为什么 :memory: 在 sqlite 中这么慢？
我一直在尝试查看使用内存中的 sqlite 与基于磁盘的 sqlite 是否有任何性能改进。基本上我想交换启动时间和内存以获得在应用程序过程中不会命中磁盘的非常快速的查询。
然而，下面的基准测试只给了我 1.5 倍的速度提升。在这里，我生成 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，返回大小约为 300k 的集合。我预计基于内存的版本会快得多，但如前所述，我只能获得 1.5 倍的加速。
我尝试了几种其他大小的数据库和查询集；:memory: 的优势似乎随着数据库中行数的增加而增加。我不确定为什么优势如此之小，尽管我有一些假设：
- 使用的表不够大（按行），无法制作：memory：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进行了某种缓存，以便可以以某种方式访问先前的结果，从而破坏了基准
- 有某种我没有看到的隐藏磁盘访问正在进行（我还没有尝试过 lsof，但我确实关闭了 PRAGMAs 进行日志记录）
我在这里做错了吗？关于为什么 :memory: 没有产生几乎即时查找的任何想法？这是基准：
==> 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。请注意，对于相当广泛的查询大小，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
相对于磁盘，RAM 不应该几乎是即时的吗？这里出了什么问题？
编辑
这里有一些很好的建议。
我想对我来说主要的要点是**可能没有办法使 :memory:绝对更快，但是有一种方法可以使磁盘访问相对较慢。**
换句话说，基准测试充分测量了内存的实际性能，但没有测量磁盘的实际性能（例如，因为 cache_size pragma 太大或者因为我没有进行写入）。当我有机会时，我会弄乱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一些更快的速度（除了提高 cache_size 和 default_cache_size，我会这样做），我全神贯注......