Django 为什么Postgres查询比Redis查询快？

我正在学习Redis，以及它是如何在内存数据库中快速发展的。在我的Django应用程序中，我有一个Postgres表，其中大约有1500行。该模型只有两个字段“name”和“occurrence”。为了测试查询内存不足的对象要比查询本地数据库快多少，我创建了两个查询

1） 使用Django对象管理器按查询简单排序

2） Redis服务器上的ZRANGE命令，从 Redis排序集

在进行两次查询之后，我发现从Redis排序集获取相同数量的项目所花费的时间是进行Postgres查询所花费的时间的250倍。为什么会这样

剧本

import json
import redis
import datetime

from django.http import HttpResponse
from django.shortcuts import render

from wikipedia.models import Word

redis_server = redis.Redis("localhost")

def get_word_results(request):
    now = datetime.datetime.now()
    words = Word.objects.all().order_by('-occurrence')
    after = datetime.datetime.now()

    diff = (after - now).total_seconds() * 1000
    print(diff)

    rnow = datetime.datetime.now()
    words_redis = redis_server.zrange(name='myzset', start=0, end=-1, withscores=True)
    rafter = datetime.datetime.now()

    diff2 = (rafter - rnow).total_seconds() * 1000
    print(diff2)

结果

0.199
48.048

---

记住，redis不是一个通用数据库。有些查询或使用传统的rdbms，有些则是redis超越rdbms的。Redis为您提供了对键值存储数据的闪电般快速读取和写入。i、 例如，“对于给定的单词，我希望检索出现的次数”，而不是“我希望所有单词都按出现的次数排序”

例如：

def prep_redis():
    for word in Word.objects.all():
        redis_server.set(word.name, word.occurrence)

def test_lookup_postgres(name):
    # start = datetime.datetime.now()
    p = Word.objects.get(name=name)
    # end = datetime.datetime.now()
    # diff = end - start
    # print('postgres took %s ms' % (diff * 1000,))
    return p.occurrence

def test_lookup_redis(name):
    # start = datetime.datetime.now()
    value = redis_server.get(name)
    # end = datetime.datetime.now()
    # diff = end - start
    # print('redis took %s ms' % (diff * 1000,))
    return value

def main():
    from timeit import Timer
    prep_redis()
    r_timer = Timer(lambda: test_lookup_redis('sesame'))
    p_timer = Timer(lambda: test_lookup_postgres('sesame'))
    print('For 1000 runs, redis: %s' % (r_timer.timeit(number=1000),))
    print('For 1000 runs, postgres: %s' % (p_timer.timeit(number=1000),))

在这里，我们期望redis比postgres更快

相比之下，redis对于较大的数据结构速度非常慢，因为序列化和反序列化数据所需的时间超过了I/O成本：

RAM的速度和内存带宽对于全局性能似乎不那么重要，尤其是对于小型对象。但对于大型对象（>10KB），它可能会变得引人注目。通常，购买昂贵的快速内存模块来优化Redis并不划算。

---

记住，redis不是一个通用数据库。有些查询或使用传统的rdbms，有些则是redis超越rdbms的。Redis为您提供了对键值存储数据的闪电般快速读取和写入。i、 例如，“对于给定的单词，我希望检索出现的次数”，而不是“我希望所有单词都按出现的次数排序”

例如：

def prep_redis():
    for word in Word.objects.all():
        redis_server.set(word.name, word.occurrence)

def test_lookup_postgres(name):
    # start = datetime.datetime.now()
    p = Word.objects.get(name=name)
    # end = datetime.datetime.now()
    # diff = end - start
    # print('postgres took %s ms' % (diff * 1000,))
    return p.occurrence

def test_lookup_redis(name):
    # start = datetime.datetime.now()
    value = redis_server.get(name)
    # end = datetime.datetime.now()
    # diff = end - start
    # print('redis took %s ms' % (diff * 1000,))
    return value

def main():
    from timeit import Timer
    prep_redis()
    r_timer = Timer(lambda: test_lookup_redis('sesame'))
    p_timer = Timer(lambda: test_lookup_postgres('sesame'))
    print('For 1000 runs, redis: %s' % (r_timer.timeit(number=1000),))
    print('For 1000 runs, postgres: %s' % (p_timer.timeit(number=1000),))

在这里，我们期望redis比postgres更快

相比之下，redis对于较大的数据结构速度非常慢，因为序列化和反序列化数据所需的时间超过了I/O成本：

RAM的速度和内存带宽对于全局性能似乎不那么重要，尤其是对于小型对象。但对于大型对象（>10KB），它可能会变得引人注目。通常，购买昂贵的快速内存模块来优化Redis并不划算。

---

您的测试正在构造数据库查询，但实际上并没有执行它。将您的线路更改为：

words = list(Word.objects.order_by('-occurrence'))

---

这将强制对查询进行求值。（有关更多详细信息，请参阅文档的一部分。）

您的测试正在构造数据库查询，但实际上并没有执行它。将您的线路更改为：

words = list(Word.objects.order_by('-occurrence'))

---

这将强制对查询进行求值。（有关详细信息，请参阅文档的第页。）

谢谢Kevin！你的两个答案都非常有助于我更好地理解这个问题。如果我能把这两个都标为答案，我会：）。谢谢凯文！你的两个答案都非常有助于我更好地理解这个问题。如果我能把这两个都标为答案，我会：）。谢谢两个，这真的很有帮助！谢谢2ps，这真的很有帮助！