berkeley db, tokyo cabinet的简单性能比较

最新推荐文章于 2014-10-23 22:17:30 发布

最新推荐文章于 2014-10-23 22:17:30 发布 · 246 阅读

文章标签：

#MySQL

本文通过在开发机上进行测试，对比了BerkeleyDB与TokyoCabinet两种数据库的数据插入及读取性能。BerkeleyDB在插入1亿条记录时表现稳定，而TokyoCabinet在插入3000万条记录后的性能有所下降。

在一台开发机上的简单测试，版本分别为Berkeley DB 4.8， Tokyo Cabinet 1.4.42. 各自起两个线程，分别负责数据插入和读取。

Berkeley DB：

使用B+ Tree数据库，从空白数据库开始，插入1亿条记录，其中插入速度约为8w/s, 读取速度约为10w/s，速度比较稳定，用时22分钟，最终数据库大小7.5G。其中读取用的是cursor，如果使用随机的key读取，速度最终下降到大约200/s。

Tokyo Cabinet:

使用B+ Tree数据库，插入3000w条记录，插入和读写速度从一开始的7w/s, 3w/s下降到1w/s, 500/s，数据文件大小845M，使用cursor和随机读取速度区别不大。

最为对比， mysql的插入和读取速度大概在7k左右

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

iteye_14474

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Tokyo-Cabinet.tar.gz

02-09

TDB是Tokyo Cabinet中的一种数据库引擎，它提供了类似于Berkeley DB的接口。TDB支持多线程操作，允许并发读取，同时在事务处理方面提供了一定的保障，确保了数据的一致性。其B+树结构使得数据的插入、查找和删除操作...

再说tokyocabinet 及其扩展

03-17

通常，这样的文章会详细介绍Tokyo Cabinet的基础知识，包括它的数据结构（如B+树）、数据存储方式、性能表现，以及与同类数据库如Berkeley DB、LevelDB等的比较。标签“源码”表明内容可能涉及Tokyo Cabinet的源...

参与评论您还未登录，请先登录后发表或查看评论

NoSQL解决方案比较（MongoDB vs Redis, Tokyo Cabinet, and Berkeley DB）

iTer的专栏

10-17

1770

NoSQL解决方案比较 NoSQL Solution: Evaluation and Comparison: MongoDB vs Redis, Tokyo Cabinet, and Berkeley DB 你也许认为这是NoSQL (Not Only SQL)广告宣传的另一个博客。是，这的确是。但是如果这个时候你仍就为寻找一个可行的NoSQL解决方案而苦恼，读完这

对Berkeley DB的性能进行的部分测试

h_rain

03-26

362

零环境说明: 所有的数据插入的都是Key=int,Value=int,在循环中递增的. 本机NTFS的默认簇大小为4K. 本机配置仅仅影响绝对值.相对值是可比较的: OS=WinXP SP2;R...

Tokyo Cabinet的TCHDB数据结构

gxfan的专栏

04-24

2774

原帖网址：http://www.cppblog.com/converse/archive/2010/01/10/105317.html为了学习key-value数据库，我打算详细阅读Tokyo Cabinet这个存储引擎的源代码，目前网上已有了一些相关的原理分析资料，我转载的这篇文章原名叫《tokyocabinet1.4.19阅读笔记（一）hash数据库概述》，写得很详细了，我把它贴在这里，

实现键值对存储（三）：Kyoto Cabinet 和LevelDB的架构比较分析

搞搞Android 玩玩前端

10-23

2187

本文是《实现键值对存储》系列译文的第三篇在本文中，我将会逐组件地把Kyoto Cabinet 和 LevelDB的架构过一遍。目标和本系列第二部分讲的差不多，通过分析现有键值对存储的架构来思考我应该如何建立我自己键值对存储的架构。

Tokyo Cabinet 主辅(转)

soledede

12-11

275

Tokyo Cabinet简介　Tokyo Cabinet 是日本人 Mikio Hirabayashi开发的一款 DBM 数据库，该数据库读写非常快，哈希模式写入100万条数据只需0.643秒，读取100万条数据只需0.773秒，是 Berkeley DB 等 DBM 的几倍。 Tokyo Cabinet 是一个DBM的实现。这里的数据库由一系列key-value对的记录构成。key和v...

MongoDB,Redis,Tokyo Cabinet,BerkeleyDB之性能比较

pennyliang的专栏

02-26

6800

MongoDB,Redis,Tokyo Cabinet,BerkeleyDB之性能比较

掌握Tokyo Cabinet - 1.4.47版本键值数据库解析

Tokyo Cabinet是一个高效的高性能数据库管理系统，它以库的形式提供，通常用于实现键值存储的数据管理功能，也被称为DBM（database manager）的一种实现。DBM是一种古老的数据管理技术，用于存储关联数组，也就是...

"Redis学习笔记：从零开始学习，比较关系型数据库与非关系型数据库

其中，键值存储数据库是最为主流的NOSQL数据库之一，其代表性产品包括Tokyo Cabinet/Tyrant、Voldemort、Berkeley DB等。键值存储数据库主要用于处理大量数据的高访问负载，具有优秀的快速查询和稳定性强的特点。但...

ttserver

11-10

Tokyo Tyrant 是 Tokyo Cabinet 的网络接口，它提供了一个简单易用的服务器端程序，允许远程客户端通过TCP/IP协议进行数据操作。"tokyocabinet-1.4.27.tar" 是 Tokyo Cabinet 的源代码压缩包，版本号为1.4.27。这个...

Berkeley DB 和关系型数据库的比较(1)

闪亮滴眼露

04-07

3522

A Comparison of Oracle Berkeley DB andRelational Database Management SystemsBerkeley DB 和关系型数据库的对比 INTRODUCTION介绍 Oracle is well known for its industry-leading database engine, Oracle Da

优化调度基于改进遗传算法的公交车调度排班优化的研究与实现（Matlab代码实现）

12-01

【优化调度】基于改进遗传算法的公交车调度排班优化的研究与实现（Matlab代码实现）内容概要：本文围绕“基于改进遗传算法的公交车调度排班优化”展开研究，利用Matlab实现算法仿真与优化过程。文章重点介绍如何通过改进遗传算法（如引入精英策略、变异优化等）提升传统算法在公交调度这一复杂多目标优化问题中的性能，解决发车频率、线路分配、司机排班及运营成本之间的平衡问题。研究涵盖了实际调度中的多重约束条件，包括时段客流波动、车辆数量限制、工作时长合规性等，并通过仿真实验验证改进算法在收敛速度、解的质量和稳定性方面的优越性。; 适合人群：具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事公共交通系统规划与智能调度的工程技术人员。; 使用场景及目标：①应用于城市公交系统排班优化，提升运营效率并降低人力与能源成本；②作为智能交通系统（ITS）中调度模块的技术参考；③为遗传算法在实际工程问题中的改进与应用提供案例支撑。; 阅读建议：建议读者结合文中Matlab代码进行实践操作，重点关注算法改进策略的设计逻辑与调度模型的构建方式，同时可尝试将算法扩展至其他交通调度场景以深化理解。

中国臭氧站点数据集(2024).zip

12-01

1. station_2024.csv —— 全国地面站点位置信息 2. O3_data_2024.csv —— 全国 O₃ 小时浓度数据

（64页PPT）某著名企业集团年会活动策划方案.ppt

最新发布

12-01

（64页PPT）某著名企业集团年会活动策划方案.ppt

【嵌入式系统】基于GCC优化与组件裁剪的固件瘦身方法：面向STM32/ESP32/nRF52平台的低资源部署方案设计

12-01

内容概要：本文系统介绍了嵌入式固件裁剪与优化的实战方法，重点围绕编译器级优化（如GCC的-Os、-flto、--gc-sections等选项）、主流芯片平台（STM32、ESP32、nRF52）的具体瘦身流程以及工具链实践展开。通过对比不同优化配置下的固件大小、执行效率和编译时间，验证了-Os结合LTO与段裁剪可显著减小体积，同时提供了HAL库裁剪、启动文件优化、分区表调整、调试信息移除等关键操作步骤，最终实现固件体积大幅缩减。; 适合人群：具备嵌入式开发经验的工程师，尤其是从事MCU固件开发、资源受限设备优化及相关技术研究的1-3年工作经验人员；熟悉C/C++语言及基本编译链接原理者更佳；使用场景及目标：①在存储空间紧张的嵌入式设备中最大化压缩固件体积；②提升代码执行效率并合理平衡调试能力；③掌握跨平台（STM32/ESP32/nRF52）固件优化通用方法论；阅读建议：建议结合具体项目实践文中优化策略，逐步应用编译器选项、组件裁剪与链接脚本修改，并借助size、objdump、strip等工具分析优化效果，注意避免过度优化带来的稳定性风险。

STM32实现PT100测温系统V4.0（4针OLED显示）

12-01

提供了基于STM32微控制器的PT100测温系统完整解决方案。PT100是一种常见的铂电阻温度检测器，广泛应用于工业温度测量领域。此项目实现了利用STM32精确采集PT100电阻值变化，进而转换并显示当前温度的功能。特别地，本系统通过4针OLED显示屏直观展示温度数据，提高了现场观察的便捷性和系统的可读性。版本说明版本: V4.0 更新日期: [请插入具体日期] 核心处理器: STM32系列（具体型号请参考源代码）显示模块: 4针OLED显示屏功能特点: 高精度PT100温度采集实时温度数据显示 OLED屏幕友好界面设计稳定的软件架构，易于扩展和修改目录结构仓库大致包含以下目录结构： . ├── Src # 源代码文件夹 │ ├── main.c # 主程序文件 │ └── ... # 其他相关源文件 ├── Inc # 头文件文件夹 │ ├── main.h # 主头文件 │ └── ... # 其余头文件 ├── Documentation # 文档资料 │ └── 用户手册.pdf # 项目使用指南 ├── Libraries # 第三方库或自定义库 │ └── OLED # OLED驱动库 └── STM32_project # IAR/Keil等开发环境工程文件 ├── STM32xxxxx.uvprojx # 开发工具工程文件 └── ... # 工程相关配置文件快速上手硬件准备：确保你

ComfyUI/Qwen Wan2.2 FMLF 三帧一致性人物视频生成

12-01

文件编号：c0176 ComfyUI使用教程、开发指导、资源下载： https://datayang.blog.youkuaiyun.com/article/details/145220524 AIGC工具平台Tauri+Django开源ComfyUI项目介绍和使用 https://datayang.blog.youkuaiyun.com/article/details/146316250 更多工具介绍项目源码搭建介绍：《我的AI工具箱Tauri+Django开源git项目介绍和使用》https://datayang.blog.youkuaiyun.com/article/details/146156817 图形桌面工具使用教程：《我的AI工具箱Tauri+Django环境开发，支持局域网使用》https://datayang.blog.youkuaiyun.com/article/details/141897697

【智能穿戴设备】基于GPS/北斗双模定位的跑步骑行轨迹记录系统：高精度路径分析与数据可视化实战方案

12-01

内容概要：本文介绍了一套针对智能穿戴设备的跑步/骑行轨迹记录系统实战方案，旨在解决传统运动APP存在的定位漂移、数据断层和路径分析单一等问题。系统基于北斗+GPS双模定位、惯性测量单元（IMU）和海拔传感器，实现高精度轨迹采集，并通过卡尔曼滤波算法修正定位误差，在信号弱环境下利用惯性导航补位，确保轨迹连续性。系统支持跑步与骑行两种场景的差异化功能，包括实时轨迹记录、多维度路径分析（如配速、坡度、能耗）、数据可视化（地图标注、曲线图、3D回放）、异常提醒及智能优化建议，并可通过蓝牙/Wi-Fi同步数据至手机APP，支持社交分享与专业软件导出。技术架构涵盖硬件层、设备端与手机端软件层以及云端数据存储，强调低功耗设计与用户体验优化。经过实测验证，系统在定位精度、续航能力和场景识别准确率方面均达到预期指标，具备良好的实用性和扩展性。; 适合人群：具备一定嵌入式开发或移动应用开发经验，熟悉物联网、传感器融合与数据可视化的技术人员，尤其是从事智能穿戴设备、运动健康类产品研发的工程师和产品经理；也适合高校相关专业学生作为项目实践参考。; 使用场景及目标：① 开发高精度运动轨迹记录功能，解决GPS漂移与断点问题；② 实现跑步与骑行场景下的差异化数据分析与个性化反馈；③ 构建完整的“终端采集-手机展示-云端存储”系统闭环，支持社交互动与商业拓展；④ 掌握低功耗优化、多源数据融合、动态功耗调节等关键技术在穿戴设备中的落地应用。; 阅读建议：此资源以真实项目为导向，不仅提供详细的技术实现路径，还包含硬件选型、测试验证与商业扩展思路，建议读者结合自身开发环境，逐步实现各模块功能，重点关注定位优化算法、功耗控制策略与跨平台数据同步机制的设计与调优。

Berkeley DB 5.1.19：高性能嵌入式数据库编程库

- “高性能”意味着Berkeley DB在处理数据时具有较高的执行效率，适用于需要快速读写操作的应用场景。 - “嵌入式”表示这个数据库可以直接嵌入到应用程序中，不依赖于独立的服务器进程，从而减小了应用程序的复杂...