下面是我通过利用pymongo原生方法和框架中的常常利用的Mongoengine进行的性能测试。
一、利用Mongoengine
Mongoengine是基于面向工具的，在构建凑集的时候非常方便，就直接写一个类。而pymongo是继续于MongoDB的文档类型的，以是在框架中利用会相对没有那么方便。但是Mongoengine目前来讲还有许多还没有完善的地方。个人以为，还是根据实际的需求来选择不同的引擎。
插入数据方面，Mongoengine在0.15版本之前只有save()方法，在0.15版本之后添加了insert_one()和inset_many()方法，详细可以看官方文档：。
但是由于Django官方没有将MongoDB列为建议利用的数据库，以是不支持0.9之后的版本。
代码：
插入一千条数据
插入方法：利用save()保存数据
耗时：大概2秒钟
插入10万条数据
插入方法：利用save()
耗时：两分多钟
二、利用pymongo
（1）测试1：插入一百万数据
插入方法：insert_many()
耗时：28秒
代码：
耗时时间：
插入结果：
（2）测试2：在一百万条数据根本上增加十万数据
插入方法：insert_one()
耗时：1分钟29秒
代码：
耗时时间：
插入结果：
通过上面的测试，很明显的看到，无论是利用Mongoengine的save()方法，还是利用pymongo的insert_one()方法，在大数据量的插入时都会耗费大量的韶光，在百万级别的数据就已经须要花费5-6个小时的韶光了，显然，这样的效率是很低的。更别说千万级别的数据了。
而利用pymongo的insert_many()方法，在插入百万条数据只是花费了28秒，速率彷佛快得有点弗成思议是吧？按照这样的推算，千万级别数据的数据也大概花费不到5分钟就可以完成了。
那么为什么pymongo的原生方法insert_many()有这么高的效率呢？如何能更进一步提高效率呢？通过阅读源码和剖析参数，来理解一下。
insert_many() 定义源码：
def insert_many(self, documents, ordered=True, bypass_document_validation=False, session=None):
官方对参数的解析：
参数：
documents便是我们须要插入的数据文档，也便是上文的articles
下面重点讲ordered和bypass_document_validaion
1. ordered
默认情形下是True，即按顺序来插入多条数据，如果发生缺点，就会终止后面的插入。如果设置为False，文档将以任意的顺序将数据插入到做事器中，并且是并行进行的，客户端会尽力将所有的数据都插入到做事器中。以是，设置为False会在数据的插入效率有很大的提升，但也要付出一点数据安全性的代价。
2. bypass_document_validation
默认情形为False。如果为True，那么许可在写入发生缺点的时候推出文档级别的验证，不影响后面的数据插入。
设置得当的参数值，可以更好地为海量数据的插入供应更好的插入环境。
