ВАК 2.3.5 УДК 004.65 ВАК 2.9.8

СРАВНИТЕЛЬНЫЙ АНАЛИЗ РЕАЛИЗАЦИИ МОДЕЛИ «КЛЮЧ — ЗНАЧЕНИЕ» В POSTGRESQL И REDIS: ОЦЕНКА ЗАДЕРЖЕК И ПРОПУСКНОЙ СПОСОБНОСТИ Сравнительный анализ реализации модели «ключ — значение» в PostgreSQL и Redis: оценка задержек и пропускной способности

Опубликовано в Интеллектуальные технологии на транспорте (сетевой электронный научный журнал), Intellectual Technologies on Transport · Номер 3, 2026 · Страницы 44–55 · Рубрика: МАТЕМАТИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ВЫЧИСЛИТЕЛЬНЫХ КОМПЛЕКСОВ И СЕТЕЙ
DOI: https://doi.org/10.20295/2413-2527-2026-347-44-55 · EDN: QCMWWH
Получено: 09.08.2026 Одобрено: 26.08.2026 Опубликовано: 01.10.2026
Предлагается экспериментально обоснованный подход к сравнению производительности реализации модели «ключ — значение» в PostgreSQL и Redis. Цель: оценка задержек и пропускной способности операций чтения и записи при различной степени параллельной нагрузки. Методы: анализ архитектур PostgreSQL (MVCC, WAL, индексы B-tree, GIN, типы jsonb и hstore) и Redis (in-memory-хранение, строки и хэши, TTL, pipelining); создание экспериментального стенда; генерация тестовой таблицы объемом 1 000 000 записей; нагрузочное тестирование с использованием pgbench и redis-benchmark при параллельности от 1 до 128 клиентов; измерение пропускной способности, средней и хвостовой задержек (p95, p99). Результаты: Redis обеспечивает в 5–10 раз меньшую задержку чтения и в 3–5 раз более высокую пропускную способность по сравнению с PostgreSQL для точечных операций GET/SET; использование pipelining позволяет дополнительно повысить пропускную способность в 2–3 раза; PostgreSQL сохраняет преимущество в универсальности, поддерживая транзакции, сложные выборки и долговременное хранение. Практическая значимость: разработанная методика тестирования и полученные количественные оценки применимы при выборе архитектуры хранения для высоконагруженных информационных систем, включая системы мониторинга и трекинга на транспорте.
PostgreSQL, Redis, модель «ключ — значение», задержка, пропускная способность, высоконагруженные транзакции, jsonb, hstore, in-memory-хранилище
Текст Список литературы
Текст (RU) (PDF)
Читать Скачать

1. Performance Comparison of Redis, Memcached, MySQL, and PostgreSQL: A Study on Key-Value and Relational Databases / D. Almeida [et al.] // Proceedings of the 2023 Second International Conference on Smart Technologies for Smart Nation (SmartTechCon) (Singapore, Singapore, 18–19 August 2023). Institute of Electrical and Electronics Engineers, 2023. Pp. 902–907. DOI:https://doi.org/10.1109/SmartTechCon57526.2023.10391649

2. Хомоненко А. Д., Цыганков В. М., Мальцев М. Г. Базы данных: учебник для вузов / под ред. А. Д. Хомоненко. 6‑е изд., доп. СПб.: Корона-Век, 2009. 736 с.

3. Коннолли Т., Бегг К. Базы данных: проектирование, реализация и сопровождение: теория и практика. 3-е издание = Database Systems: A Practical Approach to Design, Implementation, and Management. Third Edition / пер. с англ. Р. Г. Имамутдиновой и К. А. Птицына; под ред. К. А. Птицына. М.: Вильямс, 2017. 1440 с.

4. Клеппман М. Высоконагруженные приложения. Программирование, масштабирование, поддержка. СПб.: Питер, 2018. 640 с.

5. Gembalczyk D., Schuhknecht F. M., Dittrich J. An Experimental Analysis of Different Key-Value Stores and Relational Databases // Datenbanksysteme für Business, Technologie und Web (BTW 2017): Proceedings 17 Fachtagung des GI-Fachbereichs “Datenbanken und Informationssysteme” (DBIS) (Stuttgart, Germany, 06–10 March 2017) / B. Mitschang [et al.] (eds). Lecture Notes in Informatics. Vol. 265. Bonn: Gesellschaft für Informatik, 2017. Pp. 351–360.

6. Salunke S. V., Ouda A. A Performance Benchmark for the PostgreSQL and MySQL Databases // Future Internet. 2024. Vol. 16, iss. 10. Art. no. 382. 22 p. DOI:https://doi.org/10.3390/fi16100382 EDN: https://elibrary.ru/XWZWQP

7. Dean J., Barroso L. A. The Tail at Scale // Communications of the ACM. 2013. Vol. 56, no. 2. Pp. 74–80. DOI:https://doi.org/10.1145/2408776.2408794

8. Sikh A., Axén J. High-Performing Cloud Native SW Using Key-Value Storage or Database for Externalized States. Bachelor’s Thesis. Department of Computer and Information Science, Linköping University. Linköping, 2023. 18 p. URL: http://liu.diva-portal.org/smash/get/diva2:1768552/FULLTEXT01.pdf (дата обращения: 03.08.2026).

9. Optimizing Asynchronous Performance in Node.js with Express and PostgreSQL / M. D. Imam Sakti [et al.] // Procedia Computer Science. 2025. Vol. 269. Pp. 172–181. DOI:https://doi.org/10.1016/j.procs.2025.08.270 EDN: https://elibrary.ru/SOMZTT

10. High-Throughput Real-Time Leaderboard a Comparative Performance Analysis of PostgreSQL and Redis / S. Khanum [et al.] // Proceedings of International Conference on Computational Technologies for Research in Data Analytics (ICCTRDA 2025) (Da Nang, Vietnam, 21–22 November 2025). Volume 3 / N. G. Nhu [et al.] (eds). Lecture Notes in Networks and Systems. Vol. 1988. Cham: Springer, 2026. Pp. 114–126. DOI:https://doi.org/10.1007/978-3-032-26898-3_11

11. Adaptive and Scalable Database Management with Machine Learning Integration: A PostgreSQL Case Study / M. Abbasi [et al.] // Information. 2024. Vol. 15, iss. 9. Art. no. 574. 25 p. DOI:https://doi.org/10.3390/info15090574 EDN: https://elibrary.ru/BUCNED

12. Малыгин Д. С. Проблемы производительности реляционных баз данных в распределенных архитектурах и стратегии их решения // Современные наукоемкие технологии. 2024. № 10. С. 61–71. DOI:https://doi.org/10.17513/snt.40173 EDN: https://elibrary.ru/JKCOIB

13. Privalov M. V., Stupina M. V. Improving Web-Oriented Information Systems Efficiency Using Redis Caching Mechanisms // Indonesian Journal of Electrical Engineering and Computer Science. 2024. Vol. 33, no. 3. Pp. 1667–1675. DOI:https://doi.org/10.11591/ijeecs.v33.i3.pp1667-1675 EDN: https://elibrary.ru/RVEVAB

14. Черкасов С. Д., Хомоненко А. Д. Исследование влияния фрагментации данных на производительность чтения/записи и методы ее устранения в MySQL (InnoDB) // Интеллектуальные технологии на транспорте. 2026. № 2 (46). С. 64–74. DOI:https://doi.org/10.20295/2413-2527-2026-246-64-74 EDN: https://elibrary.ru/EIFGWS

15. Zulfa M. I., Fadli A., Wardhana A. W. Application Caching Strategy Based on In-Memory Using Redis Server to Accelerate Relational Data Access // Jurnal Teknologi dan Sistem Komputer. 2020. Vol. 8, no. 2. Pp. 157–163. DOI:https://doi.org/10.14710/jtsiskom.8.2.2020.157-163 EDN: https://elibrary.ru/DWVXLS

16. Implementation of an AI-Based Predictive Structural Health Monitoring Strategy for Bonded Insulated Rail Joints Using Digital Twins Under Varied Bolt Conditions / G. Bianchi [et al.] // Railway Engineering Science. 2025. Vol. 33. No. 4. Pp. 703–720. DOI:https://doi.org/10.1007/s40534-024-00371-3 EDN: https://elibrary.ru/ULMQJJ

17. Ariyachandra M. R. M. F., Wen Y., Yu J. Advancing Rail Infrastructure: Integrating Digital Twins and Cyber-Physical Systems for Predictive Maintenance // Proceedings of the 2025 European Conference on Computing in Construction and 42nd International CIB W78 Conference on Information Technology in Construction (Porto, Portugal, 14–17 July 2025) / Petrova E. [et al.] (eds). European Council on Computing in Construction, 2025. Pp. 1266–1273. DOI:https://doi.org/10.35490/EC3.2025.272

Войти или Создать
* Забыли пароль?