【发布时间】：2015-03-03 23:16:46
【问题描述】：
我针对数据存储运行了两个五分钟长的简单基准测试。一个使用 Google 提供的基于 Datanucleus 的 JPA 实现，另一个使用 Objectify 进行持久化。每个请求创建了 10 个具有相同 9 个字段的新索引实体，每个都使用另一种数据类型。为了避免网络连接造成的任何影响，基准测试返回了 10 次写入开始和结束之间的时间跨度。
平均 中位数 10% 90% 99% JPA 76.5 76 53 98 114 客观化 41.1 40 39 43 57 物化 TX 50.6 50 44 60 69正如您所见，使用 Objectify 比 JPA 快得多。对于依赖 JPA 的人是否有任何性能提示，或者 App Engine 项目是否应该使用 Objectify 而不是 JPA？
为了提供更多细节，这里是我的 Objectify 代码：
// Objectify
public TimedBenchResult writeIndexedAsyncBenchmark() {
TimedBenchResult result = new TimedBenchResult();
for (int i = 0; i < 10; i++) {
ofy().save().entity(MyUtils.randomIndexedEntity()).now();
}
result.stop();
return result;
}
来自 Objectify 文档：
如果您在没有显式事务的情况下对数据存储进行操作，则每个数据存储操作都被视为一个单独的小事务，将单独重试。
所以每个ofy().save().entity() 都在它自己的小事务中。我在 JPA 中尽可能接近的实现如下所示：
// JPA
public TimedBenchResult writeIndexedBenchmark() {
EntityManager em = EntityManagerSingleton.getEntityManager();
TimedBenchResult result = new TimedBenchResult();
try {
for (int i = 0; i < 10; i++) {
// Transaction needed
// otherwise too much entity groups are involved
em.getTransaction().begin();
em.persist(MyUtils.randomJPAIndexedEntity());
em.getTransaction().commit();
}
} finally {
em.close();
result.stop();
}
return result;
}
【问题讨论】：
-
您可能想试试 Low-level Datastore API 进行比较。
-
他们提供的东西不一样。谷歌的 JPA 插件提供完整的 JPA 功能、拦截更新等，AFAIK 不在 Objectify 中，这不是对 Objectify 的批评，只是 JPA 拥有它们，如果它们对你有用 - 一切都归结为你想做的事情最合适的。如果您想在不跟踪更改的情况下决定将对象推入/推出数据库，那么请选择 Objectify。除了 Google 的 JPA 插件使用的（不是真正相关的）DataNucleus 项目很久以前 AFAIK 停止使用的古老代码。
-
即使我不知道 Google 的 JPA for App Engine 的确切实现细节，看起来他们不久前就放弃了该插件。阅读答案后，我现在认为这真的取决于您的应用程序必须做什么。如果它是从 JEE 迁移而来的，或者您必须遵守 Java 标准，那么 JPA 是一个不错的选择。 Objectify 将您锁定在 App Engine 数据存储区，但也显示了最佳的数据存储区感知实施。从性能的角度来看它们很好，但不应影响 JPA 或 Objectify 之间的决定。
标签： google-app-engine jpa google-cloud-datastore objectify