本文测试所用工具版本如下：

Tools	Version
MySQL	5.7.18
Python	3.6
Pandas	0.23

① 创建数据表

首先我们需要把两张使用了不同引擎的表创建出来，使用为了方便起见，我们直接使用Navicat创建了两张 员工信息表，具体字段如下：

使用InnoDB引擎的表，设计表名为innodb，选项如下：

使用InnoDB引擎的表，设计表名为myisam，选项如下：

因为是简单操作，创建的具体细节就不详述了，至此，我们的数据库就把使用 InnoDB 和 MyISAM 两种引擎的表创建好了。

② 单线程写入性能对比

1. InnoDB 引擎

执行以下代码，往使用了InnoDB引擎的表格插入1000条数据

import pandas as pd
from sqlalchemy import create_engine
import time

db = create_engine('mysql+pymysql://mysql:123456@127.0.0.1:3306/test')
start = time.time()

for i in range(1000):
    data = {'index': i,
            'name': 'name_' + str(i),
            'age': i,
            'salary': i,
            'level': i}
    df = pd.DataFrame(data, index=[0])
    df.to_sql('innodb', db, if_exists='append', index=False)

end = time.time()
print(end - start)

执行3次上面的代码，得到程序写入1000条数据的时间分别为：12.58s、14.10s、12.71s，平均写入时间为 13.13s。

2. MyISAM 引擎

执行以下代码，往使用了MyISAM引擎的表格插入1000条数据

import pandas as pd
from sqlalchemy import create_engine
import time

db = create_engine('mysql+pymysql://mysql:123456@127.0.0.1:3306/test')
start = time.time()

for i in range(1000):
    data = {'index': i,
            'name': 'name_' + str(i),
            'age': i,
            'salary': i,
            'level': i}
    df = pd.DataFrame(data, index=[0])
    df.to_sql('myisam', db, if_exists='append', index=False)

end = time.time()
print(end - start)

执行3次上面的代码，得到程序写入1000条数据的时间分别为：6.64s、6.99s、7.29s，平均写入时间为 6.97s。

两种引擎的单线程写入速度对比如下：

结论：单线程的情况下，MyISAM引擎的写入速度比InnoDB引擎的写入速度快88%

③ 多线程写入性能对比

1. InnoDB 引擎

执行以下代码，往使用了InnoDB引擎的表格插入1000条数据

import pandas as pd
from sqlalchemy import create_engine
import time
from concurrent.futures import ThreadPoolExecutor

db = create_engine('mysql+pymysql://mysql:123456@127.0.0.1:3306/test')
start = time.time()

data_lst = [{'index': i,
             'name': 'name_' + str(i),
             'age': i,
             'salary': i,
             'level': i} for i in range(1000)]

def write(data):
    df = pd.DataFrame(data, index=[0])
    df.to_sql('innodb', db, if_exists='append', index=False)

def execute():
    with ThreadPoolExecutor(max_workers=5) as executor:
        executor.map(write, data_lst)

execute()

end = time.time()
print(end - start)

执行3次上面的代码，得到程序写入1000条数据的时间分别为：4.98s、4.84s、4.88s，平均写入时间为 4.9s。

2. MyISAM 引擎

执行以下代码，往使用了MyISAM引擎的表格插入1000条数据

import pandas as pd
from sqlalchemy import create_engine
import time
from concurrent.futures import ThreadPoolExecutor

db = create_engine('mysql+pymysql://mysql:123456@127.0.0.1:3306/test')
start = time.time()

data_lst = [{'index': i,
             'name': 'name_' + str(i),
             'age': i,
             'salary': i,
             'level': i} for i in range(1000)]

def write(data):
    df = pd.DataFrame(data, index=[0])
    df.to_sql('myisam', db, if_exists='append', index=False)

def execute():
    with ThreadPoolExecutor(max_workers=5) as executor:
        executor.map(write, data_lst)

execute()

end = time.time()
print(end - start)

执行3次上面的代码，得到程序写入1000条数据的时间分别为：3.29s、3.62s、3.47s，平均写入时间为 3.46s。

两种引擎的多线程写入速度对比如下：

结论：多线程的情况下，MyISAM引擎的写入速度比InnoDB引擎的写入速度快42%

④ 读取性能对比

为了获得数据量较大的表用于测试数据库的读取性能，我们循环执行10遍上面多线程写入数据的操作，得到两张数据量为10000条数据的表格，然后读取10遍该表格，获取读取时间

1. InnoDB 引擎

执行以下代码，读取10遍使用了InnoDB引擎的表格

import pandas as pd
from sqlalchemy import create_engine
import time

db = create_engine('mysql+pymysql://mysql:123456@127.0.0.1:3306/test')
start = time.time()

for _ in range(10):
    df = pd.read_sql('innodb', db)

end = time.time()
print(end - start)

执行3次上面的代码，得到程序10次读取10000条数据的时间分别为：28.94s、28.88s、28.48s，平均写入时间为 28.77s。

2. MyISAM 引擎

执行以下代码，读取10遍使用了MyISAM引擎的表格

import pandas as pd
from sqlalchemy import create_engine
import time

db = create_engine('mysql+pymysql://mysql:123456@127.0.0.1:3306/test')
start = time.time()

for _ in range(10):
    df = pd.read_sql('innodb', db)

end = time.time()
print(end - start)

执行3次上面的代码，得到程序10次读取10000条数据的时间分别为：28.51s、29.12s、28.76s，平均写入时间为 28.8s。

两种引擎的读取速度对比如下：

结论：MyISAM引擎和InnoDB引擎的读取速度无明显差异

⑤ 总结

1. 写入速度，MyISAM比InnoDB快，单线程的情况下，两者差异尤为明显
2. 读取速度，InnoDB和MyISAM无明显差异