MongoDB在这里比PostgreSQL慢了7倍

编程应用、实战教程，不容错过

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Pandas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？

欢迎小伙伴们出谋划策，分享解决方案~

万水千山总是情，点个“收藏”行不行