mongoDB笔记

**

1. mongoDB适用场景

**

• 存储的数据为json格式
• 实时的DML操作（可以理解为因为使用缓存的缘故）
• 大数据量的存储
• 应用后续需要水平扩展
• 数据模型不确定（可以理解为mongo对collection的结构不固定，这里collection的概念对应关系型数据库中的表概念）

2.mongoDB为什么效率比Mysql高？
采用基于内存映射的存储引擎。这里肯定对内存映射是什么很疑惑，一开始我也这样。

内存映射简述：正常的对数据库进行查询数据，需要对数据进行两次复制，第一次复制，将数据从磁盘中拷贝到内核空间中（主要是内核中的Page Cache，用户不能直接寻址），第二次复制，将内核空间的数据拷贝到用户空间中。而内存映射的作用就是为了跳过内核空间这一步的复制过程。它将数据所在的磁盘地址映射到用户空间中的虚拟地址中。这里可以理解为它建立了用户空间和磁盘之间的桥梁，加快了对磁盘数据的访问。

mongodb对数据的持久化，都是先暂存在内存中，一段时间后再写入磁盘。加快了读写效率。

3.mongoDB集群

1. 副本集
   如果学过redis集群，就类似哨兵模式，Primary负责读写数据，并将这些操作写入oplog，Secondary不断从Primary获取这个oplog，并将这些操作在自己存储的数据中实现一遍。达到一个备份目的。当Primary宕机，Secondary转Primary。默认情况Primary负责所有的读写，但是可以设置从Secondary读取数据，达到读写分离的目的。

2. 分片（Shading）
   这个集群其实就是把一个collection砍成一段段的，均匀的布置到多个mongodb中，达到数据拆分到多个数据库中。有几个概念要了解一下
   mongos:路由，集群抽象化，提供统一入口，集群对外不可见
   configserver：配置信息存储
   shard：真正存储数据的地方
   chunk（块）：一个collection拆分变成块
   分块规则：
   1.范围分块
   根据分片键的值的范围进行分块，这个分片键就是colleciton中的一个索引字段。
   优点：相连数据可能存在一个块中或相邻块中，范围性的查询就来的比较便利了。
   缺点：对一部分数据的查询，可能都集中在一个块上，如果是热点数据，会给单个shard带来压力。
   2.Hash分块
   通过计算各个分片键hash值将数据拆分。
   优点：相邻数据可能不在一个块上，达到真正的数据随机均匀分布
   缺点：范围查询效率相对较低，可能要查询所有的shard才能得出结果。

暂时先写这么多，如果有错误，望告知，谢谢！