Результаты замеров, Место на диске, Выводы из тестирования - Программа расчета агрегатов по накапливающимся данным для построения отчетов

Удивительно, но StatMetric дает выигрыш в производительности даже на малых масштабах, в любом случае возвращая результат быстрее, нежели обычный запрос.

На представленных графиках показано время выполнения тестовых запросов в SQL и получение аналогичного значения из StatMetric.

сравнение производительности на запросе с count()

Рисунок 5. Сравнение производительности на запросе с COUNT()

сравнение призводительности на запросе с sum()

Рисунок 6. Сравнение призводительности на запросе с SUM()

сравнение производительности на запросе с несколькими join

Рисунок 7. Сравнение производительности на запросе с несколькими JOIN

Место на диске

Для тестовых данных размера Large размер коллекции stats в MongoDB составил 1364 Кб, в то время как размер, занимаемый самой большой таблицей registration в MySQL -- 138,7 Mb.

сравнение занимаемого на диске места

Рисунок 8. Сравнение занимаемого на диске места

Как можно видеть из рисунка 8, таблица в MySQL растет знаительно быстрее коллекции в MongoDB.

Выводы из тестирования

Предлагаемое решение действительно показало прекрасную масштабируемость на объем данных. На графиках хорошо видно, что в то время как производительность SQL-запросов падает, производительность предлагаемого решения практически не меняется.

Опасения по поводу занимаемого места на диске по результатам тестирования не оправдались -- темпы роста MySQL таблицы и Mongo несопоставимы.

Похожие статьи




Результаты замеров, Место на диске, Выводы из тестирования - Программа расчета агрегатов по накапливающимся данным для построения отчетов

Предыдущая | Следующая