MongoDB优化

• MongoDB优缺点概述：
  • 经济的横向扩展，以增加分区的方式将数据库拆成不同的区块，来分布到不同的机器。
  • 脱离了横向扩展的弊端管理困难的问题
• NoSQL的设计方式：操作数据灵活
• 预设计模式、动态模式
  • 预设计模式：
    • 传统数据库设计
    • 需要对数据库表中的字段名称、字段类型进行规定。插入不符合设计的数据会失败
  • 动态模式：
    • 动态追加，在创建时不会对数据类型进行限定
• 范式化与反范式化
  • 范式化：将数据分散到不同表，利用关系模型进行关联
    • 优点：方便增、删、改，后期修改不会影响与其关联的数据
  • 反范式化：将当前文档的数据集中放在本表
    • 优点：查询性能高
  • 完全分离（范式化设计）
    • 更新效率高、查询效率低
  • 完全嵌套（范范式化设计）
    • 查询效率高、更新效率低
  • 部分内嵌（折中）
• 性能、用户量
  • 成反比
  • 页面加载10S，用户会离开
• 填充因子：
  • MongoDB为文档扩展预留的增长空间
  • 文档的移动非常消耗性能，频繁移动会增加系统负担
  • 实际开发中最可能让文档体积变大的因素是数组
  • 如果文档会频繁修改并增大空间，需要考虑填充因子
  • 两种方案：

    • 增加初始分配空间

      • usePowerOf2Sizes属性，为true时，系统会将后续插入的文档，初始空间分配为2的N次方
      • 适用于会频繁变更的集合
      • 会给每个文档留有更大空间，但空间的分配会变低效，如果集合在更新时不会频繁移动，会导致写入速度相对变慢

    • 利用数据强行将初始分配空间扩大

      “stuff”: “ggggggggggggggggggggggggggggggggggggggggggg"

    • 对这个文档进行增长式修改时，删掉此字段即可，字段名、值随意添加

• 准确利用索引
  • 索引越少越好
    • 建立索引，系统会添加一个索引表，用于索引指定的列，但如果对已建立的索引的列进行插入或修改，数据库就需要对原来的索引表进行重新排序，很消耗性能
  • 隐式索引：如果想要排序的字段包含在已建立的复合索引中，则无需重复建立索引

    例：建立复合索引
     db.test.ensureIndex({"age": 1,"no": 1,"name": 1 })
     db.test. find().sort("age": 1,"no": 1)
     db.test.find().sort("age": 1)
    

  • 翻转索引：在排序查询时无需考虑索引列的方向

    db.test.ensureIndex({“age”: 1})

    • 例如这个例子中我们在查询时可以将排序条件写为"{‘age’: 0}"，依旧不会影响性能
  • 索引列颗粒越小越好
    • 索引列中每个数据的重复数量称为颗粒，也叫索引的基数。
    • 在建索引时尽量将数据颗粒小的列放在索引左侧