题目其实其实不太准确，由于数据库其实不会提供分页、排名等功能，提供的只是数据的存取，分页排名这些都是我们基于数据库的实用案例而已。但是不管是Redis还是MongoDB，通常都有1些常规的做分页和排名的方法。本文就通过1些测试数据来向大家介绍Redis和MongoDB（和传统关系型数据库）在这方面的性能差别。
分页
首先我们来做1个分页，在MongoDB中示例数据以下所未：
db.scores.find();
{lid: ObjectId("4fe506dabb2bfa742d000001"), score: 1, name: 'user_1'}
{lid: ObjectId("4fe506dabb2bfa742d000001"), score: 2, name: 'user_2'}
{lid: ObjectId("4fe506dabb2bfa742d000001"), score: 3, name: 'user_3'}
{lid: ObjectId("4fe506dabb2bfa742d000001"), score: 4, name: 'user_4'}
其中lid字段用于辨别不同的纬度，主要用在挑选上，在测试collection中，1共有5个不同的lid值，每个对应1,200,000条数据，1共6,000,000条数据。索引在lid 和 score上。（下面的查询能使用到索引）
然后我们进行下面的性能测试：
collection = Mongo::Connection.new.db('test').collection('scores')
Benchmark.bmbm do |x|
x.report("mongo small") do
100.times do |i|
collection.find({:lid => lids.sample}, {:fields => {:_id => false, :score => true, :user => true}}).sort({:score => ⑴}).limit(20).skip(i * 20).to_a
end
end
x.report("mongo medium") do
100.times do |i|
collection.find({:lid => lids.sample}, {:fields => {:_id => false, :score => true, :user => true}}).sort({:score => ⑴}).limit(20).skip(i * 1000).to_a
end
end
x.report("mongo large") do
100.times do |i|
collection.find({:lid => lids.sample}, {:fields => {:_id => false, :score => true, :user => true}}).sort({:score => ⑴}).limit(20).skip(i * 10000).to_a
end
end
end
上面分别对skip条数比较小，中等大小和非常大3种情况进行了测试。而limit指定获得的数据都1样是20条。这3种情况下的测试结果分别是：0.6 秒， 17 秒，173 秒。
我们可以看到，对MongoDB来讲，skip的大小严重影响性能，应当严格避免特别大的skip操作。
下面我们将类似的数据用Redis的Sorted Sets进行存储。并进行相应的性能测试
redis = Redis.new(:driver => :hiredis)
Benchmark.bmbm do |x|
x.report("redis small") do
100.times do |i|
start = i * 20
redis.zrevrange(lids.sample, start, start + 20, :with_scores => true)
end
end
x.report("redis medium") do
100.times do |i|
start = i * 1000
redis.zrevrange(lids.sample, start, start + 20, :with_scores => true)
end
end
x.report("redis large") do
100.times do |i|
start = i * 10000
redis.zrevrange(lids.sample, start, start + 20, :with_scores => true)
end
end
这里skip的值和上面MongoDB中是1样的，那末Redis的表现如何呢。这3种情况下的测试结果分别是：0.028 秒， 0.025 秒， 0.028 秒。
采取类似于MongoDB的数据结构存储在PostgreSQL中并进行相同的测试，其结果比MongoDB还要差1点。具体结果以下：
mongo small 0.6
mongo medium 17
mongo large 173
redis small 0.028
redis medium 0.025
redis large 0.028
pg small 1
pg medium 122
pg large 650
排名
排名功能与分页功能类似，不同的是排名是通过计算大于某个值的条数来做的。
比如：
//sql
select count(*) from scores where lid = $1 and score > $2
//mongo
db.scores.find({lid: lid, score: {$gt: score}}).count()
由于排名和分页实现原理上类似，所以结果实际上差不多。测试结果以下：
mongo top rank 1.155847
mongo average 22.291007
redis top rank 0.169442
redis average 0.162205
pg top rank 0.714144
pg average 21.771570
结论
上面做了对照，那末本文要说1个甚么问题呢？
首先，在MongoDB中，尽可能避免进行比较大的skip操作，比如在分页中，如果你能知道需要获得数据的上1条score是多少，那末可能能够用下面的方法来获得你要的数据，而不是通过1次很大的skip操作。
db.scores.find({lid: lid, score: {$lt: last_score}}).sort({score: ⑴}).limit(20)
另外，如果你需要进行比较大的skip操作或count比较大的数量，那末可以斟酌采取Redis的Sorted Sets来做。
后记
本文在微博上引发了1些技术朋友的讨论，对对照的问题这里做1个说明。
我 们知道，Redis是内存数据库，而MongoDB不是，所以有朋友质疑这里的对照是不是只是内存与磁盘的对照。实际上这1说法不无道理，上面的测试数据出 自原作者文章，其文章也并未提及MongoDB是不是都在内存中。根据我个人的实验结果，当数据全部能够在内存中时，确切不会出现如本文中所说的 MongoDB性能严重差异。但是，随着skip的变大，操作时间还是在显著变长，而Redis的Sorted Sets则相对稳定。
同时也欢迎更多实验对照数据和原理分析的讨论。感谢大家。