Question

我有时间序列数据，我希望将其存储在以下格式的数据库中：

group：string
日期：日期
val1：数字
val2：number
... valN

这个数据库几乎都是读取数据。搜索将针对属于日期范围内的组的行（例如，组= XXX，日期＆gt; = START和日期＆lt; = END）。

数据集很大。数亿行。 SQLite能否轻松处理这类数据？关于SQLite的吸引人之处在于它是无服务器的，如果可以的话，我想使用它。

Answer 1

更新了答案

我尝试将1亿个记录数据库放在RAM磁盘上 - 我不是指内存数据库，我的意思是将RAM格式化为文件系统，其上有数据库，同样的查询需要11秒而不是147秒如下!!!如果如你所说，你的查询基本上是只读的，那么这可能是你的选择 - 你可以在早上将你的数据库从磁盘复制到RAMdrive并在RAMdrive上整天快速访问它，或直到重启，如果电源断电或机器崩溃，不必担心丢失它。然后，您可以针对基于磁盘的副本运行任何写入，并且它会在您下次将数据库复制到RAM时反映更改。

原始答案

我根据您的需求创建了三个测试数据库，并在Perl中分别使用以下代码在每个数据库中插入了100万，1000万和1亿条记录。我使用前缀“GROUP-”和记录号合成了组名，并生成了1900到2000之间的随机日期，值数据是随机的。

#!/usr/bin/perl
use strict;
use DBI;

my $dsn = "dbi:SQLite:dbname=test.db";
my $user = '';
my $password = '';
my %attr = ( RaiseError => 1, AutoCommit => 0 );

my $dbh = DBI->connect($dsn, $user, $password, \%attr) 
    or die "Can't connect to database: $DBI::errstr";

    $dbh->do("DROP TABLE IF EXISTS TimeSeries;");
    $dbh->do("CREATE TABLE TimeSeries (grp TEXT, date TEXT, val1 INTEGER, val2 INTEGER, val3 INTEGER, val4 INTEGER, PRIMARY KEY(grp,date))");

my $sql = qq{ INSERT INTO TimeSeries VALUES ( ?, ?, ?, ?, ?, ? ) };
my $sth = $dbh->prepare( $sql );

for(my $i=0;$i<100000000;$i++){
      # Synthesize a group
      my $group=sprintf("GROUP-%d",$i);
      $sth->bind_param(1,$group);

      # Generate random date between 1900-2000
      my $year=int(rand(100))+1900;
      my $month=int(rand(12))+1;
      my $day=int(rand(28)+1);
      my $date=sprintf("%d-%02d-%02d 00:00:00.0",$year,$month,$day);
      $sth->bind_param(2,$date);

      $sth->bind_param(3,int(rand(1000000)));
      $sth->bind_param(4,int(rand(1000000)));
      $sth->bind_param(5,int(rand(1000000)));
      $sth->bind_param(6,int(rand(1000000)));
      $sth->execute();
      if(($i % 1000)==0){printf "$i\n";$dbh->commit();}
}
$dbh->commit();
$sth->finish();
$dbh->disconnect();

文件大小如下所示：1m，10m和100m记录：

-rw-r--r--  1 mark  staff   103M  4 Feb 14:16 1m.db
-rw-r--r--  1 mark  staff   1.0G  4 Feb 14:18 10m.db
-rw-r--r--  1 mark  staff    11G  4 Feb 15:10 100m.db

一些随机记录如下：

GROUP-794|1927-12-14 00:00:00.0|233545|700623|848770|61504
GROUP-797|1927-06-13 00:00:00.0|315357|246334|276825|799325
GROUP-840|1927-09-28 00:00:00.0|682335|5651|879688|247996
GROUP-907|1927-05-19 00:00:00.0|148547|595716|516884|820007
GROUP-1011|1927-06-01 00:00:00.0|793543|479096|433073|786200

然后我尝试查询1927年的所有记录，如下：

time sqlite3 1m.db 'select * from timeseries where date between "1927-01-01" and "1927-12-31"'

查询时间如下：

all records in year 1927 from 1m record database => 2.7 seconds
all records in year 1927 from 10m record database => 14 seconds
all records in year 1927 from 100m record database => 147 seconds

这些数字对我来说看起来非常线性，但这是一个简单的测试，你可能想要接受代码并再玩一遍......

P.S。我正在运行一个相当不错的规格iMac与SSD。

适用于大型时间序列数据的SQLite的适用性/性能

1 个答案: