原文链接:https://www.cnblogs.com/blog5277/p/10658426.html

原文作者:博客园--曲高终和寡

*******************如果你看到这一行,说明爬虫在本人还没有发布完成的时候就抓走了我的文章,导致内容不完整,请去上述的原文链接查看原文****************

由于最近经过朋友启发，又有了一个写个人项目的小想法，在这次个人项目中准备学习并使用一些之前自己没有掌握的新技术，其中，在项目准备的时候，准备爬一些数据做储备。

过去的项目，都对数据写入没有硬性要求，所以之前就是写了爬虫放那不管了，这次由于项目的需求，需要大量快速的爬取/复制/写入数据，我就发现我现在用的Mysql并不能满足我的需求，奇慢无比。经过对比评测，初步决定选用PostgresQL替换掉Mysql。

〇：先摆结论

写入速度：

Mysql：  8.5/s

PostgresQL:   800/s

读取速度：

待Mysql龟速插完100W条数据后再说，要不然不公平

一：前期调查

如果一个市场占有率小的数据库(根据谷歌趋势)，口碑/媒体评测/个人评测都不如Mysql的话，那就不用考虑了。

经过调查，不管是百度、谷歌搜出来的绝大部分结果都是PostgresQL强得多，也符合我自己的评测结果。

有一个关于PostgresQL的负面新闻是，Uber从PostgresQL转为Mysql，但是经过更多的调查发现，这并不完全是PostgresQL的问题，比如如下文章：

http://www.sohu.com/a/108363951_465959

https://m.aliyun.com/yunqi/articles/79658

就解释了这个问题，我个人经过调研是更倾向于PostgresQL的

二：准备工作

1.一台阿里云服务器，1核2G1M带宽I/O优化硬盘(应该是SSD)

2.Mysql 5.7，PostgresQL 11(Mysql版本低是因为我看宝塔推荐Mysql 8.0需要有2G内存最好，可是我这辣鸡服务器总共内存才2G，所以不考虑8.0，更何况从最后的测试结果来看，我不相信换成8.0能弥补这个差距)，全部采用安装时的默认配置，不做任何优化(因为我不会)，这样也可以看数据库自身，最大众的情况下的调教能力(在找借口)，两台都部署在上述那台服务器上

3.建表和字段：

字段

Mysql格式

PostgresQL格式

id(uuid)

char(36)

char(36)

gmt_create

datetime

timestamp without timezone

gmt_modified

datetime

timestamp without timezone

content

varchar(20)

text

在id，gmt_create，content分别加了单索引

说明一下，PostgresQL的text属性是可无限填数据的，Mysql用的的可变字符varchar(20)，而不是longtext，应该已经算优待Mysql了吧

4.数据插入方法：

模拟真实脚本环境，采用springboot+spring-data-jpa 造假数据插入，jpa开启批量插入设置，并可控制batch大小，经过多次测试找出最适合数据库的batch size大小。

为了避免服务器/运行环境资源争抢，一次只运行单个数据库的数据插入方法，下面是批量插入核心代码

三：测试插入

Mysql：

经过测试，Mysql入库速度大约是每秒10条左右，所以batch大小我设置为了5。

设置100会导致8秒1插(一开始数据库数量很少的时候，后面多了肯定还是会降)，设置1000会抛异常，连接超时/重置/未响应等异常，这里不是我不给它设置大的，一开始设置了1000它真的扛不住！！！

以下是插入的时候控制台信息：

以下是workbench里面筛选1分钟录入数据的值：

这是只有40多万数据的时候的值，后面会更慢的，实在是懒得等了先把这部分先写了，所以得出结论：

Mysql的写入速度为：510 / 60 = 8  条数据每秒

PostgresQL:

经过测试，PostgresQL入库速度大约为每秒不到1000条，所以batch大小我设置了500。

以下是插入的时候控制台信息：

以下是pgadmin里面筛选1分钟录入数据的值：

所以得出结论：

PostgresQL的写入速度为：  48000 / 60 = 800  条数据每秒

这差距也太大了。。。大到我都不想再测100W条数据后，查数据的速度了。。。

还是等吧，我等到Mysql龟速插完100W条数据以后再来更新吧