redis、ignite、mysql memory 内存数据库性能测试对比

缺乏、安全感 2023-02-11 03:19 24阅读 0赞

### 文章目录 ###

*  1. 简介
 *   *  1.1 什么是redis？
     *  1.2 什么是ignite？
     *  1.3 什么是mysql memory？
 *  2. 测试
 *   *  2.1.0 测试环境准备
     *  2.1.1 测试ignite
     *  2.1.2 测试mysql
     *  2.1.3 测试redis
 *  3. 测试总结

通过测试对比，感觉在并发访问时，ignite的性能是最优的，但是redis不是号称大并发量最好的吗？我这里没有测试出他的优势，可能是我使用的不切当导致也是可能的，希望有懂得大神看到此文件，有不同意见时，给与指导，谢谢。

# 1. 简介 #

## 1.1 什么是redis？ ##

redis是一个开源的、使用C语言编写的、支持网络交互的、可基于内存也可持久化的Key-Value数据库。

## 1.2 什么是ignite？ ##

Ignite是一个大容器（相当于mysql的一个连接服务，cache就是一个数据库），里面可以创建cache，数据放在cache里面。Ignite支持完整的SQL、DDL和DML，键-值形式存储数据，其中值得类型可以基本数据类型，也可以是对象Object映射成table-column。

Ignite可以通过key键来取数据，也支持sql语句取数据：

1、创建一个容器cache<String,Object>
    
    2、通过key查询：调用cache.get()/cache.getAll()方法
    
    3、通过sql查询：调用cache.query()

Ignite本身有原生的持久化机制，可以选择是否开启，也可以集成到第三方数据库进行持久化。

## 1.3 什么是mysql memory？ ##

在MySQL中的存储引擎有很多种，可以通过“SHOW ENGINES”语句来查看。下面重点关注InnoDB、MyISAM、MEMORY这三种。

*  nnoDB给MySQL的表提供了事务处理、回滚、崩溃修复能力和多版本并发控制的事务安全。在MySQL从3.23.34a开始包含InnnoDB。它是MySQL上第一个提供外键约束的表引擎。而且InnoDB对事务处理的能力，也是其他存储引擎不能比拟的。靠后版本的MySQL的默认存储引擎就是InnoDB。
 *  MyISAM是MySQL中常见的存储引擎，曾经是MySQL的默认存储引擎。MyISAM是基于ISAM引擎发展起来的，增加了许多有用的扩展。
 *  MEMORY是MySQL中一类特殊的存储引擎。它使用存储在内存中的内容来创建表，而且数据全部放在内存中。这些特性与前面的两个很不同。

应用场景及区别：

*  InnoDB：支持事务处理，支持外键，支持崩溃修复能力和并发控制。如果需要对事务的完整性要求比较高（比如银行），要求实现并发控制（比如售票），那选择InnoDB有很大的优势。如果需要频繁的更新、删除操作的数据库，也可以选择InnoDB，因为支持事务的提交（commit）和回滚（rollback）。
 *  MyISAM：插入数据快，空间和内存使用比较低。如果表主要是用于插入新记录和读出记录，那么选择MyISAM能实现处理高效率。如果应用的完整性、并发性要求比 较低，也可以使用。
 *  MEMORY：所有的数据都在内存中，数据的处理速度快，但是安全性不高。如果需要很快的读写速度，对数据的安全性要求较低，可以选择MEMOEY。它对表的大小有要求，不能建立太大的表。所以，这类数据库只使用在相对较小的数据库表。

# 2. 测试 #

## 2.1.0 测试环境准备 ##

jemeter 测试500用户，表：person，字段：id，name,phone

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70]

ignite数据库数据：10000条  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70 1]  
mysql数据库数据：10000条  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70 2]  
reids数据：10000条，key: rtb:\*:1 value:是个对象，三个字段值都是：1

## 2.1.1 测试ignite ##

http://localhost:8080/findPersonById?id=100  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70 3]  
结果： 耗时在 60ms ----- 4422ms 之间。

## 2.1.2 测试mysql ##

http://localhost:8080/findMysql?count=1  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70 4]  
结果： 耗时在：694ms -----14551ms左右。

## 2.1.3 测试redis ##

http://localhost:8090/getDataByPipelinedAndJedisKey?key=rtd%3A\*%3A1  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70 5]

结果： 耗时在：1873ms ------ 7266ms左右。

# 3. 测试总结 #

保持一致条件（每秒并发用户同时访问，访问一次），依次测试200、300、400用户的耗时，统计结果如下：

<table> 
 <thead> 
  <tr> 
   <th>用户数(单位：个)</th> 
   <th>ignite(单位：ms)</th> 
   <th>mysql memory</th> 
   <th>mysql InnoDB(单位：ms)</th> 
   <th>redis(单位：ms)</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>500</td> 
   <td>4422</td> 
   <td>14551</td> 
   <td>15113</td> 
   <td>7266</td> 
  </tr> 
  <tr> 
   <td>400</td> 
   <td>2707</td> 
   <td>11194</td> 
   <td>12004</td> 
   <td>6976</td> 
  </tr> 
  <tr> 
   <td>300</td> 
   <td>2503</td> 
   <td>7500</td> 
   <td>8501</td> 
   <td>3583</td> 
  </tr> 
  <tr> 
   <td>200</td> 
   <td>1094</td> 
   <td>4514</td> 
   <td>5977</td> 
   <td>2318</td> 
  </tr> 
 </tbody> 
</table>

**通过测试对比，感觉在并发访问时，ignite的性能是最优的，但是redis不是号称大并发量最好的吗？我这里没有测试出他的优势，可能是我使用的不切当导致也是可能的，希望有不同意见的给与指导，谢谢。**

**mysql memory和mysql InnoDB的性能在查询不是很明显，写入时内存优势明显，也有可能是我使用的方法不对，这个需要再测试验证。**

另外mysql memory 和mysql InnoDB对比  
写入10000条数耗时（ms）：

<table> 
 <thead> 
  <tr> 
   <th>mysql memory</th> 
   <th>mysql InnoDB</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>3205</td> 
   <td>131003</td> 
  </tr> 
 </tbody> 
</table>

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200521154432558.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/2020052115510810.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200521155142110.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/2020052118442028.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200521184739210.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200521180632318.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXBlaWJpbjIwMTI=,size_16,color_FFFFFF,t_70