NoSQL的存储架构——MongoDB

MongoDB

1. 文档按组分成集合。集合类似关系表，不过集合并不对schema进行严格的约束，这与关系表不同。

2. 文档存储为BSON格式。BSON是JSON类文档的二进制彪马形式，结构类似嵌套键值对。BSON是JSON的超集，额外支持一些类型，如正则表达式，日期等。

3. 每个文档都有唯一的标识符。如果不指定，MongoDB会自动生成（时间戳+机器标识+进程号+自增号）。

4. MongoDB的驱动和客户端会在访问BSON编码数据时进行序列化和反序列化。而MongoDB服务器理解BSON格式，无需序列化，开销小，性能高。

5. BSON和Protocol Buffers相似。

6. 高性能是贯穿MongoDB设计的一个重要理念。使用内存映射文件做存储体现了这种设计理念。

   1. 内存映射文件时一段逐子节分配给文件的虚拟内存，或者是能通过文件描述符引用的一种类似于文件的资源。应用程序与文件交互式当做内存的一部分。
   2. MongoDB选择内存映射文件存储的影响：
      • 没有分离操作系统缓存和数据库缓存，也没有缓存冗余。
      • 缓存管理策略受操作系统的影响和控制。
      • 无需任何额外配置，MongoDB的数据库缓存就能用掉所有可用内存，即分配更多的RAM和更大的虚拟内存能提升性能。
      • MongoDB在32位系统上数据最大值不能超过2G。64位无限制。
      • 数据库大小不是唯一限制。其他限制包括文档大小和服务器可容纳的集合数量。单个文档不要大于8MB，否则要用GridFS。一个数据库实例默认是24000个命名空间，每个集合和索引各占一个，如果每个集合默认有两个索引，则只有8000个集合，如需更多可增加命名空间。
      • 增加命名空间数量也有限制和影响。每个集合空间占几KB，MongoDB的索引用B树实现，每个B树页占8kB，增加命名空间就要多占。数据库mydb的命名空间保存在文件mydb.ns中。类似于.ns文件最大不能超过2G。由于大小上的约束限制了数据库无限增长，所以了解集合和索引的行为模式就很重要了。
7. 为了集合方便建立索引，一般一个集合中避免放入过多不同种类的数据。除非经常需要夸集合查询。
8. 为了避免集合无限增长逼近2G，可以使用定量集合，类似预定义好大小的栈。如果达到上限，旧数据会被删除（使用LRU算法），从定量集合中获取文档服从LIFO原则。
9. 所有MongoDB集合的_id字段都有索引。游标分批返回数据，每批限制在8MB，记录更新原地进行。MongoDB提供了增强的性能，但是牺牲了可靠性。
10. MongoDB并不总是注意原子性，也没有定义并发操作中的事务完整性和隔离级别。在更新同一个集合时，两个进程可能互相冲突。只有Modifier Operation的特定一类操作才提供了原子性（$inc,$set,$unset,$push,$pushAll,$addToSet,$pop,$pull,$pullAll,$rename）。
    
11. 确实隔离级别会导致脏读。数据更新但是游标没有更新。
12. MongoDB默认每分钟刷一次磁盘，插入和更新就会记录到磁盘。更新之间可能发生不一致，可以提高频率但是影响性能。
13. 为了避免在系统错误时丢失所有更新，可以使用复制。按主从结构配置两个MongoDB实例进行复制和数据同步。复制是异步的。目前，副本集代替了主从复制，一个副本集包括三个副本，支持自动回复和自动故障转移。
14. 复制更多是为了故障转移和灾难回复准备，分片是可用来进行水平扩展。
15. 选用MongoDB的一个常见原因和弱schema集合有关，还有良好的性能和扩展性，MongoDB开始支持自动分片，这使水平扩展更容易了。
16. 分片类似列数据库的主从模式。把集合分开保存到多台机器上，每个机器算一个分片，每片复制三份。分片是集合层面的，不是数据库层面的。同一个数据库中A集合可能在一个分片上，B可能在多个分片上。每个分片存储文档有序集合中连续一部分。称为块，每个块由三个属性来标识：首文档键（最小键），尾文档键（最大键），集合。分片要具有平衡性。所有与分片和块有关的定义都保存在配置服务器的元数据目录中。