我做了一个实验，运行一个python应用程序，将2000条记录写入mongoDB。
我的实验设置细节如下:
测试1:本地PC - Python应用程序运行在本地PC与mongoDB在本地PC(基线)测试2:Docker - Python应用程序在Linux容器上与mongoDB在Linux容器上使用持久化卷测试3:Docker - Python应用在Linux容器上，mongoDB在Linux容器上，没有持久化卷
我已经在图表中生成了结果-在本地PC上平均写入数据大约是30秒。在Docker的其他地方，大约需要80多秒。因此，在Docker上写代码比在本地PC上写代码要慢3倍。
我是否想提高mongoDB在docker容器中的写速度或性能，推荐的做法是什么?或者我应该把mongoDB作为一个没有docker的外部卷?
谢谢!
图
- 您的系统在许多方面不一致-动态存储和CPU性能，其他进程，动态系统设置等。有很多底层的东西只在存储下。
- 60秒的测试是不够的
- 简单的操作不足以进行基线比较
- 在容器的情况下，对存储和CPU的性能影响为零，对网络有影响，但我假设，这不适用于这里
- 数据库和数据库管理系统必须以特殊的方式进行优化，不存在"安装即运行"的问题。的方法。我们，系统管理员/数据库管理员通常需要几天的时间才能使它顺利运行。而且，性能会随着时间而变化。
经过几周的测试和故障排除。我终于得到了答案，我将与其他DevOps或任何与我面临相同问题的人分享我的发现
如果需要的话纠正这个说法，Docker容器是在Linux上开始的，微软加入容器的行列很晚，为了让容器工作(在Linux上)，DevOps团队需要在Windows上安装Linux WSL2。这就造成了额外的开销，从而影响了处理速度。
因此，为了提高容器的性能速度，应该在Linux操作系统而不是Windows操作系统中进行设置。(是的，速度大大降低)