AQL Upsert 性能 ArangoDB 与 python-arango

Question

我正在使用 paython-arango 和 aql 查询对多个项目（大约 20 - 30k）进行 UPSERT 语句试验。总的来说，与 NodeJS 相比，这种方法在 python 中似乎要慢得多，但我尝试了两种不同的方法，令人惊讶的是，我认为它更快的方法要慢得多，我试图理解为什么。

我最初的方法是用这样的语句单独更新每个项目：

        aql = "UPSERT {_key: '" + data["_key"] + "'}"
        aql += " INSERT " + doc
        aql += " UPDATE " + doc
        aql += " IN " + col_name
        
        self.db.aql.execute(aql)

正如我之前所说，这比 NodeJS 中的类似 NodeJS 脚本要慢，这可能是因为 NodeJS 是异步工作的。总共大约 45 秒 für 27k 条目（2.4 MB csv-dump）。这么少的数据花了很多时间。

然后我想，一个接一个可能是问题所在，最好将每个查询的多个项目发送到数据库，如下所示：

        aql = "FOR itm IN " + json.dumps(items)
        aql += " UPSERT {_key: itm._key}"
        aql += " INSERT itm"
        aql += " UPDATE itm"
        aql += " IN " + col_name

但实际上，情况更糟。大概 5 分钟，ArangoDB-Backend 的速度非常慢，并且在短时间内甚至无法访问。

我很好奇：为什么一个单独的（好吧，我使用了 2、10、50、100 个项目但没有效果的批次）aql 语句与 FOR 比 27k 单独请求慢得多？我预计不是这样。有没有更好的方法一次执行多个 UPSERT（使用 Python）？

它是一个具有 2 个内核和 16 GB RAM 的 Windows 系统。阅读成绩不错，但写作……

Answer 1

UPSERT 执行嵌套查询以查找匹配的文档。但是，这并不能解释为什么单个查询的性能比多个查询差得多，除非您当然异步/并行执行这些查询。我将不得不更详细地研究这一点。

但是，由于您使用_key 来标识您的文档，并且您的INSERT 和UPDATE 语句看起来相同，因此您最好使用overwriteMode 代替INSERT（请参阅https://www.arangodb.com/docs/stable/aql/operations-insert.html#query-options） ：

        aql = "FOR itm IN " + json.dumps(items)
        aql += " INSERT itm"
        aql += " IN " + col_name
        aql += " OPTIONS { overwriteMode: 'update' }"

但是在处理大量文档时，您应该考虑使用批量文档创建 (https://www.arangodb.com/docs/stable/http/document-working-with-documents.html#create-multiple-documents)，它也支持 overwriteMode。不过不知道python-arango驱动是否支持这些功能。