MongoDB（一）

基本概念及原理

MongoDB 是一个基于分布式文件存储的数据库。由 C++语言编写。旨在为 WEB 应用提供可 扩展的高性能数据存储解决方案。 MongoDB 是一个介于关系数据库和非关系数据库之间的 产品，是非关系数据库当中功能最丰富，最像关系数据库的。

什么是NoSQL

NoSQL，指的是非关系型的数据库。NoSQL 有时也称作 Not Only SQL 的缩写，是对不同于传 统的关系型数据库的数据库管理系统的统称。NoSQL 用于超大规模数据的存储。（例如谷歌 或 Facebook 每天为他们的用户收集万亿比特的数据）。这些类型的数据存储不需要固定的 模式，无需多余操作就可以横向扩展

关系型数据库 PK 非关系型数据库

NoSQL数据库分类

CAP 原则

在计算机科学中, CAP 定理（CAP theorem）, 又被称作 布鲁尔定理（Brewer's theorem）, 它指出对于一个分布式计算系统来说，不可能同时满足以下三点:

一致性(Consistency) (所有节点在同一时间具有相同的数据)

可用性(Availability) (保证每个请求不管成功或者失败都有响应)

分区容错性(Partition tolerance) (系统中任意信息的丢失或失败不影响系统的继续运行)

CAP 理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，最多只能同时较好的满足两个。 因此，根据 CAP 原理将 NoSQL 数据库分成了满足 CA 原则、满足 CP 原则和满足 AP 原则三 大类：

CA - 单点集群，满足一致性，可用性的系统，通常在可扩展性上不太强大。

CP - 满足一致性，分区容错性的系统，通常性能不是特别高。

AP - 满足可用性，分区容错性的系统，通常可能对一致性要求低一些。 MongoDB默认就是满足Ap的，弱事务性。

MongoDB的数据结构与关系型数据库数据结构对比

MongoDB 中的数据类型

MongoDB 的集群部署

MongoDB 的集群部署方案中有三类角色：实际数据存储结点、配置文件存储结点和路由接入结点。连接的客户端直接与路由结点相连，从配置结点上查询数据，根据查询结果到实际的存储结

点上查询和存储数据。MongoDB 的部署方案有单机部署、复本集（主备）部署、分片部署、复本集与分片混合部署。

路由结点：路由角色的结点在分片的情况下起到负载均衡的作用。

配置结点：存储配置文件的服务器其实存储的是片键与 chunk 以及 chunk 与 server 的映射关系。

混合的部署方式

复本集

对于复本集，又有主和从两种角色，写数据和读数据也是不同，写数据的过程是只写到主结点中，由主结点以异步的方式同步到从结点中。而读数据则只要从任一结点中读取，具体到哪个结点读取是可以指定的。

MongoDB的应用场景和不适用场景

1、适用场景

对于 MongoDB 实际应用来讲，是否使用 MongoDB 需要根据项目的特定特点进行一一甄别，

这就要求我们对 MongoDB 适用和不适用的场景有一定的了解。

根据 MongoDB 官网的说明，MongoDB 的适用场景如下:

1）网站实时数据:MongoDB 非常适合实时的插入，更新与查询，并具备网站实时数据存储

所需的复制及高度伸缩性。

2）数据缓存:由于性能很高，MongoDB 也适合作为信息基础设施的缓存层。在系统重启之

后，由 MongoDB 搭建的持久化缓存层可以避免下层的数据源过载。

3）大尺寸、低价值数据存储:使用传统的关系型数据库存储一些数据时可能会比较昂贵，在

此之前，很多时候程序员往往会选择传统的文件进行存储。

4）高伸缩性场景:MongoDB 非常适合由数十或数百台服务器组成的数据库。MongoDB 的路

线图中已经包含对 MapReduce 引擎的内置支持。

5）对象或 JSON 数据存储:MongoDB 的 BSON 数据格式非常适合文档化格式的存储及查询。

2、不适用场景

了解了 MongoDB 适用场景之后，还需要了解哪些场景下不适合使用 MongoDB，具体如下:

1）高度事务性系统:例如银行或会计系统。传统的关系型数据库目前还是更适用于需要

大量原子性复杂事务的应用程序。

2）传统的商业智能应用:针对特定问题的 BI 数据库会对产生高度优化的查询方式。对

于此类应用，数据仓库可能是更合适的选择。

3）需要复杂 SQL 查询的问题。

相信通过上面的说明，你已经大致了解了 MongoDB 的使用规则，需要说明一点的是，

MongoDB 不仅仅是数据库，更多的使用是将 MongoDB 作为一个数据库中间件在实际应用中

合理划分使用细节，这一点对于 MongoDB 应用来讲至关重要！