MongoDB学习笔记（二）

MongoDB 固定集合（Capped Collections）

Capped Collections是性能出色的有着固定大小的集合，以LRU（最近最久未使用）规则和插入顺序执行age-out(老化移出 )处理，自动维护集合中对象的插入顺序

命令

创建Capped Collections（autoIndex是否自动创建索引）

db.createCollection(“mycoll”, {capped: true, size : 100000, autoIndex: false})

通过isCapped()方法可以验证collection是不是Capped Collection

db.isCapped()

普通的collection转换为Capped Collection

db.runCommand({ “convertToCapped”: “mycoll”, size: 100000 })

用途

Capped Collection是MongoDB中日志机制的首选，没有日志文件，而是把日志事件存储在数据库中，在一个没有索引的Capped Collection插入对象的速度与文件系统中记录日志的速度相当

GridFS规范

GridFS规范提供了一种透明的机制，可以将一个大文件分割成多个较小的文档，这样的机制允许有效地保存大文件对象，特别是那些巨大的文件

使用两个表来存储数据：files（包含元数据对象）、chunks（包含其他一些相关信息的二进制块）

Map-Reduce

Map-Reduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果合并成最终结果（REDUCE）

db.collection.mapReduce(
   function() {emit(key,value);},  //map 函数
   function(key,values) {return reduceFunction},   //reduce 函数
   {
      out: collection,
      query: document,
      sort: document,
      limit: number
   }
)

Map 函数调用 emit(key, value), 使用this来访问当前待处理的document,遍历 collection 中所有的记录, 将 key 与 value 传递给 Reduce 函数进行处理

MapReduce可以被用来构建大型复杂的聚合查询

安全性

• 限制特定IP地址访问
• 设置监听端口
• 使用用户名和口令登录

索引及优化

索引：指的是对数据库表中一列或者多列的值进行排序的一种结构，用来快速寻找那些具有特定值得记录，可以加快查询速度，索引也是一种MongoDB对象，它是一组排好序的键组成，这些键是从相应表中的一个列或者多个列抽取出来，默认情况下，为_id字段创建索引

db.things.ensureIndex({age : 1})

建立唯一索引：

db.things.ensureIndex({firstName: 1, lastName : 1}, {unique : true})

当表中有重复数据的时候，不能建立唯一索引

优化器Profiler

MongoDB自带Profiler，可以非常方便地记录所有耗时的操作，以便于调优，这也是它叫做“优化器”的原因

Profiler的级别从配置角度来说就是一个数值，不同级别对应不同的值，即对应不同的功能，

• 0（不开启）
• 1（记录慢命令）
• 2（记录所有命令）

复制集

MongoDB支持在多个机器中通过异步复制实现故障转移和数据冗余。复制机制分为了两种：主从复制和Replica Sets（复制集），Replica Sets结构类似一个集群，完全可以把它当作一个集群，当其中一个节点发生故障，其他节点马上会将业务接管过来而无须停机操作。

读写分离

大部分的Web应用都用数据库作为数据持久化工具，而数据库有时候在并发访问存储且负载压力较大的情况下，也能成为系统性能的瓶颈，而“读写分离”就是一种有效降低数据访问符合的方式

“读写分离”首先将那些CPU及内存消耗严重的操作分离到一台或几台性能很高的机器上，而将频繁读取的操作放到几台配置较低的机器，然后，通过数据同步机制，实现多个数据库之间快速高效地同步数据，从而实现将读写请求按照实际负载情况进行均衡分布的效果

故障转移

广义上来说，故障转移对于重要的服务，使用多台服务器协同工作，共同执行同一个服务，放一台服务器发生故障时候，可以由另外的服务器暂代原有的服务，等待故障机的恢复和重新加入集群，从而在不需要人工干预的情况下，自动保证系统能持续提供服务，这种集群一般称为高性能集群

Sharding —分片

Sharding不是一门新技术，只是一个相对简单的软件理念，Sharding不是某个特定数据库软件附属的功能，而是在具体技术细节之上的抽象处理，是水平扩展（Scale Out，横向扩展或向外扩展）的解决方案，主要目的是突破单节点数据库服务器的I/O能力限制，最终解决数据库扩展问题