低内存且查询最快的数据库用于Python项目
我正在把一个用Java写的GAE应用迁移到Python（非GAE），主要是因为价格原因，所以我打算租一个小服务器，并且想找一个符合以下要求的数据库：
- 占用内存少（或者可以调节，或者是可预测的）
- 对简单的文档/树状数据，按键快速查询（我不太在乎写入性能，假设会有索引）
- 要和Pypy 1.6兼容（至少要支持Python 2.7）
我的数据大致是这样的：
- Id：短的键字符串
- 标题
- 创作者：一个包含其他数据结构的数组，这些数据结构有一个id（作为键）、名字、网站地址等。
- 标签：标签的数组。每个标签可以有多个父标签，也有名字、id等。
- 许可证：一个描述许可证的数据结构（比如CC、GPL等），包含名字、相关网址等。
- 添加时间：它在我们网站上添加的时间。
- 翻译：指向其他条目的指针，这些条目是某个创作的翻译。
我的查询非常简单。常见的情况有：
- 按标签过滤，并按添加时间排序。
- 选择几个（分页），按添加时间排序。
- （可能，尚未完成）按创作者过滤。
- （尚未完成但计划中）在表单中添加一些自动完成功能，所以我需要搜索某些字段是否包含子字符串（类似于'LIKE'查询）。
数据量不大。目前大约有50MB的数据，但我计划将数据集扩大到大约10GB。
另外，我想从头开始重建这个，所以我对任何选项都持开放态度。你觉得哪个数据库能满足我的要求呢？
编辑：我想对不同的选项做一些基准测试，并分享结果。目前我选择了MongoDB、PostgreSQL、MySQL、Drizzle、Riak和Kyoto Cabinet。
2 个回答
如果你想把一个应用程序迁移到新的环境，最简单的方法可能是使用AppScale，它实现了大部分应用引擎的功能。特别是，你可能想用HyperTable这个数据存储，它和Google应用引擎的数据存储非常相似。
补充一下：好吧，你打算重新设计一下。我想和你聊聊你问题中的一些要点。
低内存使用
这其实和你在数据库中想要的正好相反；你希望尽可能多的数据能够放在内存里。这可能意味着你需要调整数据集的结构，使其更高效，或者添加memcached节点，这样你就可以把数据分散到多个主机上，让每个主机只存一小部分数据，这样就能放进内存里。
为了让这个观点更清晰，想想看，从内存中读取数据的速度大约是从硬盘读取的1000倍；一个能从内存中满足所有查询的数据库，处理的工作量是一个需要访问硬盘的数据库的10倍，后者即使只有1%的查询需要访问硬盘。
我计划有一个大约10GB的数据集。
我觉得10GB并不能算是一个“巨大”的数据集。实际上，这个数据量可能可以放进一台相当大的数据库服务器的内存里；你不需要超过一个memcached节点，更不用说额外的持久化节点了（通常硬盘的容量是以TB为单位的，远远大于你预期的数据集）。
根据这些信息，我强烈建议使用一个成熟的数据库产品，比如PostgreSQL，它能很好地满足你描述的数据需求，并且提供你所需要的所有功能。如果将来你需要扩展超过PostgreSQL的能力，你也会有真实的工作负载来分析，知道瓶颈到底在哪里。
我推荐使用PostgreSQL，主要是因为它能满足你的需求，能够扩展，速度快，使用起来相对简单，而且很稳定。
在给出的示例查询中，它的速度非常快，如果用来查询文档，可能会更快。