在九月初的时候，R">MongoDB正式发布了修订版本，这也就意味着，从事数值计算的语言也可以于Nosql产品相接轨了，但是鉴于我身边并没有公司真的在使用R和MongoDB的结合，所以在效率问题上，我们也不敢掉以轻心，所以就做了一个这样的测试。
测试环境是8核，64位机。 用于测试的库是一个未经Sharding，大概30G左右的Collection。用于存储用户的喜好信息，标签信息等数据。
library(rmongodb) mongo <- mongo.create() if(mongo.is.connected(mongo)) { ns <- 'rivendell.user' print('查询一个没有索引的字段，查询一条') print(system.time(p <- mongo.find.one(mongo,ns,list(Friend=600)))) print('查询一个没有索引的字段，多条,without buffer') print(system.time(p <- mongo.find(mongo,ns,list(Friend=600)))) print('看看是否有缓存策略') print(system.time(p <- mongo.find(mongo,ns,list(Friend=600)))) print('查询一个没有索引的字段，多条,has buffer') buf <- mongo.bson.buffer.create() mongo.bson.buffer.append(buf,'Friend',600L) query <- mongo.bson.from.buffer(buf) print(system.time(p <- mongo.find(mongo,ns,query))) print('看看是否有缓存策略') buf <- mongo.bson.buffer.create() mongo.bson.buffer.append(buf,'Friend',600L) query <- mongo.bson.from.buffer(buf) print(system.time(p <- mongo.find(mongo,ns,query))) print('大于的查询，查询一条记录') print(system.time(p <- mongo.find.one(mongo,ns,list(Friend=list('$gt'=600L))))) print('大于的记录，查询多条记录') print(system.time(cursor <- mongo.find(mongo,ns,list(Friend=list('$gt'=600L))))) mongo.cursor.destroy(cursor) print('查询一条有索引的记录') print(system.time(p <- mongo.find.one(mongo,ns,list('_id'=3831809L)))) print('查询索引的记录') print(system.time(p <- mongo.find(mongo,ns,list('_id'=3831809L)))) print('插入一条记录') buf <- mongo.bson.buffer.create() mongo.bson.buffer.append(buf,'name',"huangxin") mongo.bson.buffer.append(buf,'age',22L) p <- mongo.bson.from.buffer(buf) print(system.time(mongo.insert(mongo,ns,p))) print('找到
刚刚插入的记录') print(system.time(p <- mongo.find.one(mongo,ns,list('name'='huangxin')))) if(!is.null(p)) { print('success') } print('批量插入') buf <- mongo.bson.buffer.create() mongo.bson.buffer.append(buf,'name','huangxin') mongo.bson.buffer.append(buf,'age',22L) p1 <- mongo.bson.from.buffer(buf) buf <- mongo.bson.buffer.create() mongo.bson.buffer.append(buf,'name','huangxin') mongo.bson.buffer.append(buf,'age',22L) p2 <- mongo.bson.from.buffer(buf) buf <- mongo.bson.buffer.create() mongo.bson.buffer.append(buf,'name','huangxin') mongo.bson.buffer.append(buf,'age',22L) p3 <- mongo.bson.from.buffer(buf) print(system.time(mongo.insert.batch(mongo,ns,list(p1,p2,p3)))) print('找到刚刚批量插入的记录') print(system.time(cursor <- mongo.find(mongo,ns,list('name'='huangxin')))) i <- 0 while(mongo.cursor.next(cursor)) { i <- i + 1 } print(i) print('批量更新') print(system.time(mongo.update(mongo,ns,list(name='huangxin'),list('name'= 'kym')))) print('查看更新是否成功') print(system.time(p <- mongo.find.one(mongo,ns,list('name'='kym')))) if(!is.null(p)) { print('success') } print('批量删除') print(system.time(mongo.remove(mongo,ns,list(name='kym')))) } print(system.time(p <- mongo.find.one(mongo,ns,list('name'='kym')))) if(!is.null(p)) { print('success') }
[1] "查询一个没有索引的字段，查询一条" user system elapsed 0.000 0.000 0.115 [1] "查询一个没有索引的字段，多条,without buffer" user system elapsed 0.000 0.000 32.513 [1] "看看是否有缓存策略" user system elapsed 0.000 0.000 32.528 [1] "查询一个没有索引的字段，多条,has buffer" user system elapsed 0.000 0.000 32.685 [1] "看看是否有缓存策略" user system elapsed 0.000 0.000 33.172 [1] "大于的查询，查询一条记录" user system elapsed 0.000 0.000 0.001 [1] "大于的记录，查询多条记录" user system elapsed 0.000 0.000 0.014 [1] "查询一条有索引的记录" user system elapsed 0 0 0 [1] "查询索引的记录" user system elapsed 0 0 0 [1] "插入一条记录" user system elapsed 0 0 0 [1] "找到刚刚插入的记录" user system elapsed 0.00 0.00 35.42 [1] "success" [1] "批量插入" user system elapsed 0 0 0 [1] "找到刚刚批量插入的记录" user system elapsed 0.004 0.000 35.934 [1] 7 [1] "批量更新" user system elapsed 0.000 0.004 0.000 [1] "查看更新是否成功" user system elapsed 0.000 0.000 67.773 [1] "success" [1] "批量删除" user system elapsed 0 0 0 user system elapsed 0.000 0.000 91.396
之前我一直不太理解的就是为什么大于和等于，差距会差这么多。后来当我在用Python去做同样的测试的时候发现，Python两者的效率其实是相同的，所以这就证明了这个不是MongoDB的问题，而我不相信在数据库层面，一个语言的Driver会有这么大的差别。
后来我发现了Python和R的关于MongoDB Driver的一个区别。首先，Python find的时候，不是将查询到的数据集整体拉回，而是返回一个cursor，也就是说，他在执行find命令的时候并不消耗时间，而如果加上while cursor.next()的时候，才会真正地去执行这个查询。
但是R不一样，R会首先考虑数据集的大小（或者其他情况），然后视情况而定地返回cursor还是将整个数据集整体拉回。如果我们将之前的while mongo.cursor.next(cursor)也算在计算时间的时候，那么我们就会发现，其实大于和等于的操作，效率相差并不明显了.......
在实际操作中，批量插入是一个非常常见的应用场景，但是对于R或者Matlab语言来说，循环的效率一直是硬伤，所以接下来，我会尝试着用apply系列来解决R语言的循环问题，如果实际操作发现可行，那么接下来使用mutilab等R的并行计算库来充分发挥多核的效率也值得尝试了！
原文链接：http://www.cnblogs.com/kym/archive/2011/09/26/2191501.html