内容简介：分别从100W、500W、1000W的写入、查询、删除次数及耗时，计算对应的每次操作耗时平均数，用以衡量性能。需要注意的是，1、为方便测试，使用的数据是按照 Key: key_xxx => Value: value_xxx 顺序递增的，而不是使用的随机数据，因此对于leveldb和boltdb来说性能会有所提高，但不影响大概的测试结果；
分别从100W、500W、1000W的写入、查询、删除次数及耗时，计算对应的每次操作耗时平均数，用以衡量性能。
需要注意的是，
1、为方便测试，使用的数据是按照 Key: key_xxx => Value: value_xxx 顺序递增的，而不是使用的随机数据，因此对于leveldb和boltdb来说性能会有所提高，但不影响大概的测试结果；
2、以下的时间单位为微秒(μs)，1微秒(μs)=0.001毫秒(ms)=0.000001秒(s)；
3、性能测试的代码在 这里 ；
测试环境
系统：Ubuntu Desktop 14.04.5 x64 LTS
芯片：Intel(R) Core(TM) i7-7700K
硬盘：Intel SSD 256G
内存：8G
软件：gkvdb v1.0
测试结果
性能对比：gkvdb、leveldb、boltdb
主要注意的是leveldb和boltdb都使用了mmap来加速数据读取，因此在读取性能上不存在缓存不缓存的区别。
gkvdb采用的是纯 go 语言开发，没有使用特定性的系统功能，包括mmap，因此gkvdb的跨平台性很好，但是在读取性能上却做了一定牺牲，不过通过良好的算法和IO设计弥补了这块性能损失，因此在非缓存模式下，读取性能也非常优异。
以上所述就是小编给大家介绍的《gkvdb的性能测试》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- 微服务测试之性能测试
- Go 单元测试和性能测试
- 性能测试vs压力测试vs负载测试
- SpringBoot | 第十三章：测试相关（单元测试、性能测试）
- Golang 性能测试 (2) 性能分析
- 随行付微服务测试之性能测试 原 荐
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Python金融大数据分析
[德] 伊夫·希尔皮斯科 / 姚军 / 人民邮电出版社 / 2015-12 / CNY 99.00
唯一一本详细讲解使用Python分析处理金融大数据的专业图书；金融应用开发领域从业人员必读。 Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区，在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用，并且成为该行业开发核心应用的首选编程语言。《Python金融大数据分析》提供了使用Python进行数据分析，以及开发相关应用程序的技巧和工具。 《Python金融大......一起来看看 《Python金融大数据分析》 这本书的介绍吧!
