Java 数据存储写入性能：Objectify 与 JPA

Question

我运行两个五分钟长的针对数据存储的简单基准测试。一个使用 Google 提供的 Datanucleus 之上的 JPA 实现，另一个使用 Objectify 实现持久化。每个请求都创建了 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。为了避免网络连接的任何影响，基准测试返回了 10 次写入的开始和结束之间的时间跨度。

                AVG 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

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 项目应该使用 Objectify 而不是 JPA？ < 0.99 百分位数的巨大差异背后的原因是什么？ Datanucleus / JPA 设计的这么慢吗？

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：

If you operate on the datastore without an explicit transaction, each datastore operation is treated like a separate little transaction which is retried separately.

所以每个 ofy().save().entity() 都在它自己的小 t运行行动中。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;
}

Answer 1

你不用再担心这个了。一个真实世界的应用程序不太可能被 POJO 到数据存储区的映射所支配。选择API你想花时间编程。

测试的一个怪癖是因为您的 Objectify 代码使用异步保存，所以您会看到很多在 JPA 测试中看不到的并发。 FWIW，无法从 JPA 访问异步 API。

Java 数据存储写入性能：Objectify 与 JPA

Java datastore write performance: Objectify vs. JPA

google-app-engine

jpa

objectify

google-cloud-datastore