NDB与DB（在High Replication数据存储区上）的速度比较是什么？

Question

取自Python NDB Overview：

  

当应用程序读取实体时，该实体自动缓存; 这为经常读取的实体提供了快速（且廉价）的读取。

     

...

     

写入数据的NDB函数（例如put（））在缓存失效后返回; Apply阶段以异步方式发生。

在Youtube上观看Google I/O 2011: More 9s Please: Under The Covers of the High Replication Datastore，时间为13：11-ish，平均延迟时间为：

  

主人/奴隶：

     

  
• 阅读： 15ms
  
• 写： 20ms
  

     

高复制：

     

  
• 阅读： 15ms
  
• 写： 45ms
  

从应用程序的角度来看，NDB对这些速度有多大影响？

编辑：特别好奇时间统计信息（以毫秒为单位）。

额外信用：我也听过尼克约翰逊提到每个 160ms 的查询（2009年）[link] NDB是否提供任何速度优势疑问？

Answer 1

您必须自己进行基准测试 - 时间取决于许多因素，例如实体大小和复杂性：重复属性中的更多属性或更多项目 - ＆gt;更复杂。

你引用的数字真的很旧，可能不再反映现实;大多数用户的经验是，平均而言HRD并不慢于M / S（部分原因是M / S的可变性要高得多）。

这里有一些NDB基准测试：http://code.google.com/p/appengine-ndb-experiment/issues/detail?id=118 - 但它没有将数字与旧数据库进行比较。

您可以使用Appstats在真实应用中快速完成一些操作时间。

Answer 2

从应用程序的角度来看，使用NDB可以显着缩短您的数据存储区调用速度。

READ：最佳案例场景，读取是从实例缓存或memcache进行的。在大多数情况下，这比从数据存储区读取要快得多。

WRITE：NDB put / write方法在缓存失效后立即返回。这比正常写入更快。所以从你的应用程序的角度来看，它的速度要快得多。但是，实际写入是异步执行的。

NDB与DB（高复制）：从应用程序的角度来看，NDB应该是一个明确的胜利。