Python DBM真的很快吗？

Question

我认为Python的本地DBM应该比NOSQL数据库（如东京Cabinet、MongoDB等）要快得多（因为Python DBM的特性和选项较少，即系统更简单）。我用一个非常简单的写/读示例测试

#!/usr/bin/python
import time
t = time.time()
import anydbm
count = 0
while (count < 1000):
 db = anydbm.open("dbm2", "c")
 db["1"] = "something"
 db.close()
 db = anydbm.open("dbm", "r")
 print "dict['Name']: ", db['1'];
 print "%.3f" % (time.time()-t)
 db.close()
 count = count + 1

读/写：1.3秒 读数：0.3秒 写入：1.0s

MongoDb的这些值至少快5倍。这真的是Python DBM的性能吗？

Answer 1

Python没有内置的DBM实现。它的DBM功能基于一系列DBM风格的第三方库，如AnyDBM、Berkeley DBM和GNU DBM。

Python的字典实现对于键值存储非常快速，但不是持久的。如果您需要高性能的运行时键值查找，那么您可能会找到一个更好的字典—您可以使用cpickle或shelve之类的工具来管理持久性。如果启动时间对您很重要（如果您正在修改数据，则终止时间）比运行时访问速度更重要，那么DBM之类的东西会更好。

在您的评估中，作为主循环的一部分，您包含了dbm打开调用和数组查找。打开一个DBM来存储一个值，在查找之前关闭并重新打开它，这是一个非常不现实的用例，并且您看到了以这种方式管理持久性数据存储时的典型缓慢性能（这是非常低效的）。

根据您的需求，如果您需要快速查找，并且不太关心启动时间，DBM可能是一个解决方案-但是要对其进行基准测试，只能在循环中包含写和读操作！以下内容可能适合：

import anydbm
from random import random
import time

# open DBM outside of the timed loops
db = anydbm.open("dbm2", "c")

max_records = 100000

# only time read and write operations
t = time.time()

# create some records
for i in range(max_records):
  db[str(i)] = 'x'

# do a some random reads
for i in range(max_records):
  x = db[str(int(random() * max_records))]

time_taken = time.time() - t
print "Took %0.3f seconds, %0.5f microseconds / record" % (time_taken, (time_taken * 1000000) / max_records)

db.close()