从shell中更新/写入到文档的数字,会变为float类型
引用:“shell中的数字都被MongoDB当作是双精度数。这意味着如果你从数据库中获得的是一个32位整数,修改文档后,将文档存回数据库的时候,这个整数也就被换成了浮点数,即便保持这个整数原封不动也会这样的。”
restore数据到新DB时,不要去先建索引
把bson数据文件restore到另一个DB时,需要注意:不能先创建索引再restore数据,否则性能极差,mongorestore工具默认会在restore完数据时,根据dump出来的index信息创建索引,无须自己创建,如果是要更换索引,也应该在数据入库完之后再创建。
bson size不能超过16MB的限制
单个文档的BSON size不能超过16MB。find查询有时会遇到16MB的限制,譬如使用$in 查询的时候,in中的数组元素不能太多。对一些特殊的数据源做MapReduce,MapReduce中间会将数据组合为“KEY:[VALUE1、VALUE2]”这样的格式,当value特别多的时候,也可能会遇上16MB的限制。 限制无处不在,需要注意,”The issue is that the 16MB document limit applies to everything - documents you store, documents MapReduce tries to generate, documents aggregation tries to return, etc.
批量插入
批量插入可以减少数据往服务器的提交次数,提高性能,一般批量提交的BSON size不超过48MB,如果超过了,驱动程序自动修改为往mongos的多次提交。
安全写入介绍及其沿革
关键字:acknowledge、write concern。 在2012年11月之前,MongoDB驱动、shell客户端默认是不安全写入,也就是fire-and-forget,动作发出之后,不关心是否真的写入成功,如果这时候出现了_id重复、非UTF8字符等异常,客户端不会知道。在2012年11月之后,默认为安全写入,安全级别相当于参数w=1,客户端可以知道写入操作是否成功。如果代码使用Mongo或者Collection来连接数据库,则说明它是默认不安全写入的legacy代码,安全写入已经把连接数据库修改为MongoClient接口。 安全写入可以分为三个级别,
- 第一级是默认的安全写入,确认数据写入到内存中就返回(w=N属于这一级);
- 第二级是Journal save,数据在写入到DB磁盘文件之前,MongoDB会先把操作写入到Journal文件,这一级指的是确认写入了Journal文件就返回;
- 第三级是fysnc,所有数据刷写到到DB磁盘文件才返回。
一般第一级就足够了,第二级是为了保证在机器异常断电的情况下也不会丢失数据。安全写入要付出性能的代码:不安全写入的性能大概是默认安全写入的3倍。使用fync参数则性能更差,一般不使用。如果是副本集(replica set),其w=N参数,N表示安全写入到多少个副本集才返回。
善用索引——可能跟你以为的不一样
使用组合索引的时候,如果有两组索引,在限量查询的情况下,可能跟常规的认识不同: 利用组合索引做的查询,在不同数量级下会有不同性能: 组合索引A: {"age": 1, "username": 1} 组合索引B: {"username": 1, "age": 1} 全量查询:db.user.find({"age": {"$gte": 21, "$lte":30}}).sort({"username":1}) ,使用索引A的性能优于索引B。 限量查询: db.user.find({"age": {"$gte": 21, "$lte": 30}}).sort({"username": 1}).limit(1000) ,使用索引B的性能优于索引A。 这两个查询在使用索引A的时候,是先根据age索引找到符合age的数据,然后再对这些结果做排序。使用索引B的时候,是遍历name,对应的数据判断age,然后得到的结果是name有序的。 优先使用sort key索引,在大多数应用上执行得很好。
查询时索引位置的无顺序性
做find的时候,并不要求索引一定要在前面, 譬如:db.test集合中对R有索引 db.test.find({R:"AA", "H": "BB"}).limit(100) db.test.find({"H":"BB", "R" : "AA"}).limit(100) 这两个查找性能一样,它都会使用R索引。只有当R属性不参与排序且R的位置不影响查询结果的条件下,才会满足索引的无顺序行。
使用组合索引做shard key可以大幅度提高集群性能
集群分片应遵循“整体分散,局部递增”的原则。“固定值+增量值” 两字段做组合索引可以有效的实现分布式集群中的分散多热点写入、读取。
在单个MongoDB实例上,最高效的写入是顺序写入,而MongoDB集群则要求写入能随机,以便平均分散到多个MongoDB实例。所以最高效的写入是有多个局部热点:在多个MongoDB实例之间是分散写入,在实例内部是顺序写入。 要实现这一点,我们采用组合索引。
怎么建索引更能提高查询性能?
在查询时,索引是否高效,要注意它的cardinality(cardinality越高表示该键可选择的值越多),在组合索引中,让cardinality高的放在前面。也就是说在创建组合索引的时候,应该把枚举类型、布尔类型等低cardinality的属性排在后面,避免给低cardinality属性创建独立索引。
index cardinality(索引散列程度),表示的是一个索引所对应到的值的多少,散列程度越低,则一个索引键对应的值越多,索引效果越差。在使用索引时,高散列程度的索引可以更多的排除不符合条件的文档,让后续的比较在一个更小的集合中执行,这更高效。所以一般选择高散列程度的键做索引,或者在组合索引中,把高散列程度的键放在前面。
非原地update,性能会很差
update文档时,如果新文档的空间占用大于旧文档加上它周围padding的空间,那么就会放弃原来的位置,把数据拷贝到新空间。
TTL索引
TTL代表"time to live",TTL是一种特殊的索引,可以将集合中过期的数据删除。使用expireAfterSeconds 选项创建索引即可。 推荐和限制:
- 使用usePowerOf2Sizes标识可以更有效的防止磁盘碎片的产生。 db.runCommand( {collMod: "products", usePowerOf2Sizes : true }) db.runCommand( {collMod: "products", usePowerOf2Sizes : false })
- TTL索引必须建立在date类型的字段上,如果不是date类型将不会被删除。
- TTL索引不能建立在_id字段上
- TTL索引不能是联合索引,否则会报错,不让建
- 如果date类型中包含一个数组,比如time:['date1','date2'],那么TTL会按照一个最早的进行过滤。
- TTL不能建立在固定集合上(capped collection),因为固定集合不能删除数据。 使用方法: db.log.ensureIndex( { "createDate": 1 }, { expireAfterSeconds: 3600 } )
无法在索引建立之后再去增加索引的过期时间
如果索引建立指定了过期时间,后续要update过期时间可以这样子:
db.runCommand({"collMod":"a", index:{keyPattern:{"_":-1}, expireAfterSeconds: 60}})。 注意,通过collMod能修改过期时间的前提是:这个索引有过期时间,如果这个索引之前没有设置过期时间,那么无法update,只能删了索引,重建索引并指定过期时间。
### **paddingFactor是什么?**
它是存储空间冗余系数,1.0表示没有冗余,1.5表示50%的冗余空间,有了冗余空间,可以让后续引发size增加的操作更快(不会导致重新分配磁盘空间和文档迁移),一般是在1到4之间。可以通过db.collection.stats()看到collection的该值“paddingFactor”。
该值是MongoDB自己处理的,使用者无法设置paddingFactor。我们可以在compact的时候对已经有的文档指定该值,但这个paddingFactor值不影响后续新插入的文档。
repairDatabase跟compact类似,也能移除冗余减少存储空间,但冗余空间少了会导致后续增加文档size的update操作变慢。
虽然我们无法设置paddingFactor,但是可以使用usePowerOf2Sizes保证分配的空间是2的倍数,这样也可以起到作用(MongoDB2.6版本起默认启用usePowerOf2Size)。
或者手动实现padding:在插入文档的时候先用默认字符占用一块空间,等到真实数据写入时,再unset掉它。
### **usePowerOf2Size是什么**
这是为更有效的复用磁盘空间而设置的参数:分配的磁盘空间是2的倍数,如果超过了4MB,则是距离计算值最近的且大于它的完整MB数。
可以通过db.collections.stats()看到该值“userFlags”。
MongoDB2.6之后默认开启usePowerOf2Size参数
使用后的效果可以看这里的PPT:http://www.slideshare.net/mongodb/use-powerof2sizes-27300759
### **aggregate pipeline 指定运算完成输出文档跟MapReduce相比有不足**
(基于MongoDB2.6版本)MapReduce可以指定输出到特定的db.collection中,例如:out_put = bson.SON([("replace", "collection_name" ), ("db", "xx_db")])
aggregate pipeline只能指定collection名字,也就意味着数据只能写入到本db,同时结果不能写入到capped collection、shard collection中。
相比之下,aggregate pipeline限制是比较多的,如果我们需要把结果放到某个DB下,则需要再做一次迁移:
db.runCommand({renameCollection:"sourcedb.mycol",to:"targetdb.mycol"})
但是!!上面的这条命令要求在admin下执行,且只能迁移往同shard下的DB,且被迁移的collection不能是shard的。
### **停止MongoD进程的几种方式**
> ### 进入到MongoD的命令行模式执行shutdown,
>$ mongo --port 10001
> use admin
> db.shutdownServer()
>### 1方式的简化:**
mongo admin --port 10001 --eval "db.shutdownServer()"
>### 使用MongoD命令行关闭,需要指定db路径:
mongod --dbpath ./data/db --shutdown
### **集群的shard key慎重采用hash**
如果你的日志是有日期属性的,那么shard key不要使用hash,否则删除过期日志时无法成块删除;在更新日志的时候,也不能利用局部性原理,查找、更新、插入数据都会因此而变慢。一般来说,hash id应付小数据量时压力不大,但在数据量较大(热数据大于可用内存容量)时,CRUD性能极差,且会放大碎片对性能的影响:数据非常分散,当有过期日志被删除后,这些删除后的空间成为碎片,可能会因为磁盘预读策略被加载到内存中。另外,采用hash shard key还会浪费掉一个索引,浪费不少空间。
### **副本数也不用太多**
如果你的副本数量超过了12个(MongoDB3.0.0超过了50个),那么就要选择使用 master-slave ,但这样会失去故障自恢复功能,主节点故障时,需要手动去切换到无故障节点。
### **mongos的config server配置信息中不要使用localhost、127.0.0.1**
启动mongos时,config server的配置信息不得使用localhost、127.0.0.1,否则添加其它机器的shard时,会出现错误提示:
>
"can’t use localhost as a shard since all shards need to communicate. either use all shards and configdbs in localhost or all in actual IPs host: xxxxx isLocalHost"
以新的config server启动mongos,也需要重启config server,否则会有错误提示:
“could not verify config servers were active and reachable before write”
如果改完后面又出现 “mongos specified a different config database string” 错误,那么还需要重启mongod,
>修改了config server 几乎是要全部实例重启。另外,在配置replica set时也不得使用localhost、127.0.0.1。
### **shard key的选择跟update性能紧密关联**
分布式MongoDB,shard key的选择跟update性能,甚至是update可用性有很大关系,需要注意。
1.在对文档个别字段update时,如果query部分没有带上shard key,性能会很差,因为mongos需要把这条update语句派发给所有的shard 实例。
2.update 的upsert参数为true时,query部分必须带上 shard key,否则语句执行出错,例子:
>db.test.update({"_id":".7269993106A92327A89ABCD70D46AD5"}, {"$set":{"P": "aaa"}, "$setOnInsert":{"TEST":"a"}}, true)
WriteResult({
"nMatched" : 0,
"nUpserted" : 0,
"nModified" : 0,
"writeError" : {
"code" : 61,
"errmsg" : "upsert { q: { _id: \".7269993106A92327A89ABCD70D46AD5\" }, u: { $set: { P: "aaa" }, $setOnInsert: { TEST: \"a\" } }, multi: false, upsert: true } does not contain shard key for pattern { _: 1.0, B: 1.0 }"
}
})
这是因为如果没有shard key,mongos既不能在所有shard实例上执行这条语句(可能会导致每个shard都插入数据),也无法选择在某个shard上执行这条语句,于是出错了。
另外,需要特别注意,如果使用pymongo引擎,它不会告诉你出错了,只是函数调用陷入不返回,在shell下执行才能看到错误信息。
### **通过repairDatabase提高性能**
从db.stats()中可以看到几个跟碎片相关的关键字段,
>- dataSize,表示数据的大小,它包含了padding的空间;
>- storageSize,表示这些数据存储占用的空间,包含了dataSize和被删除数据所占空间,
可以认为storageSize/dataSize就是磁盘碎片比例,当删除、update文档比较多后,它会变大,考虑做repairDatabase,以减少碎片让数据更紧凑。在实践中,这对提高CURD性能极其有用。
repairDatabase时需要注意:它是把数据拷贝到新的地方,然后再做处理,所以repair之前在DB目录所在磁盘需要预留一倍的空闲磁盘空间,如果你发现磁盘空间不足,可以停止服务,然后增加一块新磁盘,再执行实例级别的repair,并指定--repairpath为新磁盘路径,
>mongod --dbpath /path/to/corrupt/data --repair --repairpath /media/external-hd/data/db,实例的数据会拷贝到/media/external-hd/data/db上做处理。
### **索引字段的长度不能大于1024字节**
索引字段的长度不能大于1024字节,否则shell下会有插入错误提示:
>"errmsg" : "insertDocument :: caused by :: 17280 Btree::insert: key too large to index”。
### **config DB无法写入**
因config DB无法修改,只可读,导致drop、enablesharding失败:
config server 相关日志:2015-06-11T16:51:19.078+0800 [replmaster] local.oplog.$main Assertion failure isOk() src/mongo/db/storage/extent.h 80
mongos 相关日志: [LockPinger] warning: pinging failed for distributed lock pinger 'xxx:1234/xxx:1235:1433993544:1804289383'. : : caused by :: isOk()
这是同事遇到的问题,不确定是什么操作引起的。重启、configdb做repair均无法解决。
最后通过dump、restore解决:(1)把旧configdb dump出来;(2)restore到新的configure server;(3)mongos采用新的configure server;(4)重启全部mongod。
### **sort()方法的size限制**
当我对一个没有建索引的字段做find,然后做sort的时候,可能触发sort的size不超过32MB限制,例如:
>db.stotal.find({}).sort({'type':-1})
Error: error: {
"$err" : "Executor error: Overflow sort stage buffered data usage of 33554493 bytes exceeds internal limit of 33554432 bytes",
"code" : 17144
}
有两种解决方法:
解决方法一:对需要排序的字段建索引 db.stotal.ensureIndex({'type': -1})
解决方法二:修改默认配置,把sort时可以用的内存设置大点:
>db.adminCommand({setParameter:1, internalQueryExecMaxBlockingSortBytes:335544320})
这两种解决方法各有利弊:(1)增加了索引会导致数据写入变慢,存储占用变多;(2)不建索引修改默认配置,会导致sort的时候占用更多的内存。