1、為什么選擇MongoDB？

1、性能

在大數(shù)據(jù)時代中，大數(shù)據(jù)量的處理已經(jīng)成了考量一個數(shù)據(jù)庫最重要的原因之一。而MongoDB的一個主要目標(biāo)就是盡可能的讓數(shù)據(jù)庫保持卓越的性能，這很大程度地決定了MongoDB的設(shè)計。在一個以傳統(tǒng)機(jī)械硬盤為主導(dǎo)的年代，硬盤很可能會成為性能的短板，而MongoDB選擇了最大程度而利用內(nèi)存資源用作緩存來換取卓越的性能，并且會自動選擇速度最快的索引來進(jìn)行查詢。MongoDB盡可能精簡數(shù)據(jù)庫，將盡可能多的操作交給客戶端，這種方式也是MongoDB能夠保持卓越性能的原因之一。

2、擴(kuò)展

現(xiàn)在互聯(lián)網(wǎng)的數(shù)據(jù)量已經(jīng)從過去的MB、GB變?yōu)榱爽F(xiàn)在的TB級別，單一的數(shù)據(jù)庫顯然已經(jīng)無法承受，擴(kuò)展性成為重要的話題，然而現(xiàn)在的開發(fā)人員常常在選擇擴(kuò)展方式的時候犯了難，到底是選擇橫向擴(kuò)展還是縱向擴(kuò)展呢？
橫向擴(kuò)展（scale out）是以增加分區(qū)的方式將數(shù)據(jù)庫拆分成不同的區(qū)塊來分布到不同的機(jī)器中來，這樣的優(yōu)勢是擴(kuò)展成本低但管理困難。

縱向擴(kuò)展（scale up） 縱向擴(kuò)展與橫向擴(kuò)展不同的是他會將原本的服務(wù)器進(jìn)行升級，讓其擁有更強(qiáng)大的計算能力。這樣的優(yōu)勢是易于管理無需考慮擴(kuò)展帶來的眾多問題，但缺點(diǎn)也顯而易見，那就是成本高。一臺大型機(jī)的價格往往非常昂貴，并且這樣的升級在數(shù)據(jù)達(dá)到極限時，可能就找不到計算能力更為強(qiáng)大的機(jī)器了。

而MongoDB選擇的是更為經(jīng)濟(jì)的橫向擴(kuò)展，他可以很容易的將數(shù)據(jù)拆分至不同的服務(wù)器中。而且在獲取數(shù)據(jù)時開發(fā)者也無需考慮多服務(wù)器帶來的問題，MongoDB可以將開發(fā)者的請求自動路由到正確的服務(wù)器中，讓開發(fā)者脫離橫向擴(kuò)展帶來的弊病，更專注于程序的開發(fā)上。

3、使用

MongoDB采用的是NoSQL的設(shè)計方式，可以更加靈活的操作數(shù)據(jù)。在進(jìn)行傳統(tǒng)的RDBMS中你一定遇到過幾十行甚至上百行的復(fù)雜SQL語句，傳統(tǒng)的RDBMS的SQL語句中包含著大量關(guān)聯(lián)，子查詢等語句，在增加復(fù)雜性的同時還讓性能調(diào)優(yōu)變得更加困難。MongoDB的面向文檔（document-oriented）設(shè)計中采用更為靈活的文檔來作為數(shù)據(jù)模型用來取代RDBMS中的行，面向文檔的設(shè)計讓開發(fā)人員獲取數(shù)據(jù)的方式更加靈活，甚至于開發(fā)人員僅用一條語句即可查詢復(fù)雜的嵌套關(guān)系，讓開發(fā)人員不必為了獲取數(shù)據(jù)而絞盡腦汁。

2、NoSQL對傳統(tǒng)數(shù)據(jù)庫設(shè)計思維的影響

1、預(yù)設(shè)計模式與動態(tài)模式

傳統(tǒng)數(shù)據(jù)庫設(shè)計思維中，項目的設(shè)計階段需要對數(shù)據(jù)庫表中的字段名稱、字段類型、進(jìn)行規(guī)定，如果嘗試插入不符合設(shè)計的數(shù)據(jù)，數(shù)據(jù)庫不會接受這條數(shù)據(jù)以保證數(shù)據(jù)的完整性。

--數(shù)據(jù)庫字段:NAME, SONG

INSERT INTO T_INFO VALUES('John','Come Together'); --成功
INSERT INTO T_INFO VALUES('小明', 20, 'xiaoming@111.com'); --失敗

NoSQL采用的是對集合（類似"表"）中的文檔（類似于"行"）進(jìn)行動態(tài)追加，在創(chuàng)建集合之初不會對數(shù)據(jù)類型進(jìn)行限定，任何文檔都可以追加到任何集合中去，例如我們可以將這樣兩條文檔添加到一個集合中去：

{"name" : "John", "song" : "Come Together"}
{"name" : "小明", "age":"20", "email" : xiaoming@111.com}

MongoDB中文檔的格式類似于我們常見的JSON，由此可見，我們第一個擁有"name"、"song"兩個字段，而第二個擁有"name"、"age"、"email"三個字段，這在預(yù)設(shè)計模式中的數(shù)據(jù)庫是不可能插入成功的，但在MongoDB的動態(tài)模式是可以的，這樣做的優(yōu)勢是我們不必為一些數(shù)量很少，但種類很多的字段單獨(dú)設(shè)計一張表，可以將他們集中在單獨(dú)一張表進(jìn)行存儲，但這樣做的弊病也是顯而易見的，我們在獲取數(shù)據(jù)時需要對同一張表的不同文檔進(jìn)行區(qū)分，增加了開發(fā)上的代碼量。所以在設(shè)計之初需要權(quán)衡動態(tài)模式的優(yōu)劣來選擇表中的數(shù)據(jù)類型。

2、范式化與反范式化

范式化（normalization）是關(guān)系模型的發(fā)明者埃德加·科德于1970年提出這一概念，范式化會將數(shù)據(jù)分散到不同的表中，利用關(guān)系模型進(jìn)行關(guān)聯(lián)，由此帶來的優(yōu)點(diǎn)是，在后期進(jìn)行修改時，不會影響到與其關(guān)聯(lián)的數(shù)據(jù)，僅對自身修改即可完成。

反范式化（denormalization）是針對范式化提出的相反理念，反范式化會將當(dāng)前文檔的數(shù)據(jù)集中存放在本表中，而不會采用拆分的方式進(jìn)行存儲。

范式化和反范式化之間不存在優(yōu)劣的問題，范式化的好處是可以在我們寫入、修改、刪除時的提供更高性能，而反范式化可以提高我們在查詢時的性能。當(dāng)然NoSQL中是不存在關(guān)聯(lián)查詢的，以此提高查詢性能，但我們依舊可以以在表中存儲關(guān)聯(lián)表ID的方式進(jìn)行范式化。但由此可見，NoSQL的理念中反范式化的地位是大于范式化的。

3、性能與用戶量

“如何能讓軟件擁有更高的性能？”，我想這是一個大部分開發(fā)者都思考過的問題。性能往往決定了一個軟件的質(zhì)量，如果你開發(fā)的是一個互聯(lián)網(wǎng)產(chǎn)品，那么你的產(chǎn)品性能將更加受到考驗，因為你面對的是廣大的互聯(lián)網(wǎng)用戶，他們可不是那么有耐心的。嚴(yán)重點(diǎn)說，頁面的加載速度每增加一秒也許都會使你失去一部分用戶，也就是說，加載速度和用戶量是成反比的。那么用戶能夠接受的加載速度到底是多少呢？　

如圖，如果頁面加載時間超過10s那么用戶就會離開，如果1s--10s的話就需要有提示，但如果我們的頁面沒有提示的話需要多快的加載速度呢？是的，1s 。

當(dāng)然，這是站在一個產(chǎn)品經(jīng)理的角度來說的，但如果站在一個技術(shù)人員的角度來說呢？加載速度和用戶量就是成正比的，你的用戶數(shù)量越多需要處理的數(shù)據(jù)當(dāng)然也就越多，加載速度當(dāng)然也就越慢。這是一件很有趣的事，所以如果你的產(chǎn)品如果是一件激動人心的產(chǎn)品，那么作為技術(shù)人員你需要做的事就是讓軟件的性能和用戶的數(shù)量同時增長，甚至性能增長要快于用戶量的增長。

數(shù)據(jù)庫性能對軟件整體性能的影響是不言而喻的，那么，當(dāng)我們使用MongoDB時改如何提高數(shù)據(jù)庫性能呢？

4、范式化與反范式化

在項目設(shè)計階段，明確集合的用途是對性能調(diào)優(yōu)非常重要的一步。

從性能優(yōu)化的角度來看，集合的設(shè)計我們需要考慮的是集合中數(shù)據(jù)的常用操作，例如我們需要設(shè)計一個日志（log）集合，日志的查看頻率不高，但寫入頻率卻很高，那么我們就可以得到這個集合中常用的操作是更新（增刪改）。如果我們要保存的是城市列表呢？顯而易見，這個集合是一個查看頻率很高，但寫入頻率很低的集合，那么常用的操作就是查詢。

對于頻繁更新和頻繁查詢的集合，我們最需要關(guān)注的重點(diǎn)是他們的范式化程度，在上篇范式化與反范式化的介紹中我們了解到，范式化與反范式化的合理運(yùn)用對于性能的提高至關(guān)重要。然而這種設(shè)計的使用非常靈活，假設(shè)現(xiàn)在我們需要存儲一篇圖書及其作者，在MongoDB中的關(guān)聯(lián)就可以體現(xiàn)為以下幾種形式：

1、完全分離（范式化設(shè)計）

示例1：

{
   "_id" : ObjectId("5124b5d86041c7dca81917"),
   "title" : "如何使用MongoDB", 
   "author" : [ 
        ObjectId("144b5d83041c7dca84416"),
       ObjectId("144b5d83041c7dca84418"),
       ObjectId("144b5d83041c7dca84420"),
   ]
 }

我們將作者(comment) 的id數(shù)組作為一個字段添加到了圖書中去。這樣的設(shè)計方式是在非關(guān)系型數(shù)據(jù)庫中常用的，也就是我們所說的范式化設(shè)計。在MongoDB中我們將與主鍵沒有直接關(guān)系的圖書單獨(dú)提取到另一個集合，用存儲主鍵的方式進(jìn)行關(guān)聯(lián)查詢。當(dāng)我們要查詢文章和評論時需要先查詢到所需的文章，再從文章中獲取評論id，最后用獲得的完整的文章及其評論。在這種情況下查詢性能顯然是不理想的。但當(dāng)某位作者的信息需要修改時，范式化的維護(hù)優(yōu)勢就凸顯出來了，我們無需考慮此作者關(guān)聯(lián)的圖書，直接進(jìn)行修改此作者的字段即可。

2、完全內(nèi)嵌（反范式化設(shè)計）

示例2：

{
    "_id" : ObjectId("5124b5d86041c7dca81917"),
    "title" : "如何使用MongoDB",
    "author" : [
        {
          　　　　 "name" : "丁磊"
          　　　　 "age" : 40,
           　　　　"nationality" : "china",
        },
        {
          　　　　 "name" : "馬云"
         　　　　  "age" : 49,
          　　　　 "nationality" : "china",
        },
        {
          　　　　 "name" : "張召忠"
         　　　　  "age" : 59,
         　　　　  "nationality" : "china",
        },
   ]
 }

在這個示例中我們將作者的字段完全嵌入到了圖書中去，在查詢的時候直接查詢圖書即可獲得所對應(yīng)作者的全部信息，但因一個作者可能有多本著作，當(dāng)修改某位作者的信息時時，我們需要遍歷所有圖書以找到該作者，將其修改。

3、部分內(nèi)嵌（折中方案）

示例3：

{
    "_id" : ObjectId("5124b5d86041c7dca81917"),
    "title" : "如何使用MongoDB",
    "author" : [ 
        {
           　　　　"_id" : ObjectId("144b5d83041c7dca84416"),
          　　　　 "name" : "丁磊"
        },
        {
          　　　　 "_id" : ObjectId("144b5d83041c7dca84418"),
         　　　　  "name" : "馬云"
        },
        {
          　　　　 "_id" : ObjectId("144b5d83041c7dca84420"),
          　　　　 "name" : "張召忠"
        },
   ]
 }

這次我們將作者字段中的最常用的一部分提取出來。當(dāng)我們只需要獲得圖書和作者名時，無需再次進(jìn)入作者集合進(jìn)行查詢，僅在圖書集合查詢即可獲得。

這種方式是一種相對折中的方式，既保證了查詢效率，也保證的更新效率。但這樣的方式顯然要比前兩種較難以掌握，難點(diǎn)在于需要與實際業(yè)務(wù)進(jìn)行結(jié)合來尋找合適的提取字段。如同示例3所述，名字顯然不是一個經(jīng)常修改的字段，這樣的字段如果提取出來是沒問題的，但如果提取出來的字段是一個經(jīng)常修改的字段（比如age）的話，我們依舊在更新這個字段時需要大范圍的尋找并依此進(jìn)行更新。

在上面三個示例中，第一個示例的更新效率是最高的，但查詢效率是最低的，而第二個示例的查詢效率最高，但更新效率最低。所以在實際的工作中我們需要根據(jù)自己實際的需要來設(shè)計表中的字段，以獲得最高的效率。

5、理解填充因子

何為填充因子？

填充因子（padding factor）是MongoDB為文檔的擴(kuò)展而預(yù)留的增長空間，因為MongoDB的文檔是以順序表的方式存儲的，每個文檔之間會非常緊湊，如圖所示。

　?。ㄗⅲ簣D片出處：《MongoDB The Definitive Guide》）

1.元素之間沒有多余的可增長空間。

2.當(dāng)我們對順序表中某個元素的大小進(jìn)行增長的時候，就會導(dǎo)致原來分配的空間不足，只能要求其向后移動。

3.當(dāng)修改元素移動后，后續(xù)插入的文檔都會提供一定的填充因子，以便于文檔頻繁的修改，如果沒有不再有文檔因增大而移動的話，后續(xù)插入的文檔的填充因子會依此減小。

填充因子的理解之所以重要，是因為文檔的移動非常消耗性能，頻繁的移動會大大增加系統(tǒng)的負(fù)擔(dān)，在實際開發(fā)中最有可能會讓文檔體積變大的因素是數(shù)組，所以如果我們的文檔會頻繁修改并增大空間的話，則一定要充分考慮填充因子。

那么如果我們的文檔是個常常會擴(kuò)展的話，應(yīng)該如何提高性能？

兩種方案

1、增加初始分配空間。在集合的屬性中包含一個 usePowerOf2Sizes 屬性，當(dāng)這個選項為true時，系統(tǒng)會將后續(xù)插入的文檔，初始空間都分配為2的N次方。

這種分配機(jī)制適用于一個數(shù)據(jù)會頻繁變更的集合使用，他會給每個文檔留有更大的空間，但因此空間的分配不會像原來那樣高效，如果你的集合在更新時不會頻繁的出現(xiàn)移動現(xiàn)象，這種分配方式會導(dǎo)致寫入速度相對變慢。

2、我們可以利用數(shù)據(jù)強(qiáng)行將初始分配空間擴(kuò)大。

db.book.insert({
  "name" : "MongoDB",
  "publishing" : "清華大學(xué)出版社",
  "author" : "john"
  "tags" : []
  "stuff" : "ggggggggggggggggggggggggggggggggggggg
        ggggggggggggggggggggggggggggggggggggg
        ggggggggggggggggggggggggggggggggggggg"
})

是的，這樣看起來可能不太優(yōu)雅...但有時卻很有效！當(dāng)我們對這個文檔進(jìn)行增長式修改時，只要將stuff字段刪掉即可。當(dāng)然，這個stuff字段隨便你怎么起名，包括里邊的填充字符當(dāng)然也是可以隨意添加的?！　?/p>

6、準(zhǔn)確利用索引

索引對于一個數(shù)據(jù)庫的影響相信大家一定了解，如果一個查詢命令進(jìn)入到數(shù)據(jù)庫中后，查詢優(yōu)化器沒有找到合適的索引，那么數(shù)據(jù)庫會進(jìn)行全集合掃描(在RDBMS中也叫全表掃描)，全集合查詢對于性能的影響是災(zāi)難性的。

沒有索引的查詢就如同在詞典那毫無規(guī)律的海量詞匯中獲得某個你想要的詞匯，但這個詞典是沒有目錄的，只能通過逐頁來查找。這樣的查找可能會讓你耗費(fèi)幾個小時的時間，但如果要求你查詢詞匯的頻率如同用戶訪問的頻率一樣的話。。。嘿嘿，我相信你一定會大喊“老子不干了！”。顯然計算機(jī)不會這樣喊，它一直是一個勤勤懇懇的員工，不論多么苛刻的請求他都會完成。所以請通過索引善待你的計算機(jī)：D。

在MongoDB中索引的類型與RDBMS中大體一致，我們不做過多重復(fù)，我們來看一下在MongoDB中如何才能更高效的利用索引。

6.1 索引越少越好

索引可以極大地提高查詢性能，那么索引是不是越多越好？答案是否定的，并且索引并非越多越好，而是越少越好。每當(dāng)你建立一個索引時，系統(tǒng)會為你添加一個索引表，用于索引指定的列，然而當(dāng)你對已建立索引的列進(jìn)行插入或修改時，數(shù)據(jù)庫則需要對原來的索引表進(jìn)行重新排序，重新排序的過程非常消耗性能，但應(yīng)對少量的索引壓力并不是很大，但如果索引的數(shù)量較多的話對于性能的影響可想而知。所以在創(chuàng)建索引時需要謹(jǐn)慎建立索引，要把每個索引的功能都要發(fā)揮到極致，也就是說在可以滿足索引需求的情況下，索引的數(shù)量越少越好。

隱式索引

//建立復(fù)合索引
db.test.ensureIndex({"age": 1,"no": 1,"name": 1 })
我們在查詢時可以迅速的將age,no字段進(jìn)行排序，隱式索引指的是如果我們想要排序的字段包含在已建立的復(fù)合索引中則無需重復(fù)建立索引。
db.test.find().sort("age": 1,"no": 1)
db.test.find().sort("age": 1)

如以上兩個排序查詢，均可使用上面的復(fù)合索引，而不需要重新建立索引。

翻轉(zhuǎn)索引

//建立復(fù)合索引
db.test.ensureIndex({"age": 1})

翻轉(zhuǎn)索引很好理解，就是我們在排序查詢時無需考慮索引列的方向，例如這個例子中我們在查詢時可以將排序條件寫為"{'age': 0}"，依舊不會影響性能。

6.2 索引列顆粒越小越好

什么叫顆粒越小越好？在索引列中每個數(shù)據(jù)的重復(fù)數(shù)量稱為顆粒，也叫作索引的基數(shù)。如果數(shù)據(jù)的顆粒過大，索引就無法發(fā)揮該有的性能。例如，我們擁有一個"age"列索引，如果在"age"列中，20歲占了50%，如果現(xiàn)在要查詢一個20歲，名叫"Tom"的人，我們則需要在表的50%的數(shù)據(jù)中查詢，索引的作用大大降低。所以，我們在建立索引時要盡量將數(shù)據(jù)顆粒小的列放在索引左側(cè)，以保證索引發(fā)揮最大的作用。       

總結(jié)

以上所述是小編給大家介紹的MongoDb優(yōu)化指南，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！