Mind Bending

Conforme mostrado ontem, o framework Web2Py não se utiliza de um ORM para realizar a abstração do banco de dados, ele utiliza o que ele mesmo chama de DAL (Database Abstraction Layer). A DAL é uma biblioteca que provê uma maneira mais "pythonica" de acessar o banco de dados, utilizando uma estrutura que "lembra" uma consulta SQL mas sem utilizar nenhuma linhas desta linguagem.

Web2Py Banner

Esta abordagem traz consigo uma maleabilidade excelente e (ao contrário dos ORMs) mantem a consulta ao banco de dados inteiramente sob sua administração. Entretanto, mesmo sendo maleável e customizável, ele sofre do mesmo mal que os ORMs: Mal uso.

O Problema

Como eu comentei anteriormente, eu tenho trabalhado com o Criandeiros (mais informações aqui) e foi em um projeto deles que eu lidei um grande dilema: Limitar os campos de busca.

Estou me referindo à possibilidade de limitar quais campos serão buscados no banco de dados, pois vi algumas consultas a uma tabela com 26 colunas sendo que eram necessários apenas alguns poucos campos, por exemplo, db.cliente.nome e db.cliente.email. Pensando rapidamente (conforme citado anteriormente) eu afirmaria que restringir o número de colunas a serem buscadas durante a consulta ao banco de dados pode trazer diversas vantagens, tanto sob a ótica do tempo de execução quando do consumo de memória.

Sobre o consumo de memória podemos ressaltar o seguinte:

  • Reduz a alocação de memória no servidor de banco de dados;
  • Reduz a alocação de memória no servidor de aplicação;
  • Um objeto menor é passado da camada "Controller" para a camada "View";
  • Reduz o número de objetos a serem tratados pelo garbage collector.

Já sobre o tempo de execução, os seguintes fatores contribuem para sua redução:

  • Uma consulta menor é executada em menos tempo no banco de dados;
  • Um result set menor é transferido em menos tempo entre o banco de dados e a aplicação;
  • Um result set menor é interpretado em menos tempo pelo Python;

Além destas melhorias mensuráveis, existe também uma melhoria de não mensurável: Melhoria da segurança. Uma vez que menos dados são passados para a camada "view", menos dados são expostos e menos informações sensíveis estarão sujeitos a serem capturados devido a uma falha do programador, como por exemplo:

  • Esquecer de definir uma view;
  • Implementar um XML WebService genérico;
  • Implementar uma API XML/JSON genérica;
  • Implementar um XML RPC genérico;

Antes que alguém fale que isso é difícil de acontecer, saiba que as "*generic views*" eram distribuídas por padrão até o Web2Py v.1.95.2 e foram removidas por gerar exposição indevida de dados. Mas apesar de ter sido removida, ainda é possível implementá-la.

Mas vamos deixar de falação e vamos para a parte prática…

O ambiente

Neste ambiente estaremos trabalhando em um desktop com as seguintes especificações:

CPU:
Intel® Pentium(R) Dual Core - CPU G870 @ 3.10GHz
Memória:
8 GBytes
Arquitetura:
64 Bits
Python:
2.7.3
Web2Py:
Version 2.6.0-development

O banco de dados e a aplicação estão rodando no mesmo servidor, pois estamos usando o banco de dados SQLite.

A base utilizada possui uma tabela chamada cliente, com 26 colunas (atributos) e 19 linhas (19 clientes).

Faremos um teste bem drástico para ressaltar bem o comportamento que desejamos exemplificar: Uma consulta que retorna todas as colunas e uma consulta que retorna apenas dois campos, nome e email. Para isso utilizaremos as seguintes consultas:

s1 = db(db.cliente).select()
s2 = db(db.cliente).select(db.cliente.nome, db.cliente.email)

O Código

Para este teste de tempo de execução utilizaremos o seguinte controller:

def __consulta_todos_campos(count):
    inicio = time()
    for i in range(count):
        db(Cliente).select()
    return round(time() - inicio, 4)

def __consulta_alguns_campos(count):
    inicio = time()
    for i in range(count):
        db(Cliente).select(Cliente.nome, Cliente.email)
    return round(time() - inicio, 4)

def testa_consulta():
    import pygal
    from pygal.style import CleanStyle

    bar_chart = pygal.HorizontalBar(style=CleanStyle,
            width=1200,
            height=400,
            explicit_size=True)

    x_axis = [1, 10, 100, 1000, 10000]
    y_axis1 = []
    for n in x_axis:
        y_axis1.append(__consulta_todos_campos(n))

    y_axis2 = []
    for n in x_axis:
        y_axis2.append(__consulta_alguns_campos(n))

    bar_chart.add('Alguns Campos', y_axis2[:-1])
    bar_chart.add('Todos Campos', y_axis1[:-1])
    bar_chart.x_labels = map(str, x_axis[:-1])

    return dict(
            result1=y_axis1,
            result2=y_axis2,
            chart=bar_chart.render(),
            x_axis=x_axis
            )

Notem que a medição é realizada nas funções __consulta_todos_campos e __consulta_alguns_campos com o módulo time e é utilizada a biblioteca PyGal para a plotagem do gráfico. Outro ponto importante é que, apesar das medições serem feitas para 1 consulta, 10 consultas, 100 consultas, 1.000 consultas e 10.000 consultas, eu ploto no gráfico apenas o intervalo de 1 consulta a 1.000 consultas. Isso se deve ao fato do crescimento do tempo de resposta para 10.000 consultas, o que torna quase invisível os outros resultados.

Para visualizar o resultado utilizaremos a seguinte view:

Consulta Todos os Campos
{{ for n,val in zip(x_axis, result1): }}
    {{ =n }}: {{ =val }}
{{ pass }}



Consulta Alguns os Campos
{{ for n,val in zip(x_axis, result2): }}
    {{ =n }}: {{ =val }}
{{ pass}}

Gráfico

{{ =XML(chart) }}

Agora vamos para resultados mensuráveis….

O Tempo de Execução

Após a execução temos os seguintes resultados:

Número de Consultas Alguns Campos Todos os Campos Ganho [100 - 100*(menor/maior)]
1 0.0005 0.0069 92.75%
10 0.0036 0.0447 91.95%
100 0.0348 0.438 92.05%
1.000 0.3474 4.4669 92.22%
10.000 3.4757 42.7637 91.87%

Com estes dados (desprezando o resultado de 10.000 consultas) plotamos o seguinte gráfico:

web2py DAL benchmark

Com uma análise rápida, podemos afirmar que se você pretende servir sua aplicação para algo por volta de 1.000 clientes e deseja que sua aplicação responda em menos de 4 segundos, você deve tomar muito cuidado como você faz as suas consultas.

Consumo de Memória

Infelizmente, por algum motivo absurdo e alheio ao meu conhecimento, eu não consegui colocar a minha biblioteca de Memory Profiling predileta, a Guppy, e tive que usar uma que eu não conheço muito, a Pympler.

Infelizmente esta biblioteca não interpreta muito bem os Objetos Rows e Row do Web2Py, desta forma os resultados de memoria alocada que são medidos são inferiores aos reais, já que ao converter a Rows para uma list e a Row para dict perdemos o overhead das classes originais (já que usamos objetos nativos do Python).

Mas mesmo diante desdas discrepâncias, o resultado ainda é interessante. Vejam abaixo:

>>> from pympler import summary
>>> s1 = db(db.cliente).select()
>>> s2 = db(db.cliente).select(db.cliente.nome, db.cliente.email)
>>> sum1 = summary.summarize([i.as_dict() for i in s1])
>>> sum2 = summary.summarize([i.as_dict() for i in s2])
>>> sum1
[['dict', 19, 63688]]
>>> sum2
[['dict', 19, 5320]]
>>> summary.print_(sum1)
  types |   # objects |   total size
======= | =========== | ============
   dict |          19 |     62.20 KB
>>> summary.print_(sum2)
  types |   # objects |   total size
======= | =========== | ============
   dict |          19 |      5.20 KB
>>>

Como podemos ver, uma consulta da tabela inteira (19 linhas) com todas as suas colunas (26) resulta na alocação de 62.20 KBytes, enquanto uma consulta da tabela inteira (19 linhas) com apenas 2 colunas (nome e e-mail do cliente) ocupa apenas 5.20 KBytes, uma diferença de 57 KBytes. Lembrando que isso é para apenas uma consulta, em um sistema concorrente isso pode ser multiplicado pelo número de usuários concorrentes no sistema.

Conclusão

Tendo como base todo o contexto acima, vemos que restringir o retorno da consulta, apesar de amarrar um pouco a view aos controllers e models, é extremamente vantajoso para aqueles que querem garantir o bom funcionamento de sua aplicação.

Até a próxima…

Magnun

Magnun

Engenheiro de telecomunicações por formação, mas trabalha com suporte à infraestrutura GNU/Linux, e nas horas vagas é Programador OpenSource (Python e C) desenhista e escritor do Mind Bending Blog.


Comments

comments powered by Disqus