我们使用ArangoDB来存储电信数据。我们应用程序的主要目标是让用户快速构建特定类型的报表。这些报表主要基于我们在遍历不同图形时从ArangoDB获得的数据。报表的业务逻辑并不简单，这导致了具有多个嵌套遍历（子查询）的非常复杂的AQL查询。

我们存储在ArangoDB中的数据的快速概览：
*28个包含文档的集合（最大集合包含3500 K个文档，平均集合通常为100 K到1000 K）
*3个带边的集合（335 K边、3500 K边和15000 K边）
*3个图形（每个图形链接到一个边集合，最大的图形有23个自/至集合）

整个数据集在完全加载（包括索引）时大约占用28 GB RAM。
我们已经使用MMFiles近两年了，除了一些问题外，我们对结果非常满意：

• 前所未有的内存消耗，我描述为here
• 重新启动非常慢（需要1小时30分钟，数据库才能再次完全响应）
• 事实上，我们必须使用非常昂贵的虚拟机和64 GB的RAM，才能将所有数据放入RAM

经过一些研究，我们开始研究一个新的RocksDB存储引擎。

• https://www.arangodb.com/why-arangodb/rocksdb-storage-engine/
• https://docs.arangodb.com/3.4/Manual/Architecture/StorageEngines.html

从文档和proposed answers on my question about the problem with RAM consumption中我可以看到RocksDB应该是我们的一条路。所有文档都说它是ArangoDB的新默认引擎，如果你想存储比RAM更多的数据，应该使用它。
我安装了新的ArangoDB 3.4.1，并将数据库从MMFiles转换为RocksDB（通过arangodumpa和arangorestore）。然后我运行了一些性能测试，发现所有的遍历都比使用MMFiles引擎时慢了2-6倍。使用MMFiles引擎时需要20秒的一些查询现在使用RocksDB时需要40秒，即使您多次运行相同的查询（即数据必须已经被缓存）。

2019年2月15日更新：

我们在AWS上的m4.4xlarge示例上的Docker容器内运行ArangoDB，16 vCPU和64 GB RAM。我们为ArangoDB容器分配了32 GB RAM和6144个CPU单元。下面是测试的简短摘要（数字以HH：mm：ss格式显示执行特定AQL遍历查询所用的时间）：

注意，在这个特定的表格中，我们没有我在最初的问题中提到的10倍的性能下降。当我们在重新启动ArangoDB后立即运行AQL时，最大速度下降了6倍（我想这是可以的）。但是，大多数查询的速度比MMFiles慢2倍，即使在所有数据都必须缓存在RAM中的情况下再次运行它也是如此。在Windows上的情况更糟（在那里我的性能下降了10倍甚至更多）。我将稍后发布我的Windows PC的详细规格和性能测试。
**我的问题是：**使用RocksDB引擎时AQL遍历速度慢得多，这是预期的行为吗？对于何时使用MMFiles引擎、何时使用RocksDB引擎以及在哪些情况下不能使用RocksDB，是否有任何一般性建议？