mongodb优缺点相关介绍

我会带着你远行 2021-09-18 10:30 376阅读 0赞

# mongodb与关系型数据库相比的优缺点 #

## MongoDB特性： ##

<table> 
 <thead> 
 <tr> 
 <td style="border-color:#dddddd;width:91.75pt;"> MongoDB 特性 </td> 
 <td style="border-color:#dddddd;"> 优势 </td> 
 </tr> 
 </thead> 
 <tbody> 
 <tr> 
 <td style="border-color:#dddddd;width:91.75pt;"> 事务支持 </td> 
 <td> MongoDB 目前只支持单文档事务，需要复杂事务支持的场景暂时不适合 </td> 
 </tr> 
 <tr> 
 <td style="border-color:#dddddd;width:91.75pt;"> 灵活的文档模型 </td> 
 <td> JSON 格式存储最接近真实对象模型，对开发者友好，方便快速开发迭代 </td> 
 </tr> 
 <tr> 
 <td style="border-color:#dddddd;width:91.75pt;"> 高可用复制集 </td> 
 <td> 满足数据高可靠、服务高可用的需求，运维简单，故障自动切换 </td> 
 </tr> 
 <tr> 
 <td style="border-color:#dddddd;width:91.75pt;"> 可扩展分片集群 </td> 
 <td> 海量数据存储，服务能力水平扩展 </td> 
 </tr> 
 <tr> 
 <td style="border-color:#dddddd;width:91.75pt;"> 高性能 </td> 
 <td> mmapv1、wiredtiger、mongorocks（rocksdb）、in-memory 等多引擎支持满足各种场景需求 </td> 
 </tr> 
 <tr> 
 <td style="border-color:#dddddd;width:91.75pt;"> 强大的索引支持 </td> 
 <td> 地理位置索引可用于构建 各种 O2O 应用、文本索引解决搜索的需求、TTL索引解决历史数据自动过期的需求 </td> 
 </tr> 
 <tr> 
 <td style="border-color:#dddddd;width:91.75pt;"> Gridfs </td> 
 <td> 解决文件存储的需求 </td> 
 </tr> 
 <tr> 
 <td style="border-color:#dddddd;width:91.75pt;"> aggregation &amp; mapreduce </td> 
 <td> 解决数据分析场景需求，用户可以自己写查询语句或脚本，将请求都分发到 MongoDB 上完成 </td> 
 </tr> 
 </tbody> 
</table>

## 与关系型数据库相比，MongoDB的优点： ##

### ①弱一致性（最终一致），更能保证用户的访问速度： ###

举例来说，在传统的关系型数据库中，一个COUNT类型的操作会锁定数据集，这样可以保证得到“当前”情况下的较精确值。这在某些情况下，例 如通过ATM查看账户信息的时候很重要，但对于Wordnik来说，数据是不断更新和增长的，这种“较精确”的保证几乎没有任何意义，反而会产生很大的延 迟。他们需要的是一个“大约”的数字以及更快的处理速度。  
但某些情况下MongoDB会锁住数据库。如果此时正有数百个请求，则它们会堆积起来，造成许多问题。我们使用了下面的优化方式来避免锁定：  
每次更新前，我们会先查询记录。查询操作会将对象放入内存，于是更新则会尽可能的迅速。在主/从部署方案中，从节点可以使用“-pretouch”参数运行，这也可以得到相同的效果。

使用多个mongod进程。我们根据访问模式将数据库拆分成多个进程。

### ②文档结构的存储方式，能够更便捷的获取数据。 ###

对于一个层级式的数据结构来说，如果要将这样的数据使用扁平式的，表状的结构来保存数据，这无论是在查询还是获取数据时都十分困难。

### ③内置GridFS，支持大容量的存储。 ###

GridFS是一个出色的分布式文件系统，可以支持海量的数据存储。

内置了GridFS了MongoDB，能够满足对大数据集的快速范围查询。

### ④内置Sharding。 ###

提供基于Range的Auto Sharding机制：一个collection可按照记录的范围，分成若干个段，切分到不同的Shard上。

Shards可以和复制结合，配合Replica sets能够实现Sharding+fail-over，不同的Shard之间可以负载均衡。查询是对客户端是透明的。客户端执行查询，统计，MapReduce等操作，这些会被MongoDB自动路由到后端的数据节点。这让我们关注于自己的业务，适当的时候可以无痛的升级。MongoDB的Sharding设计能力较大可支持约20 petabytes，足以支撑一般应用。

这可以保证MongoDB运行在便宜的PC服务器集群上。PC集群扩充起来非常方便并且成本很低，避免了“sharding”操作的复杂性和成本。

### ⑤第三方支持丰富。(这是与其他的NoSQL相比，MongoDB也具有的优势) ###

现在网络上的很多NoSQL开源数据库完全属于社区型的，没有官方支持，给使用者带来了很大的风险。

而开源文档数据库MongoDB背后有商业公司10gen为其提供供商业培训和支持。

而且MongoDB社区非常活跃，很多开发框架都迅速提供了对MongDB的支持。不少知名大公司和网站也在生产环境中使用MongoDB，越来越多的创新型企业转而使用MongoDB作为和Django，RoR来搭配的技术方案。

### ⑥性能优越： ###

在使用场合下，千万级别的文档对象，近10G的数据，对有索引的ID的查询不会比mysql慢，而对非索引字段的查询，则是全面胜出。 mysql实际无法胜任大数据量下任意字段的查询，而mongodb的查询性能实在让我惊讶。写入性能同样很令人满意，同样写入百万级别的数据，mongodb比我以前试用过的couchdb要快得多，基本10分钟以下可以解决。补上一句，观察过程中mongodb都远算不上是CPU杀手。

## 与关系型数据库相比，MongoDB的缺点： ##

*  mongodb不支持事务操作。

MongoDB可以支持单文档事务，需要复杂事务支持的场景暂时不适合

所以事务要求严格的系统（如果银行系统）肯定不能用它。(这点和优点①是对应的)

*  mongodb占用空间过大。

关于其原因，在官方的FAQ中，提到有如下几个方面：

1.空间的预分配：

为避免形成过多的硬盘碎片，mongodb每次空间不足时都会申请生成一大块的硬盘空间，而且申请的量从64M、128M、256M那 样的指数递增，直到2G为单个文件的较大体积。随着数据量的增加，你可以在其数据目录里看到这些整块生成容量不断递增的文件。

2.字段名所占用的空间：

为了保持每个记录内的结构信息用于查询，mongodb需要把每个字段的key-value都以BSON的形式存储，如果 value域相对于key域并不大，比如存放数值型的数据，则数据的overhead是较大的。一种减少空间占用的方法是把字段名尽量取短一些，这样占用 空间就小了，但这就要求在易读性与空间占用上作为权衡了。我曾建议作者把字段名作个index，每个字段名用一个字节表示，这样就不用担心字段名取多长 了。但作者的担忧也不无道理，这种索引方式需要每次查询得到结果后把索引值跟原值作一个替换，再发送到客户端，这个替换也是挺耗费时间的。现在的实现算是 拿空间来换取时间吧。

3.删除记录不释放空间：

这很容易理解，为避免记录删除后的数据的大规模挪动，原记录空间不删除，只标记“已删除”即可，以后还可以重复利用。

4.可以定期运行db.repairDatabase()来整理记录，但这个过程会比较缓慢

### ③MongoDB没有如MySQL那样成熟的维护工具，这对于开发和IT运营都是个值得注意的地方。 ###

MongoDB适合存储一些关系简单、数据量又很大的数据，比如我们的平台上虚拟机的监控信息，包括内存、IO、CPU、网络等数据，每隔几秒就采集一次数据，每周、每月，量很大，而且旧的监控数据也不会保留太长时间，就使用的mongodb来存储这些数据；

另外mongodb的集群部署相对比较简单，易于扩展；比如主从复制，在mongo.conf配置几个参数就OK了；分片集群的配置也比较简单。还支持使用命令行来进行动态地添加和删除节点；

## Mongodb的优点与不足 ##

### （1）Mongodb的不足之处 ###

1、在集群分片中的数据分布不均匀

2、单机可靠性比较差

3、大数据量持续插入，写入性能有较大波动

4、磁盘空间占用比较大