools Version
MySQL 5.7.18
Python 3.6
Pandas 0.23

  。

① 创建数据表 。

首先我们需要把两张使用了不同引擎的表创建出来，使用为了方便起见，我们直接使用Navicat创建了两张 员工信息表，具体字段如下:

使用Python如何测试InnoDB与MyISAM的读写性能

使用InnoDB引擎的表，设计表名为innodb，选项如下:

  。

使用InnoDB引擎的表，设计表名为myisam，选项如下:

使用Python如何测试InnoDB与MyISAM的读写性能

因为是简单操作，创建的具体细节就不详述了，至此，我们的数据库就把使用 InnoDB 和 MyISAM 两种引擎的表创建好了.

② 单线程写入性能对比 。

1. InnoDB 引擎 。

执行以下代码，往使用了InnoDB引擎的表格插入1000条数据 。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import pandas as pd
from sqlalchemy import create_engine
import time
 
db = create_engine( 'mysql+pymysql://mysql:123456@127.0.0.1:3306/test' )
start = time . time ()
 
for i in range(1000):
  data = { 'index' : i,
    'name' : 'name_' + str(i),
    'age' : i,
    'salary' : i,
    'level' : i}
  df = pd.DataFrame(data, index=[0])
  df.to_sql( 'innodb' , db, if_exists= 'append' , index=False)
 
end = time . time ()
print(end - start)

执行3次上面的代码，得到程序写入1000条数据的时间分别为：12.58s、14.10s、12.71s，平均写入时间为 13.13s.

2. MyISAM 引擎 。

执行以下代码，往使用了MyISAM引擎的表格插入1000条数据 。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import pandas as pd
from sqlalchemy import create_engine
import time
 
db = create_engine( 'mysql+pymysql://mysql:123456@127.0.0.1:3306/test' )
start = time.time()
 
for i in range ( 1000 ):
  data = { 'index' : i,
    'name' : 'name_' + str (i),
    'age' : i,
    'salary' : i,
    'level' : i}
  df = pd.DataFrame(data, index = [ 0 ])
  df.to_sql( 'myisam' , db, if_exists = 'append' , index = False )
 
end = time.time()
print (end - start)

执行3次上面的代码，得到程序写入1000条数据的时间分别为：6.64s、6.99s、7.29s，平均写入时间为 6.97s.

两种引擎的单线程写入速度对比如下:

使用Python如何测试InnoDB与MyISAM的读写性能

结论：单线程的情况下，MyISAM引擎的写入速度比InnoDB引擎的写入速度快88% 。

③ 多线程写入性能对比 。

1. InnoDB 引擎 。

执行以下代码，往使用了InnoDB引擎的表格插入1000条数据 。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import pandas as pd
from sqlalchemy import create_engine
import time
from concurrent.futures import ThreadPoolExecutor
 
db = create_engine( 'mysql+pymysql://mysql:123456@127.0.0.1:3306/test' )
start = time.time()
 
data_lst = [{ 'index' : i,
     'name' : 'name_' + str (i),
     'age' : i,
     'salary' : i,
     'level' : i} for i in range ( 1000 )]
 
def write(data):
  df = pd.DataFrame(data, index = [ 0 ])
  df.to_sql( 'innodb' , db, if_exists = 'append' , index = False )
 
def execute():
  with ThreadPoolExecutor(max_workers = 5 ) as executor:
   executor. map (write, data_lst)
 
execute()
 
end = time.time()
print (end - start)

执行3次上面的代码，得到程序写入1000条数据的时间分别为：4.98s、4.84s、4.88s，平均写入时间为 4.9s.

2. MyISAM 引擎 。

执行以下代码，往使用了MyISAM引擎的表格插入1000条数据 。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import pandas as pd
from sqlalchemy import create_engine
import time
from concurrent.futures import ThreadPoolExecutor
 
db = create_engine( 'mysql+pymysql://mysql:123456@127.0.0.1:3306/test' )
start = time.time()
 
data_lst = [{ 'index' : i,
     'name' : 'name_' + str (i),
     'age' : i,
     'salary' : i,
     'level' : i} for i in range ( 1000 )]
 
def write(data):
  df = pd.DataFrame(data, index = [ 0 ])
  df.to_sql( 'myisam' , db, if_exists = 'append' , index = False )
 
def execute():
  with ThreadPoolExecutor(max_workers = 5 ) as executor:
   executor. map (write, data_lst)
 
execute()
 
end = time.time()
print (end - start)

执行3次上面的代码，得到程序写入1000条数据的时间分别为：3.29s、3.62s、3.47s，平均写入时间为 3.46s.

两种引擎的多线程写入速度对比如下:

使用Python如何测试InnoDB与MyISAM的读写性能

结论：多线程的情况下，MyISAM引擎的写入速度比InnoDB引擎的写入速度快42% 。

④ 读取性能对比 。

为了获得数据量较大的表用于测试数据库的读取性能，我们循环执行10遍上面多线程写入数据的操作，得到两张数据量为10000条数据的表格，然后读取10遍该表格，获取读取时间 。

1. InnoDB 引擎 。

执行以下代码，读取10遍使用了InnoDB引擎的表格 。

?
1
2
3
4
5
6
7
8
9
10
11
12
import pandas as pd
from sqlalchemy import create_engine
import time
 
db = create_engine( 'mysql+pymysql://mysql:123456@127.0.0.1:3306/test' )
start = time.time()
 
for _ in range ( 10 ):
  df = pd.read_sql( 'innodb' , db)
 
end = time.time()
print (end - start)

执行3次上面的代码，得到程序10次读取10000条数据的时间分别为：28.94s、28.88s、28.48s，平均写入时间为 28.77s.

2. MyISAM 引擎 。

执行以下代码，读取10遍使用了MyISAM引擎的表格 。

?
1
2
3
4
5
6
7
8
9
10
11
12
import pandas as pd
from sqlalchemy import create_engine
import time
 
db = create_engine( 'mysql+pymysql://mysql:123456@127.0.0.1:3306/test' )
start = time.time()
 
for _ in range ( 10 ):
  df = pd.read_sql( 'innodb' , db)
 
end = time.time()
print (end - start)

执行3次上面的代码，得到程序10次读取10000条数据的时间分别为：28.51s、29.12s、28.76s，平均写入时间为 28.8s.

两种引擎的读取速度对比如下:

使用Python如何测试InnoDB与MyISAM的读写性能

结论：MyISAM引擎和InnoDB引擎的读取速度无明显差异 。

⑤ 总结 。

1. 写入速度，MyISAM比InnoDB快，单线程的情况下，两者差异尤为明显 。

2. 读取速度，InnoDB和MyISAM无明显差异 。

好了，以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对我的支持.

原文链接：https://www.jianshu.com/p/fc322c9042dd 。

最后此篇关于使用Python如何测试InnoDB与MyISAM的读写性能的文章就讲到这里了,如果你想了解更多关于使用Python如何测试InnoDB与MyISAM的读写性能的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

25 4 0
文章推荐： 服务器端口是什么？服务器有哪些端口？
文章推荐： 企业网站建设的基本要素有哪些？
文章推荐： APP线下推广有哪些方式？APP线下推广的几种主要方式汇总介绍
文章推荐： Java Swing组件BoxLayout布局用法示例
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com