前言

由于近期有個項目對系統性能要求很高，技術選型上由于種種原因已經確定使用Mysql數據庫，接下來就是要確定到底使用哪種存儲引擎。我們的應用是典型的寫多讀少，寫入內容為也很短，對系統的穩定性要求很高。所以存儲引擎肯定就定在廣泛使用的Innodb和MyISAM之中了。

至于兩者的比較網上也有很多，但是畢竟這個事情也不復雜，決定還是自己來做，去驗證一下在我們的場景下誰更優。

本文測試所用工具版本如下：

① 創建數據表

首先我們需要把兩張使用了不同引擎的表創建出來，使用為了方便起見，我們直接使用Navicat創建了兩張 員工信息表，具體字段如下：

使用InnoDB引擎的表，設計表名為innodb，選項如下：

使用InnoDB引擎的表，設計表名為myisam，選項如下：

因為是簡單操作，創建的具體細節就不詳述了，至此，我們的數據庫就把使用 InnoDB 和 MyISAM 兩種引擎的表創建好了。

② 單線程寫入性能對比

1. InnoDB 引擎

執行以下代碼，往使用了InnoDB引擎的表格插入1000條數據

import pandas as pdfrom sqlalchemy import create_engineimport timedb = create_engine('mysql+pymysql://mysql:123456@127.0.0.1:3306/test')start = time.time()for i in range(1000): data = {'index': i,   'name': 'name_' + str(i),   'age': i,   'salary': i,   'level': i} df = pd.DataFrame(data, index=[0]) df.to_sql('innodb', db, if_exists='append', index=False)end = time.time()print(end - start)

執行3次上面的代碼，得到程序寫入1000條數據的時間分別為：12.58s、14.10s、12.71s，平均寫入時間為 13.13s。

2. MyISAM 引擎

執行以下代碼，往使用了MyISAM引擎的表格插入1000條數據

import pandas as pdfrom sqlalchemy import create_engineimport timedb = create_engine('mysql+pymysql://mysql:123456@127.0.0.1:3306/test')start = time.time()for i in range(1000): data = {'index': i,   'name': 'name_' + str(i),   'age': i,   'salary': i,   'level': i} df = pd.DataFrame(data, index=[0]) df.to_sql('myisam', db, if_exists='append', index=False)end = time.time()print(end - start)

執行3次上面的代碼，得到程序寫入1000條數據的時間分別為：6.64s、6.99s、7.29s，平均寫入時間為 6.97s。