SQLite性能基准测试——为什么是：内存：这么慢……只有磁盘的1.5倍？

Question

为什么：内存：在sqlite中如此缓慢？

我一直在尝试使用内存中的sqlite与基于磁盘的sqlite相比，是否有任何性能改进。基本上，我想用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会命中磁盘。

但是，下面的基准测试只给了我1.5倍的速度提升系数。在这里，我生成了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，返回大约300k的大小集。我希望基于内存的版本要快得多，但如前所述，我只得到1.5倍的加速。

我尝试了其他几种大小的dbs和查询集；其优点是：内存：似乎会随着db中行数的增加而增加。我不知道为什么优势这么小，尽管我有几个假设：

• 使用的表不够大（成行）：内存：一个巨大的赢家
• 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上有某种缓存，这样以前的结果就可以以某种方式访问，从而破坏了基准
• 有一种隐藏的磁盘访问正在进行，我没有看到（我还没有尝试lsof，但我确实关闭了用于日志记录的PRAGMAs）

我在这里做错什么了吗？关于原因的任何想法：记忆：不产生几乎即时的查找吗？以下是基准：

==> 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。注意，对于相当大范围的查询大小，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

RAM相对于磁盘不应该几乎是即时的吗？这里出什么事了？

编辑

这里有一些好的建议。

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

换言之，基准测试充分衡量了内存的实际性能，而不是磁盘的实际性能（例如，由于缓存大小pragma太大或因为我没有执行写操作）。当我有机会的时候，我会处理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的速度（而不是通过提高缓存大小和默认缓存大小，我会这么做），我会全神贯注。。。

Answer 1

这与SQLite有页面缓存有关。根据Documentation，默认的页缓存是20001k页或大约2Mb。因为这大约是你数据的75%到90%，所以这两个数字非常相似并不奇怪。我的猜测是，除了SQLite页面缓存之外，其余的数据仍在OS磁盘缓存中。如果让SQLite刷新页面缓存（和磁盘缓存），您将看到一些非常显著的差异。