这篇文章给大家介绍为什么进行list()操作时MongoDB比PostgreSQL慢了7倍，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

成都创新互联长期为上1000+客户提供的网站建设服务，团队从业经验10年，关注不同地域、不同群体，并针对不同对象提供差异化的产品和服务；打造开放共赢平台，与合作伙伴共同营造健康的互联网生态环境。为普兰店企业提供专业的成都做网站、网站制作，普兰店网站改版等技术服务。拥有十年丰富建站经验和众多成功案例,为您定制开发。

最近有需求，要将一个局域网Web数据平台迁移到线上，顺带着，本地服务使用的PostgreSQL也要替换成国内某云的MongoDB。

由于之前的Web框架选择的Django，为了能够最小限度地改动代码，并对接上MongoDB上已存在的数据库和数据，在一番对比之后（Djongo和MongoEngine），选择了MongoEngine这个对象文档映射（ODM）模块来替代Django原有的ORM。

对照着MongoEngine的文档一顿操作，第一个页面迁移完成，赶紧打开看看。

不看则已，一看瞎哭，页面加载完足足等了1、2、3、4、5、6、7、8、……27秒  

（线上MongoDB服务）

而之前的系统这个页面打开只需要几秒钟：  

（本地PostgreSQL服务）

这还了得，上线了不是给自己丢脸吗，赶紧排查测试。  

在这个页面里面，主要数据操作是从数据库中查询出原始数据，然后加载到Pandas的DataFrame中，接着在Pandas中进行各种数据处理，最后返回JSON数据给前端进行渲染。

数据库总的数据量为接近500万，最后的查询结果在3万左右。

对各个环节分别进行测试发现，主要的时间消耗在了从数据库读取数据，然后加载到Pandas这个过程中。

于是将这个过程专门提取出来，单独测试其消耗的时间。  结果发现，使用MongoEngine进行数据查询，然后加载到Pandas中需要几十秒的时间：  

 21秒的耗时，可能是由于MongoEngine对PyMongo进行封装之后的性能不行吧，于是直接使用PyMongo进行测试：

果然，经过一层封装之后，MongoEngine的效率不如PyMongo，但是直接使用PyMongo也消耗了14秒的时间。

而在本地使用PostgreSQL作为数据库后端的Django ORM测试仅仅花费了3秒的时间：  

使  用list()对数据  查询结果进  行  处理  是将其加  载  到P  andas中  的一  个常规前置  操作，相当于遍历查询  集的结  果并将每一条数据添加到一个  列表中。  类似  于以下操作：  
 

   
     
   
   
   res = []
      
    
    for i in xx:
      
    
       res.append(i)

只是一个list()操作，就让MongoDB的速度比PostgreSQL慢如此之多，难道我哪里操作不对？

关于为什么进行list()操作时MongoDB比PostgreSQL慢了7倍就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。

标题名称：为什么进行list()操作时MongoDB比PostgreSQL慢了7倍
URL链接：http://lswzjz.com/article/iepspd.html