介绍下 MongoDB?MongoDB 优缺点?MongoDB 和 Redis 比较?

一、什么是MongoDB

  1. MongoDBC++编写的,是一个基于分布式文件存储的开源数据库系统。

  2. 在高负载的情况下,添加更多的节点,可以保证服务器性能。

  3. MongoDB旨在为Web应用提供可扩展的高性能数据存储解决方案。

  4. MongoDB将数据存储为一个文档,数据结构由键值(key=>value)对组成。

  5. MongoDB文档类似于Json对象。字段值可以包含其他文档,数组及文档数组。

二、 MongoDB 的优缺点

优点:

  • 文档结构的存储方式,能够更便捷地获取数据

  • 内置GridFS,支持大容量存储

    GridFS是一个出色的分布式文件系统,可以支持海量的数据存储。内置了GridFSMongoDB,能够满足大数据集的快速范围查询。

  • 海量数据下,性能优越

    • 在使用场合下,千万级别的文档对象,近 10G 的数据,对有索引的 ID 的查询不比MySQL慢,而对非索引字段的查询,则是全面胜出。MySQL实际无法胜任大数据下任意字段的查询,而MongoDB的查询性能令人惊讶。写入性能同样很令人满意,同样写入百万级别的数据,MongoDB比我以前使用过的CouchDB要快得多,基本 10 分钟以下可以解决。观察过程中,MongoDB远算不上 CPU 杀手。
  • 动态查询

  • 全索引支持,扩展到内部对象和内嵌数组

    • 索引通常能够极大地提高查询的效率,如果没有索引,MongoDB在读取数据时必须扫描集合中的每个文件并选取那些符合查询条件的记录
    • 这种扫描全集合的查询效率是非常低的。特别是在处理大量的数据时,查询可以花费几十秒甚至几分钟,这对网站的性能是致命的。
    • 索引是特殊的数据结构,索引存储在一个易于遍历读取的数据集合中,索引是对数据库表中的一列或多列的值进行排序的一种结构。
  • 查询记录分析

  • 快速,就地更新

  • 高效存储二进制大对象(比如照片和视频)

  • 复制(复制集)和支持自动故障恢复

  • 内置Auto-Sharding自动分片支持云级扩展性,分片简单

    提供基于RangeAuto-Sharding机制:

    • 一个collection可按照记录的范围,分为若干个段,切分到不同的Shard上。
    • Shards可以和复制结合,配合Replica sets能够实现Sharing+fail-over,不同的Shard之间可以负载均衡。
    • 查询时对客户端是透明的。客户端执行查询,统计,MapReduce等操作,这些会被MongoDB自动路由到后端的数据节点。
    • 这让我们关注于自己的业务,适当的时候可以无痛的升级。MongoDBSharding设计能力最大支持约20 PetaBytes,足以支撑一般应用。(1PB=1024TB=2^50 字节)
    • 这可以保证MongoDB运行在便宜的PC服务器集群上。PC集群扩充起来非常方便且成本很低,避免了Sharding操作的复杂性和成本。
  • MapReduce支持复杂聚合

    • MongoDB中聚合(aggregate)主要用于处理数据(统计平均值、求和等),并返回计算后的数据结果。有点类似于SQL语句中的count(*)
  • 商业支持,培训和咨询

缺点:

  • 不支持事务操作
    • 所有事务要求严格的系统(银行系统)肯定不能用它。
  • MongoDB占用空间过大
      1. 空间的预分配:为避免形成过多的硬盘碎片,MongoDB每次空间不足时都会申请生成一大块的硬盘空间,而且申请的量从64M、128M、256M那样成指数递增,直到 2G 为单个文件的最大体积。随着数据量的增加,你可以在其数据目录里看到这些整块生成容量不断递增的文件。
      2. 字段名所占用的空间: 为了保持每个记录内的结构信息用于查询,MongoDB需要把每个字段的key-value都以Bson的形式存储,如果value域相对于key域并不大,比如存放数值型的数据,则数据的overhead是最大的。一种减少空间占用的方法是把字段名尽量取得短一点,这样占用空间就小了,但这要求在易读性与空间占用上作为权衡了。
      3. 删除记录不释放空间:为避免记录删除后的数据大规模挪动,原记录空间不删除,只标记已删除即可,以后还可以重复利用。
      4. 可以定期运行db.repairDatabase()来整理记录,但这个过程会比较缓慢。
  • 无法进行关联操作,不适用于关系多的数据
  • MongoDB没有如MySQL那样成熟的维护工具,这对于开发和运营都是个值得注意的地方。
  • 复杂聚合操作通过MapReduce创建,速度慢
  • 模式自由,自由灵活的文件存储格式带来的数据错
  • MongoDB在删除记录后不会在文件系统回收空间,除非删掉数据库。但是空间没有被浪费。

MongoDBRedis比较:

  1. MongoDB文件存储是Bson格式,类似Json,或自定义的二进制格式。MongoDBRedis性能都很依赖内存的大小,MongoDB有丰富的数据表达、索引;最类似于关系数据库,支持丰富的查询语言,Redis数据丰富,较少的 IO,这方面MongoDB优势明显。
  2. MongoDB不支持事务,靠客户端自身保证,Redis支持事务,比较弱,仅能保证事务中的操作按顺序执行,这方面Redis优于MongoDB
  3. MongoDB对海量数据的访问效率提升,Redis较小数据量的性能及运算,这方面MongoDB优于Redis
  4. MongoDBMapReduce功能,提供数据分析,Redis没有,这方面MongoDB优于Redis
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,980评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,178评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,868评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,498评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,492评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,521评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,910评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,569评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,793评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,559评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,639评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,342评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,931评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,904评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,144评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,833评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,350评论 2 342

推荐阅读更多精彩内容