python、字典或Mysql中有什么更好？

什么会更快？ 查询mysql以查看我需要的信息是否存在，或者 加载一个包含所有信息的python字典，然后检查id是否存在

如果python更快，那么最好的方法是什么？检查id是否存在

我正在使用python 2.4.3

我在搜索板上标记为正方形的数据，我在搜索x&y。 每个方块只有一个条目，信息不会改变，需要每秒调用几次

谢谢

完成了 我发现是python。我运行了下面的代码，mysql在0.0003秒内完成了这项工作，但是python在0.000006秒内完成了这项工作，mysql要搜索的内容要少得多，测试的内容是如何在现实生活中运行代码。我永远也不知道哪一个在CPU和RAM方面的开销更小，但如果python的速度更高的话，它会做得更好

谢谢你的回答

def speedtest():
 global search
 global data
 qb = time.time()
 search.execute("SELECT * FROM `nogo` where `1`='11' AND `2`='13&3'")
 qa = search.fetchall()
 print qa[0]
 qc =  time.time()
 print "mysql"
 print qb
 print qc
 print qc - qb

 data = {}
 for qa in range(15):
  data[qa] = {}
  for qb in range(300):
   data[qa][str(qb)] = 'nogo'
 qw = 5
 qe = '50'
 qb = time.time()
 print data[qw][qe]
 qc =  time.time()
 print "dictionary"
 print qb
 print qc
 print qc - qb

---

Python应该快得多，但这在很大程度上取决于您的特定场景

my_dict.has_key('foobar')

---

您可能还想签出。

一般来说，如果您想从数据库获取信息，请向数据库询问您需要的信息。MySQL（和其他数据库引擎）旨在尽可能高效地检索数据

试图编写自己的数据检索过程，是在试图智胜那些已经赋予MySQL如此强大的数据处理能力的人才

---

这并不是说将数据加载到Python中永远都不合适，但您应该确保数据库查询不是第一步的正确方法。

一般来说，我认为Python速度更快，但是：

---

这取决于1）您要加载的表有多大（如果太大，python将不会有效率），以及2）您将要执行多少函数调用（因此有时最好将表加载到dict并在一个函数中执行所有查询）。

我不能说MySQL有多快（我不知道如何公平地对其进行基准测试），但是Python dict也有非常好的性能，并且不需要任何IO（与数据库查询相反）。假设

（x_pos，y_pos）

元组作为键和55 x 55字段（您提到了3000条记录，55^2大约是3000条）

每次查找0.004微秒（！）-祝你好运，DBMS的选择；）但由于你使用2.4，YMMV略有下降。 诚然，整数散列的元组会将非常有效的键（整数（适合散列数据类型）散列到它们自己，元组只是散列和异或它们的成员）。

---

此外，这并没有说明加载数据的速度有多快（尽管可以使用pickle模块进行高效序列化）。但是你的问题看起来就像你加载了一次数据，然后处理了一百万次。

我并不是想智胜那些制作MySQL的聪明人，我知道它已经很完美了。但是我想知道，是否将信息传递给mysql并将其传回所需的时间，以及mysql的工作方式，因为它是为什么而构建的。因为我不想搜索、比较和索引3000条记录，所以字典的开销会更小吗？你可能倾向于使用字典，因为你不需要特定表中的所有数据，而且你认为将需要的数据传输到Python并构建查找表会更快。但是在MySQL中创建一个

索引就可以了。绝对不要在MySQL中来回传输你不需要的数据。只选择要与所关心的条件匹配的字段。
has_key
是古老的（在Python2中永远不鼓励，在Python3中删除）。在我的字典中使用“foobar”

！仅仅因为它在Python3中被删除了，它就不算古老了。在2.6中，它没有给我任何弃用警告，在我看来，语法使意图更加清晰。我知道它在文档（2.7版）中是这样说的，但它并不古老。事实上，Python2.4文档中说“要检查字典中是否有单个键，请使用字典的has_key（）方法。”注意：Python2.4确实很旧（5年）。在许多其他缺点中，这意味着您的版本缺少五年的优化。

>>> the_dict = { (x, y) : None for x in range(55) for y in range (55) }
>>> len(the_dict)
3025
>>> import random
>>> xs = [random.randrange(0,110) for _ in range(55)]
>>> ys = [random.randrange(0,110) for _ in range(55)]
>>> import timeit
>>> total_secs = timeit.timeit("for x,y in zip(xs, ys): (x,y) in the_dict",
    setup="from __main__ import xs, ys, the_dict", number=100000)
>>> each_secs = total_secs / 100000
>>> each_secs
1.1723998441142385e-05
>>> each_usecs = 1000000 * each_secs
>>> each_usecs
11.723998441142385
>>> usecs_per_lookup = each_usecs / (55*55)
>>> usecs_per_lookup
0.0038757019640140115