- nebula 版本：3.6.0
- 问题的具体描述
可以看到这个查询返回了四千多行结果的id，在nebula studio执行时间看到是二十多毫秒，但是在nebula-python执行同样的语句处理时间却接近两百毫秒，我发现这个差距随返回的内容数量的增长而增长，如果我在程序里执行的语句加上limit 1来减少返回内容，那么两边的时间消耗就差不多。
我想问怎样在获取大量数据时保障性能不劣化太多？这点对我们很重要，二十多毫秒尚有语句调整优化后接受的可能，但是上百毫秒获取这些信息就不能接受了
感觉不太科学。studio 用的是 nebula-go 的客户端，但服务端的处理效率应该是一样的才对
另外，执行返回的时间有 2 个，一个是服务端执行时间，另外一个是端到端的时间，包括客户端接收及网络传输时间。你看到的 200ms 是前者还是后者？
studio 应该返回的是前者
后者，但是加上网络时间也不该有这么大的差异，问题里也有说，同样是在程序里读取数据，语句加不加limit 1就是天与地的差距，在不加limit1 和加limit 1这两个测试里网络时间差异、服务端执行时间差异都可以忽略不计（加limit 1对服务端执行时间变化不大）
这是我拿问题里的语句在程序里面两次执行拿到的结果，差距就是有没有limit，所以不存在是网络延迟导致了如此大的差异
会和python环境上一些依赖包版本有关吗？比较相关的依赖包能不能发下，我检查检查
嗯，加不加 limit 影响很大，正说明了不加 limit返回的数据量很大，导致网络传输和客户端接收花了较多时间
此话题已在最后回复的 30 天后被自动关闭。不再允许新回复。