MS系列：MongoDB

mongodb 与mysql 的区别？

mongodb的本质还是一个数据库产品，3.0以上版本其稳定性和健壮性有很大提
升。它与mysql的区别在于它不会遵循一些约束，比如：sql标准、ACID属性，表
结构等。其主要特性如下：

• 面向集合文档的存储：适合存储Bson（json的扩展）形式的数据；
• 格式自由，数据格式不固定，生产环境下修改结构都可以不影响程序运行；
• 强大的查询语句，面向对象的查询语言，基本覆盖sql语言所有能力；
• 完整的索引支持，支持查询计划；
• 支持复制和自动故障转移；
• 支持二进制数据及大型对象（文件）的高效存储；
• 使用分片集群提升系统扩展性；
• 使用内存映射存储引擎，把磁盘的IO操作转换成为内存的操作；

---

mongoDB主要使用在什么应用场景？

MongoDB 的应用已经渗透到各个领域，比如游戏、物流、电商、内容管理、社交、
物联网、视频直播等，以下是几个实际的应用案例：

• 游戏场景，使用 MongoDB 存储游戏用户信息，用户的装备、积分等直接以内嵌文档的形式存储，方便查询、更新
• 物流场景，使用 MongoDB 存储订单信息，订单状态在运送过程中会不断更新，以
  MongoDB 内嵌数组的形式来存储，一次查询就能将订单所有的变更读取出来。
• 社交场景，使用 MongoDB 存储存储用户信息，以及用户发表的朋友圈信息，通过地理位置索引实现附近的人、地点等功能
• 物联网场景，使用 MongoDB 存储所有接入的智能设备信息，以及设备汇报的日志信息，并对这些信息进行多维度的分析
• 视频直播，使用 MongoDB 存储用户信息、礼物信息等

---

怎么样做mongodb查询优化

第一步 找出慢速查询

1. 开启内置的查询分析器,记录读写操作效率:

db.setProfilingLevel(n,{m}),n的取值可选0,1,2；
- 0是默认值表示不记录；
- 1表示记录慢速操作,如果值为1,m必须赋值单位为ms,用于定义慢速查询时间的阈值；
- 2表示记录所有的读写操作；
例如:db.setProfilingLevel(1,300)

1. 查询监控结果
   监控结果保存在一个特殊的盖子集合system.profile里,这个集合分配了128kb的空间,要确保监控分析数据不会消耗太多的系统性资源；盖子集合维护了自然的插入顺序,可以使用$natural操作符进行排序，如:
   db.system.profile.find().sort({'$natural':-1}).limit(5)

第二步 分析慢速查询

找出慢速查询的原因比较棘手,原因可能有多个:应用程序设计不合理、不正确的数据模型、硬件配置问题,缺少索引等；接下来对于缺少索引的情况进行分析:
使用explain分析慢速查询例如:

db.orders.find({'price':{'$lt':2000}}).explain('executionStats')
explain的入参可选值为:
 - "queryPlanner" 是默认值,表示仅仅展示执行计划信息；
 - "executionStats" 表示展示执行计划信息同时展示被选中的执行计划的执行情况信息；
 - "allPlansExecution" 表示展示执行计划信息,并展示被选中的执行计划的执行情况信息,还展示备选的执行计划的执行情况信息；

第三步 解读explain结果

• queryPlanner（执行计划描述）
  
  • winningPlan（被选中的执行计划）
  • stage（可选项:COLLSCAN 没有走索引；IXSCAN使用了索引）
  • rejectedPlans(候选的执行计划)
• executionStats(执行情况描述)
  
  • nReturned （返回的文档个数）
  • executionTimeMillis（执行时间ms）
  • totalKeysExamined （检查的索引键值个数）
  • totalDocsExamined （检查的文档个数）

优化目标 Tips:
1. 根据需求建立索引
2. 每个查询都要使用索引以提高查询效率, winningPlan. stage 必须为IXSCAN ；
3. 追求totalDocsExamined = nReturned

---

mongodb的索引注意事项？

• 索引很有用,但是它也是有成本的——它占内存,让写入变慢；
• mongoDB通常在一次查询里使用一个索引,所以多个字段的查询或者排序需要复合索引才能更加高效；
• 复合索引的顺序非常重要
• 在生成环境构建索引往往开销很大,时间也不可以接受,在数据量庞大之前尽量进行查询优化和构建索引；
• 避免昂贵的查询,使用查询分析器记录那些开销很大的查询便于问题排查；
• 通过减少扫描文档数量来优化查询,使用explai对开销大的查询进行分析并优化；
• 索引是用来查询小范围数据的，不适合使用索引的情况：
  
  • 每次查询都需要返回大部分数据的文档，避免使用索引
  • 写比读多

---

mongodb 是怎么实现高可用？