我们正在评估方面计算方面的ArangoDB性能。
还有许多其他产品可以通过特殊的API或查询语言执行相同的操作:
MarkLogic方面
ElasticSearch聚合
Solr Faceting等
我们知道,Arango中没有专门的API可以显式计算事实。
但实际上,它不是必需的,这要归功于全面的AQL,它可以通过简单的查询轻松实现,例如:
FOR a in Asset
COLLECT attr = a.attribute1 INTO g
RETURN { value: attr, count: length(g) }
此查询在attribute1上计算一个构面,并产生以下形式的频率:
[
{
"value": "test-attr1-1",
"count": 2000000
},
{
"value": "test-attr1-2",
"count": 2000000
},
{
"value": "test-attr1-3",
"count": 3000000
}
]
就是说,在我的整个集合中,attribute1采取三种形式(test-attr1-1,test-attr1-2和test-attr1-3),并提供了相关计数。
我们几乎运行了一个DISTINCT查询和汇总计数。
看起来简单干净。只有一个,但真正重要的问题-性能。
上面提供的查询运行了31秒!仅包含8M个文档的测试集合。
我们尝试了不同的索引类型,存储引擎(使用rocksdb和不使用rocksdb),无济于事地研究了说明计划。
我们在此测试中使用的测试文档非常简洁,只有三个简短的属性。
在此,我们将不胜感激。
我们要么做错了事。或ArangoDB根本不旨在在此特定区域执行。
顺便说一句,最终目标是在不到一秒的时间内运行以下内容:
LET docs = (FOR a IN Asset
FILTER a.name like 'test-asset-%'
SORT a.name
RETURN a)
LET attribute1 = (
FOR a in docs
COLLECT attr = a.attribute1 INTO g
RETURN { value: attr, count: length(g[*])}
)
LET attribute2 = (
FOR a in docs
COLLECT attr = a.attribute2 INTO g
RETURN { value: attr, count: length(g[*])}
)
LET attribute3 = (
FOR a in docs
COLLECT attr = a.attribute3 INTO g
RETURN { value: attr, count: length(g[*])}
)
LET attribute4 = (
FOR a in docs
COLLECT attr = a.attribute4 INTO g
RETURN { value: attr, count: length(g[*])}
)
RETURN {
counts: (RETURN {
total: LENGTH(docs),
offset: 2,
to: 4,
facets: {
attribute1: {
from: 0,
to: 5,
total: LENGTH(attribute1)
},
attribute2: {
from: 5,
to: 10,
total: LENGTH(attribute2)
},
attribute3: {
from: 0,
to: 1000,
total: LENGTH(attribute3)
},
attribute4: {
from: 0,
to: 1000,
total: LENGTH(attribute4)
}
}
}),
items: (FOR a IN docs LIMIT 2, 4 RETURN {id: a._id, name: a.name}),
facets: {
attribute1: (FOR a in attribute1 SORT a.count LIMIT 0, 5 return a),
attribute2: (FOR a in attribute2 SORT a.value LIMIT 5, 10 return a),
attribute3: (FOR a in attribute3 LIMIT 0, 1000 return a),
attribute4: (FOR a in attribute4 SORT a.count, a.value LIMIT 0, 1000 return a)
}
}
谢谢!
最佳答案
原来ArangoDB Google Group上发生了主线程。
这是一个link to a full discussion
以下是当前解决方案的摘要:
从已完成许多性能改进的特定功能分支运行Arango的自定义版本(希望他们尽快将其发布到主要版本中)
构面计算不需要索引
MMFiles是首选的存储引擎
AQL应该使用“ COLLECT attr = a.attributeX WITH COUNT INTO length”而不是“ count:length(g)”来编写
应该将AQL分成较小的部分并并行运行(我们正在运行Java8的Fork / Join来扩展方面AQL,然后将它们合并为最终结果)
一个用于过滤/排序和检索主实体的AQL(如果需要,在排序/过滤时添加相应的跳过列表索引)
对于每个构面值/频率对,其余的都是小的AQL
最后,与上面提供的原始AQL相比,我们获得了> 10倍的性能提升。