var qrecords = TokyoTyrantService.GetColumns(pool, new string[]{"1", "2", "3"});
foreach (string key in qrecords.Keys)
{
var column = qrecords[key];
}
更新操作：
因为TC的TCT结构没有提供直接更新记录中某一字段的功能，所以只能全部取出相关记录的所有字段，然后再更新全部字段（这种做法的效率不高，但在MONGODB中是可以更新部分字段）。所以要组合使用查询和创建操作中的语法，即选查出相应记录，然后再使用PutColumns方法更新该记录，形式如下：
复制代码 代码如下:
var qrecords = TokyoTyrantService.QueryRecords(TTPool.GetInstance(), new Query().NumberEquals("olid", 1));
foreach (var k in qrecords.Keys)
{
var column = qrecords[k];
...数据绑定操作
TokyoTyrantService.PutColumns(TTPool.GetInstance(), column["olid"], columns, true);//column["olid"]为主键，类似数据库里的主键，以其为查询条件，速度最快
}
删除操作
该操作有两种执行方法，一种是选查询出符合条件的记录，然后再删除（依次删除），一种是直接给定要删除的主键直接删除（效率比前者高）。第一种(可以针对不用字段进行查询，并将相应结果的主键做了删除依据)
复制代码 代码如下:
var qrecords = TokyoTyrantService.QueryRecords(TTPool.GetInstance(), new Query().NumberEquals("userid", 1));
foreach (var k in qrecords.Keys)
{
var column = qrecords[k];
...数据绑定操作
TokyoTyrantService.Delete(TTPool.GetInstance(), column["olid"]);//column["olid"]为主键，类似数据库里的主键
}
第二种（删除olid为1或2或3或4的键值记录，只能删除以主键为条件的记录）：
TokyoTyrantService.DeleteMultiple(pool, new string[] { "1", "2", "3", "4" });
创建索引
TC中支持几种类型的字段索引如下(经常用的是数值型和字符型)：
复制代码 代码如下:
/// <summary>
/// 索引类型
/// </summary>
public enum IndexOption : int
{
LEXICAL = 0, // # 文本型索引
DECIMAL = 1, // # 数值型索引
TOKEN = 2, // # 标记倒排索引.
QGRAM = 3, // #QGram倒排索引.
OPT = 9998, // # 9998, 对索引优化
VOID = 9999, // # 9999, 移除索引.
KEEP = 1 << 24 // # 16777216, 保持已有索引.
}
比如在线表中经常用的字段索引设置如下:
复制代码 代码如下:
TokyoTyrantService.SetIndex(pool, "olid", IndexOption.DECIMAL);
TokyoTyrantService.SetIndex(pool, "userid", IndexOption.DECIMAL);
TokyoTyrantService.SetIndex(pool, "password", IndexOption.LEXICAL);
TokyoTyrantService.SetIndex(pool, "ip", IndexOption.LEXICAL);
TokyoTyrantService.SetIndex(pool, "forumid", IndexOption.DECIMAL);
TokyoTyrantService.SetIndex(pool, "lastupdatetime", IndexOption.DECIMAL);
3.其它常用操作
复制代码 代码如下:
LimitTo(int max, int skip)：类似于MYSQL中的LIMIT方法，其中max如同mssql中的TOP，而skip则表示跳过多少条记录（类似LINQ中的那个Skip方法）
Vanish(TcpClientIOPool pool);清空所有记录
QueryRecordsCount(TcpClientIOPool pool, Query query)//查询指定条件的记录数
GetRecordCount(TcpClientIOPool pool)//返回当前表中的记录总数
GetDatabaseSize(TcpClientIOPool pool);//获取数据库（表）信息
IteratorNext(TcpClientIOPool pool)//一个迭代器，用于遍历所有记录
4.因为其兼容Memcached，所以提供方法支持（键/值对）
复制代码 代码如下:
Put(TcpClientIOPool pool, string key, string value, bool overwrite)//该操作方法将不像Put那样获取服务器端返回的信息
PutFast(TcpClientIOPool pool, string key, string value)//快速存储键值对(不再获取服务端返回信息). 如键值已存在则将被覆盖
PutMultiple(TcpClientIOPool pool, IDictionary<string, string> items) //一次添加多值
Delete(TcpClientIOPool pool, string key)//删除指定键的记录
DeleteMultiple(TcpClientIOPool pool, string[] keys)//删除指定键组的记录
Get(TcpClientIOPool pool, string key)//获取指定键的记录（单条）
GetSize(TcpClientIOPool pool, string key)//获取指定键的大小
GetColumns(TcpClientIOPool pool, string[] keys)//获取指定键组的记录(多条)
5.排序
public enum QueryOrder
{
STRASC = 0, // # 排序类型: 表示按照文本型字段内的文本内容在字典中排列顺序的升序
STRDESC = 1, // # 排序类型: 表示按照文本型字段内的文本内容在字典中排列顺序的降序
NUMASC = 2, // # 排序类型: 表示按照数值大小的升序
NUMDESC = 3 // # 排序类型: 表示按照数值大小的降序
}
用法(如降序并取前16条记录)：
qrecords = TokyoTyrantService.QueryRecords(pool, new Query().OrderBy("userid", QueryOrder.NUMDESC).LimitTo(16, 0));
注意：尽量避免对大数据集（如100w条记录）进行排序，那样耗时会很严重。所以尽量在OrderBy之前指定查询条件，从而缩减查询结果集的尺寸。
其它说明：
TT的启动参数（这里以TCT类型为例）：
注：网上有一些关于TC+TT与MONGODB,Redis的速度测试，所以这里我想有必要对TT的启动参数做一下介绍，因为这会关系到最终的测试结果。
因为两者都使用了MMAP模式，而TC+TT要使用MMAP,就要使用下面参数：
xmsiz：指定了TCHDB的扩展MMAP内存大小，默认值为 67108864，也就是64M，如果数据库文件超过64M，则只有前部分会映射在内存中，所以写入性能会下降。
bnum: 指定了bucket array的数量。推荐设置bnum为预计存储总记录数的0.5~4倍，使key的哈希分布更均匀，减少在 bucket内二分查找的时间复杂度。
比如有100w条记录，这里可以使用下面命令行启动ttserver：
ttserver -host 10.0.4.66 -port 11211 -thnum 1024 -dmn -pid /ttserver/ttserver.pid -log /ttserver/ttserver.log -le -ulog /ttserver/ -ulim 256m -sid 1 -rts /ttserver/ttserver.rts /ttserver/database.tct#bnum=1000000#rcnum=1000000#xmsiz=1073741824 （注:1073741824=1G）
当然TTServer中针对不同的数据库（TC中支持6种），都有相应的参数进行启动配置（有重复），这会导致的查询和插入数据的结果上有很大的差异，更多的内容可以参见这个链接。
下面我将自己对TC+TT（仅使用TCT文件类型，其它5种类型都比这个类型快许多）与MONGODB的测试结果做一下说明：
机器是一个普遍台式机：1.5g内存+1.5gCPU，64位的centos机器，150g硬盘。
mongodb (centos 64bit) :
插入1000000 条记录，耗时:250377毫秒
对1000000条记录，查询10000 次记录，耗时:8100毫秒 （偶尔出现7500毫秒） (查询"_id"主键速度在6995毫秒上下)
对1000000条记录，查询100000 次记录，耗时:77101毫秒
ttcache(centos 64bit，使用上面的启动参数):
创建 1000000 条数据，耗时 589472毫秒
对1000000条记录，查询 10000 次数据，耗时 4843毫秒
对1000000条记录，查询 100000 次数据，耗时 47903毫秒
注:查询条件动态变化，以模拟实际生产环境。
比较发现MONGODB插入速度要比TTCACHE快至少一倍（MONGODB在WINDOWS下也是如此），但10000次查询速度会慢大约40%-50%。这里的查询和插入操作都是每做一次操作就Connect一次服务器,操作结束时则将当前链接放到链接池中，而不是开启一个长链接来做批量操作。其中TTSERVER所使用的客户端分别是本文的这个工具， MONGODB则使用的是MongoDB.Driver。
下面是MSSQL数据库操作结果：
批量创建 1000000 条数据，耗时 9020196毫秒
批量查询 10000 条数据，耗时 106040毫秒
批量查询 100000 条数据，耗时 773867毫秒
我想进行这类测试，还是不要使用什么WINDOWS（尽量MONGODB在WINDOW下插入数据的速度已很快）或其它操作系统。而应该使用LINUX（尽量是64位）。当然内存要尽量的大，因为尽管TC+TT已很省内存（必定符合日本的国情，资源少还要多办事），但如果要提升查询和插入速度，还是建议4g以上的内存做测
试。而MONGODB本来对内存要求很高（包括CPU）。
因为mongodb的插入速度非常快，且在数据库大量可以新建文件来存储新的数据(不像TCT使用一个数据文件），所以在更大级别的数据量插入上依然性能稳定。看来将它视为海量数据存储的分布解决方案还是很有可行性的。当然我目前正在考虑一个架构，就是将MongoDb和TC/TT组合起来，实现读写分离（即将TC作为读数据库slavedb，并发性和查询速度快），而将MongoDb作为写数据库masterdb（更新和插入速度快）。将分布式的MongoDb数据文件与前端TC中的文件依次对应（使用C#代码实现两者之间的数据同步和逻辑调用），这样融合两者各自的优势的结果。当然目前这只是想法，且离文本的内容越来越远了，呵呵。
好了，今天的内容就选到这里了。
下载链接：
您可能感兴趣的文章: