2

Eu vi em uma pergunta no site um usuário obter o valor máximo de uma determinada coluna de uma tabela no banco de dados da seguinte forma:

$result_max = mysqli_query($conn, "SELECT CGenericas1 FROM AvaliacaoDesempenho");

while($rows_cursos1 = mysqli_fetch_array($resultado_cursos1)) {
    if ($maior < $teste = $rows_cursos1['CGenericas1'])
    $maior = $teste = $rows_cursos1['CGenericas1'];
}

Isto é, seleciona todos os registros da tabela, itera-os com o PHP e compara os valores até encontrar o maior.

Sei que podemos também obter o mesmo resultado diretamente pelo SQL, com a função max():

$result_max = mysqli_query($conn, "SELECT max(DCGenericas) AS max_page FROM AvaliacaoDesempenho");
$rows = mysqli_fetch_array($result_max);
$maximo =  $rows["max_page"];

Qual forma seria mais performática, consome menos recursos, mais rápida etc...? Se houver, quais as razões?

1 Resposta 1

14

Resposta curta: a segunda é mais rápida e consome menos recursos, por ter menos dados para transmitir e menos processamento redundante.


Agora uma resposta básica para atender a necessidade do autor da pergunta e de um usuário que comentou (apagados agora pela falta de relevância com a versão atual) que desejavam uma resposta básica (apesar da pergunta pedir razões) e que minha pergunta está complexa demais:

Deixar o DB fazer o grosso do processamento é melhor que deixar o PHP tanto em memória quanto em velocidade.

Qual forma é mais performática?

A segunda. O banco de dados processará tudo o que precisa para achar o maior e entregará uma informação única, algo bem simples e rápido de transmitir e a aplicação faz algo mínimo para pegar e usar esta informação. A outra gerará um processamento pesado no PHP, algo que já foi feito no banco de dados, fora o fato de transmitir dados demais

Qual forma consome menos recursos?

No banco de dados o consumo é essencialmente o mesmo. No PHP a segunda forma consume muito menos recursos (imagino estar falando principalmente de memória) porque tem que lidar com uma informação, contra uma quantidade enorme de informações da primeira forma.

Qual forma é mais rápida?

Imagino que é o mesmo que a primeira resposta, afinal performático tende nos remeter à velocidade. Se não for isso eu posso mudar se a pergunta ficar mais clara que é sobre outra coisa

etc...

Não saberia dizer do que mais poderia estar falando, mas posso melhorar se for explicitado.

Quais as razões?

O primeiro tem que transmitir todos os dados (todas as linhas resultantes da query) para o PHP poder processar, isso por si só pesa bem mais. E tem que processar todas as linhas uma vez no banco de dados e outra no PHP.


Agora uma resposta um pouco mais aprofundada, mas longe de ser acadêmica, para quem quer entender melhor porque isto ocorre.

Primeiro tenho que dizer que sempre é possível ser diferente por uma série de razões, e em alguns casos não fazer diferença de verdade, pense por exemplo se a tabela tiver uma linha apenas, que diferença fará? Essencialmente zero. Mas em condições normais, com grande volume de dados o processamento no banco de dados será absurdamente mais rápido, afinal na maioria dos casos o grosso do tempo gasto é a transferência de dados e não a consulta em si.

Em qualquer caso o banco de dados terá que ler todas as linhas da tabela para pegar os dados necessários, seja para mandar para o PHP, seja para calcular o máximo.

Calcular o máximo é ligeiramente mais lento no banco de dados porque tem um processamento extra para fazer ali. Mas a diferença é irrisória, é provável que seja bem inferior a 0,1%, já que o acesso aos dados custa bem mais. Mas isso só se considerar o trabalho no lado do banco de dados. Muda tudo quando soma-se todo o processo.

Imagine ter que transmitir milhares ou milhões de dados (linhas da tabela) para a aplicação apenas para descobrir qual é o maior. Compare com transmitir apenas o maior, uma informação única. A diferença parece brutal, certo?

E finalmente no PHP, acho que é bastante óbvio que o segundo tem um custo bem pequeno, quase desprezível para processar e de consumo de memória. O primeiro tem que processar todos os dados, então consumirá mais memória (claro que boa parte dele vai sendo reciclada em cada passo, sempre que a memória alocada não é mais necessária, então o consumo total nem é tão grande assim, mas haverá muita alocação e liberação, que em alguns casos pode ser pior para a performance da aplicação.

Para entender isso temos que buscar algo chamado complexidade de algoritmos (alerta: lá a resposta aceita é bem acadêmica, eu não aconselho segui-la para quem não tem uma base muito forte de computação, mas é ótima para um aprofundamento "matemático" da questão). O que vou falar aqui é só um verniz sobre o assunto.

É claro que todo novato não tem obrigação de saber isso, mas em determinado momento saber sobre este assunto, entre outros, claro, é o que define quem é programador profissional e o fuçador que apenas decora receitas de bolo e não consegue tomar decisões adequadas por conta própria. Dica: a maioria dos problemas de performance (alguns nem percebíveis) são por falta de entendimento básico disto (não precisa se aprofundar para usá-lo muito bem com grande benefício. E claro que todo mundo tem o direito de ignorar o assunto, por cota e risco.

Usarei a notação Big O para indicar cada complexidade (serão apenas duas). Pode entender melhor isto na excelente resposta do Luiz Vieira.

Vou falar de complexidade de tempo (execução). Não entrarei na complexidade de espaço (memória), porque na prática não fará tanta diferença assim, a não ser na obviedade.

Tem três complexidades a serem verificados em todos este processo:

  • o processamento no banco de dados
  • a transmissão de dados
  • o processamento da aplicação

Processamento no banco de dados

Ambos possuem potencialmente uma complexidade linear (O(n)), ou seja, para cada linha existente o algoritmo terá que executar um passo. Tendo N linhas, terão N passos.

Aprendendo sobre complexidade, ela não define tempo, e um pode ser mais rápido que outro, mas a diferença não será grande. Como dito anteriormente, calcular o máximo tem um custo ligeiramente maior porque em cada passo tem uma comparação e uma atribuição de valor, mas isso é feito no momento que já está lendo os dados, e esse processamento é muito pequeno.

Transmissão de dados

Grosso modo, o primeiro tem complexidade linear, ou seja, O(n). O segundo tem complexidade constante, portanto O(1). Então o segundo terá um passo não importa a quantidade de linhas que foram consultadas. É aqui que está o segredo para a diferença brutal de performance. O primeiro pode levar muitos milissegundos, ou mesmo segundos, minutos ou até horas ou dias em casos extremos, e o segundo geralmente será abaixo de 1 milissegundo. Sempre considerando só a transmissão dos dados.

Note que isso não é tão fácil de fazer esta conta porque a forma de transmitir depende de uma série de questões e há algumas amortizações. De fato o que importa mais é até o espaço ocupado durante a transmissão para determinar o tempo. Se for ser preciso a conta fica complexa demais, e desnecessário para a maioria dos cenários.

Essas notações de Big O costumam trabalhar apenas com as fórmulas básicas e mais conhecidas para obter uma aproximação da complexidade real. Isso é útil para quase todos os casos que analisamos este tipo de coisa. Mas tenha em mente que a complexidade real é um O(fórmula complexa aqui).

Em resumo: se tiver 1 bilhão de linhas, a grosso modo, a primeira forma levará o tempo para transmitir todas essas linhas, e a segunda forma será um mero pacote simples. Não por conta do overhead de transmissão, não será 1 bilhão de vezes mais rápido. Se forem 10 linhas, potencialmente levará o mesmo tempo porque é provável que vá apenas em um pacote os dados das linhas ou o máximo calculado. Note que se a consulta mandar muitas colunas aí muda de figura, mas para este caso não faz sentido.

Tudo isso vale se não precisa das linhas na aplicação, só o máximo. Isso é o que a pergunta parece implicar. Se precisar das linhas para outra coisa, aí começa ficar igual. Não totalmente, mas este é outro cenário e não vou entrar em detalhes aqui.

Sempre que puder diminuir a quantidade de dados para trafegar entre o DB e a aplicação você terá algum ganho.

Processamento da aplicação

Aqui a diferença também é brutal. Novamente a primeira é O(n) contra O(1) da segunda. É o segundo maior ponto que dará diferença, em alguns casos bem específicos e extremados pode até se tornar o principal ponto. O PHP terá um laço no primeiro, acho que isso é bem óbvio para todos como isso será mais lento que pegar o dado único do máximo, pura e simplesmente.

Nem falei que no DB a verificação rodará de forma otimizada porque foi feita em uma linguagem de alta eficiência e por um bom programador. Em PHP não tem nem perto da mesma eficiência e talvez o programador não seja tão bom assim, mas essa comparação é mais curiosa do que útil. Inclusive eu acho estranho ter atribuição em $teste neste código, assim a comparação fica até mais injusta, mas dá um indicação que é mais fácil ter um erro que torna ainda piro no PHP do que no banco de dados. Uma das maravilhas de um SGDB é que ele otimiza a forma de fazer a consulta, ele ajuda o programador ruim se dar melhor, ainda que ele continua exigindo certos cuidados.

Exemplos de perguntas que mostram complexidades:

Coloquei no GitHub para referência futura.

1
  • 4
    +1, praticamente salvou a pergunta.
    – Square Obama
    29/11/2018 às 21:52

Você deve fazer log-in para responder a esta pergunta.