انتخاب بین MySQL، PostgreSQL و SQL Server

اگر در حال آموزش  SQL Serverانتخاب بین پایگاه های داده SQL و غیر SQL معمولاً به تفاوت های ساختاری بستگی دارد. با این حال، زمانی که به چندین راه حل SQL نگاه می کنیم، معیارها پیچیده تر می شوند. اکنون به جنبه های مختلف به دقت تر نگاه خواهیم کرد و عملکرد زیرین را تحلیل خواهیم کرد. ما به بررسی سه پایگاه داده رابطه ای محبوب ترین خواهیم پرداخت: MySQL در مقابل PostgreSQL در مقابل SQL Server.

برای کمک به شما، ما نظرات توسعه دهندگان پایگاه داده خود را جمع آوری کرده ایم، دوباره راهنماها را مرور کرده ایم و حتی به راهنماهای رسمی و عمیق تر مراجعه کرده ایم. ممکن است ما تمایلات شخصی خود را داشته باشیم، اما در این راهنما، این تمایلات را کنار می گذاریم تا مقایسه ای عینی انجام دهیم.

MySQL

MySQL یکی از محبوب ترین پایگاه های داده است، طبق رتبه بندی DB Engines. این پایگاه داده یک رهبر قطعی در میان راه حل های SQL است که توسط شرکت هایی مانند گوگل، لینکدین، آمازون، نتفلیکس، توییتر و دیگران استفاده می شود. محبوبیت MySQL به طور چشمگیری در حال رشد است زیرا تیم ها به طور فزاینده ای به راه حل های متن باز به جای راه حل های تجاری تمایل دارند.

قیمت: این راه حل پایگاه داده توسط Oracle توسعه داده شده و ابزارهای اضافی پولی دارد؛ اما عملکرد اصلی آن به صورت رایگان قابل دسترسی است.

زبان: MySQL به زبان C++ نوشته شده است؛ مدیریت پایگاه داده با زبان پرس و جو ساختاری (SQL) انجام می شود.

PostgreSQL

PostgreSQL یک پایگاه داده رابطه ای امتحان شده و اثبات شده است که به خاطر پشتیبانی از انواع داده های مختلف، ذخیره سازی شهودی داده های بدون اسکیمه و قابلیت های غنی شناخته می شود. برخی از توسعه دهندگان حتی ادعا می کنند که این پایگاه داده پیشرفته ترین پایگاه داده متن باز در بازار است. ما این ادعا را تا این حد نمی پذیریم، اما قطعاً یک راه حل بسیار جامع است.

قیمت: متن باز

زبان: C

SQL Server

برخلاف PostgreSQL و MySQL، SQL Server یک راه حل تجاری است. این پایگاه داده توسط شرکت هایی که با ترافیک کاری سنگین به طور منظم سروکار دارند ترجیح داده می شود. همچنین به عنوان یکی از سازگارترین سیستم ها با سرویس های ویندوز شناخته می شود.

زیرساخت SQL Server شامل بسیاری از ابزارهای اضافی مانند خدمات گزارش دهی، سیستم های یکپارچه سازی و تجزیه و تحلیل است. برای شرکت هایی که چندین تیم را مدیریت می کنند، این ابزارها تفاوت زیادی در کارهای روزمره ایجاد می کنند.

قیمت: این پایگاه داده یک نسخه رایگان برای توسعه دهندگان و کسب وکارهای کوچک دارد که فقط از ۱ پردازنده، ۱ گیگابایت حافظه حداکثر برای استفاده توسط موتور پایگاه داده و ۱۰ گیگابایت حداکثر اندازه پایگاه داده پشتیبانی می کند.

برای یک سرور، کاربران باید ۹۳۱ دلار پرداخت کنند.

مقایسه هم زمان ابزارهای SQL

در این مقایسه، به بررسی قابلیت های سه پایگاه داده SQL پرطرفدار خواهیم پرداخت، موارد استفاده آنها، مزایا و معایب مربوطه را بررسی خواهیم کرد. ابتدا به بررسی عملکرد دقیق تر خواهیم پرداخت.

تغییرات داده ها

در اینجا راحتی تغییر داده ها و همچنین نیاز به دیفرگمنت کردن پایگاه داده را ارزیابی می کنیم. اولویت اصلی انعطاف پذیری، امنیت و قابلیت استفاده سیستم ها است.

به روزرسانی ردیف ها

این معیار به الگوریتم هایی که یک پایگاه داده برای به روزرسانی محتویات خود استفاده می کند، سرعت و کارایی اشاره دارد.

• MySQL: این راه حل به طور خودکار داده ها را به فضای ذخیره سازی برگشتی به روزرسانی می کند. اگر مشکلی پیش آید، توسعه دهندگان می توانند همیشه به نسخه قبلی بازگردند.
• PostgreSQL: توسعه دهندگان برای به روزرسانی پایگاه داده، یک ستون و ردیف جدید وارد می کنند. تمام ردیف های به روزرسانی شده شناسه های یکتایی دارند. این امر تعداد ستون ها و ردیف ها را افزایش داده و اندازه پایگاه داده را بیشتر می کند، اما در عوض توسعه دهندگان از خوانایی بالاتر بهره می برند.
• SQL Server: پایگاه داده دارای سه موتور است که مسئول به روزرسانی ردیف ها هستند. موتور ROW Store اطلاعات مربوط به تمام به روزرسانی های قبلی ردیف ها، شناسه ها و محتوای تغییر یافته را مدیریت می کند. موتور in-memory این امکان را می دهد که کیفیت پایگاه داده به روزرسانی شده با یک جمع آوری زباله (garbage collector) تحلیل شود. پایگاه داده column-store امکان ذخیره به روزرسانی ها در ستون ها را می دهد، مانند پایگاه های داده مبتنی بر ستون.

از میان این سه پایگاه داده، SQL Server شاید بیشترین انعطاف پذیری و کارایی را ارائه دهد، زیرا این امکان را فراهم می کند که ردیف ها و ستون های به روزرسانی شده را نظارت کرده، خطاها را جمع آوری کرده و فرآیند را خودکارسازی کند. تفاوت اصلی بین SQL Server و MySQL و PostgreSQL عمدتاً در سفارشی سازی موقعیت ها است – SQL Server امکانات بسیار بیشتری نسبت به سایرین ارائه می دهد.

دیفرگمنت کردن

زمانی که توسعه دهندگان بخش های مختلف یک پایگاه داده SQL را به روزرسانی می کنند، تغییرات در نقاط مختلف سیستم ها رخ می دهد و ممکن است خواندن، ردیابی و مدیریت آنها دشوار باشد. بنابراین، نگهداری باید شامل دیفرگمنت کردن باشد – فرآیند یکپارچه سازی پایگاه داده به روزرسانی شده با تخصیص ایندکس ها، بازبینی ساختار و ایجاد صفحات جدید. پایگاه داده فضای دیسک که به درستی استفاده نشده را آزاد می کند تا پایگاه داده سریع تر اجرا شود.

MySQL چندین روش برای دیفرگمنت کردن ارائه می دهد – در طول پشتیبان گیری، ایجاد ایندکس و با دستور OPTIMIZE Table. بدون وارد شدن به جزئیات زیاد، فقط باید بگوییم که داشتن این تعداد گزینه برای نگهداری جدول برای توسعه دهندگان بسیار مناسب است و قطعاً زمان زیادی را صرفه جویی می کند.

PostgreSQL امکان اسکن تمام جداول یک لایه داده را فراهم می کند تا ردیف های خالی را پیدا کرده و عناصر غیرضروری را حذف کند. با این کار، سیستم فضای دیسک را آزاد می کند. با این حال، این روش به پردازنده زیادی نیاز دارد و می تواند بر عملکرد برنامه تأثیر بگذارد.

SQL Server یک جمع آوری زباله (garbage collector) کارآمد ارائه می دهد که بیشتر از ۱۵-۲۰٪ اضافه باری ایجاد نمی کند. از نظر فنی، توسعه دهندگان حتی می توانند جمع آوری زباله را به صورت مداوم اجرا کنند، زیرا این سیستم تا حد زیادی کارآمد است.

به طور کلی، MySQL و SQL Server روش های بیشتری برای دیفرگمنت کردن نسبت به PostgreSQL ارائه می دهند. این سیستم ها از پردازنده کمتری استفاده می کنند و تنظیمات انعطاف پذیرتری را فراهم می کنند.

پرس و جوهای داده

در اینجا به نحوه کش کردن و پردازش درخواست های کاربران، رویکردهایی که در ذخیره سازی داده ها اتخاذ می شود و چگونگی مدیریت آن توسط توسعه دهندگان می پردازیم.

حوضه بافر

برخی سیستم ها به کش کردن داده ها، بافر می گویند، اما صرف نظر از اصطلاحات، هدف ما خلاصه کردن الگوریتم هایی است که سیستم ها برای پردازش درخواست های کاربر و نگهداری اتصالات استفاده می کنند.

• MySQL یک حوضه بافر مقیاس پذیر ارائه می دهد – توسعه دهندگان می توانند اندازه کش را بر اساس بار کاری تنظیم کنند. اگر هدف صرفه جویی در پردازنده و فضای ذخیره سازی باشد، توسعه دهندگان می توانند معیارهای سخت گیرانه ای برای حوضه بافر خود تنظیم کنند. علاوه بر این، MySQL به توسعه دهندگان اجازه می دهد کش را به بخش هایی تقسیم کنند تا انواع داده های مختلف را ذخیره کنند و حداکثر ایزولاسیون را فراهم سازند.
• PostgreSQL فرآیندها را حتی بیشتر از MySQL ایزوله می کند و آنها را به عنوان یک فرآیند جداگانه سیستم عامل در نظر می گیرد. هر پایگاه داده حافظه جداگانه ای دارد و فرآیند خود را اجرا می کند. از یک سو، مدیریت و نظارت بسیار آسان تر می شود، اما از سوی دیگر، مقیاس بندی چندین پایگاه داده زمان و منابع محاسباتی زیادی می طلبد.
• SQL Server نیز از حوضه بافر استفاده می کند و دقیقاً مانند MySQL، می تواند بر اساس نیازهای پردازشی محدود یا افزایش یابد. تمام کارها در یک حوضه واحد انجام می شود، بدون صفحات متعدد، مانند

اگر اولویت شما صرفه جویی در منابع محاسباتی و فضای ذخیره سازی باشد، گزینه های انعطاف پذیر را انتخاب کنید: انتخاب شما بین MySQL و SQL Server خواهد بود. با این حال، اگر به سازماندهی واضح و نظم بلندمدت ترجیح می دهید، PostgreSQL با رویکرد ایزوله اش ممکن است گزینه بهتری باشد.

جداول موقت

جداول موقت این امکان را فراهم می کنند که نتایج میان مرحله ای از فرآیندهای پیچیده و منطق کسب وکار شاخه ای ذخیره شوند. اگر به اطلاعاتی نیاز دارید که فقط برای راه اندازی فرآیند بعدی ضروری است، ذخیره سازی آن در یک جدول معمولی منطقی نیست. جداول موقت عملکرد پایگاه داده و سازماندهی آن را با جداسازی داده های میان دست از اطلاعات اصلی بهبود می دهند.

MySQL عملکرد محدودی برای جداول موقت ارائه می دهد. توسعه دهندگان نمی توانند متغیرها را تنظیم کنند یا الگوهای جهانی ایجاد کنند. حتی نرم افزار تعداد دفعاتی که می توان به یک جدول موقت ارجاع داد را محدود می کند – بیشتر از یک بار نمی توان به آن ارجاع داد.

PostgreSQL عملکرد بسیار بیشتری در زمینه محتوای موقت ارائه می دهد. شما می توانید جداول موقت را به محلی و جهانی تقسیم کرده و آنها را با متغیرهای انعطاف پذیر تنظیم کنید.

SQL Server نیز عملکرد غنی تری برای مدیریت جداول موقت ارائه می دهد. شما می توانید جداول موقت محلی و جهانی ایجاد کنید و همچنین متغیرها را نظارت و ایجاد کنید.

جداول موقت برای برنامه هایی با منطق کسب وکار پیچیده ضروری هستند. اگر نرم افزار شما فرآیندهای پیچیده زیادی را اجرا می کند، شما نیاز به ذخیره سازی چندین نتیجه میان دستی خواهید داشت. داشتن قابلیت های غنی برای سفارشی سازی اغلب در طول فرآیند توسعه ضروری است.

ایندکس ها

نحوه مدیریت ایندکس ها در یک پایگاه داده بسیار مهم است زیرا از آنها برای شناسایی داده ها بدون جستجوی یک ردیف خاص استفاده می شود. ایندکس ها می توانند به چندین ردیف و ستون ارجاع دهند. شما می توانید همان ایندکس را به فایل هایی که در مکان های مختلف پایگاه داده قرار دارند اختصاص دهید و تمام این قطعات را با یک جستجوی واحد جمع آوری کنید.

در این مقایسه، نحوه ایجاد ایندکس ها در هر راه حل، پشتیبانی از جستجوهای با چند ایندکس، ایندکس های چندستونه و همچنین ایندکس های جزئی را ارزیابی کردیم.

MySQL ایندکس ها را در جداول و خوشه ها سازمان دهی می کند. توسعه دهندگان می توانند به طور خودکار ایندکس ها را در پایگاه داده خود شناسایی و به روزرسانی کنند. جستجو به طور خاص انعطاف پذیر نیست – شما نمی توانید چندین ایندکس را در یک پرس وجو جستجو کنید. MySQL از ایندکس های چندستونه پشتیبانی می کند و اجازه می دهد تا حداکثر ۱۶ ستون را اضافه کنید.

PostgreSQL نیز از سازمان دهی جداول مبتنی بر ایندکس پشتیبانی می کند، اما نسخه های اولیه شامل به روزرسانی خودکار ایندکس ها نبودند (این ویژگی تنها پس از انتشار نسخه ۱۱ اضافه شد). این راه حل همچنین به شما این امکان را می دهد که چندین ایندکس را در یک جستجو بررسی کنید، که به این معنی است که می توانید حجم زیادی از اطلاعات را پیدا کنید. تنظیمات چندستونه در PostgreSQL نیز از MySQL انعطاف پذیرتر است – توسعه دهندگان می توانند حداکثر ۳۲ ستون را در ایندکس ها بگنجانند.

SQL Server عملکرد خودکار غنی برای مدیریت ایندکس ها ارائه می دهد. آنها می توانند در خوشه ها سازمان دهی شوند و بدون دخالت دستی ترتیب ردیف ها را حفظ کنند. این راه حل همچنین از جستجوهای با چند ایندکس و ایندکس های جزئی پشتیبانی می کند.

داشتن تنظیمات انعطاف پذیر برای ایندکس ها این امکان را می دهد که اطلاعات را سریع تر جستجو کرده و داده های مختلف را به طور همزمان سازمان دهی کنید.

جداول بهینه شده در حافظه

جداول بهینه شده در حافظه عمدتاً به عنوان یک مفهوم در SQL Server شناخته می شوند، اما در سایر راه حل های مدیریت پایگاه داده نیز وجود دارند. چنین جداولی به طور ساده ای در حافظه فعال و فضای دیسک ذخیره می شوند. برای افزایش سرعت تراکنش، برنامه می تواند به سادگی به داده ها مستقیماً از روی دیسک دسترسی پیدا کند، بدون اینکه تراکنش های همزمان را مسدود کند. برای فرآیندهایی که به طور منظم انجام می شوند و معمولاً به زمان زیادی نیاز دارند، استفاده از جدول بهینه شده در حافظه می تواند یک راه حل برای بهبود عملکرد پایگاه داده باشد.

MySQL از جداول ذخیره شده در حافظه پشتیبانی می کند، اما این جداول نمی توانند در تراکنش ها شرکت کنند و امنیت آنها بسیار آسیب پذیر است. چنین جداولی تنها برای مقاصد خواندن استفاده می شوند و می توانند فقط عملیات های ابتدایی را ساده کنند. در حال حاضر، MySQL به هیچ عنوان به اندازه کافی از جداول بهینه شده در حافظه بهره برداری نمی کند.

PostgreSQL از ایجاد پایگاه داده در حافظه پشتیبانی نمی کند.

SQL Server از یک استراتژی خوشبینانه برای مدیریت جداول بهینه شده در حافظه استفاده می کند، به این معنی که این جداول می توانند در تراکنش ها همراه با جداول معمولی شرکت کنند. تراکنش های مبتنی بر حافظه از تراکنش های معمولی سریع تر هستند و این امر باعث افزایش چشمگیر سرعت برنامه می شود.

همانطور که انتظار می رفت، جداول بهینه شده در حافظه بهترین عملکرد را در SQL Server دارند این رویکرد به طور اساسی بومی آن است. این ویژگی یک قابلیت ضروری پایگاه داده نیست، اما هنوز هم روشی مناسب برای بهبود عملکرد به شمار می آید.