MongoDB的应用场景及实现原理

MongoDB的应用场景及实现原理

MongoDB定义：

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。在这里我们有必要先简单介绍一下非关系型数据库（NoSQL）

关系型数据库与非关系型数据库对比：

NoSQL最大的特点：

1、默认支持分布式（内置分布式解决方案）
2、高性能、高可用性和可伸缩性
在NoSQL界，MongoDB是最像关系型数据库的非关系型数据库

数据库分类：

MongoDB的数据结构与关系型数据库结构数据对比：

MongoDB的数据类型：

MongoDB应用场景：

使用范围：

1、网站实时数据：例如：日志、Timeline、用户行为（代替方案：用日志）

2、数据缓存：缓存的数据，它一定是临时的（关系型数据有一份已经持久化）

3、存储大尺寸、低价值数据存储：搜索引擎的图片文件、视频文件（结构化）

4、高伸缩性场景：机器可以任意的增减

5、对象或JSON数据存储：完全可以选择用Redis

不适用范围：

1、高度事务性系统：例如：金融系统的核心数据

​ 高机密的用户数据（只能选择传统关系型数据库）

2、传统的商业智能应用：结构化查询要求非常高，经常做关联查询统计

​ （如果都是单表查询，用Java程序来实现关联）

​ Map,List

3、需要复杂SQL查询的问题

MongoDB图解：

MongoDB包含三类角色：
mongos：路由接入结点（协调中心）
mongod config：配置文件存储结点
mongod：实际数据存储结点

三个重要命令：
mongo
mongos
mongod

副本集可以认为是一台机器或者多台机器组成的一个数据的单元，又可以认为就是一台存储数据的机器（mongo）,一个副本集数据一定是一个完整的整体

副本集1和副本集2的作用：解决分布式中的高可用，把一个服务部署多分（一台坏了，另一台可以顶上）

集群、高可用、Master-Slave

MongoDB写数据的流程图：

MongoDB读数据的流程图：

mongoDB的分布式架构：
M-S
M-A-S

MongoDB的数据修改流程图：

MongoDB的数据查询流程图：

MongoDB的分片：

数据热点：

数据的平均存储问题（传一个视频，切成四份分别存在四张表里面去）

每张表存储的极限（遇到瓶颈）

mongdb的定位是存储文件或者日志这种数据的，这种数据是没有结构的，结构化程度相对比较弱一些，所以它不能通过数据本身或数据结构区分，怎么去分表，所以想到了这个方案，分片

类似于Map（拆分）Reduce（归并 ）（Hadoop里面）

怎么切，那是策略

P2P? 把文件切成很多片，然后通过多线程方式下载，每个线程下一片，原来要1个小时，现在只需要1分钟

关系型数据库里面遇到这种情况分表

微观的维度（你看不到的一个维度）

chunk（块）–> shard（片）–> Replica Set（副本） --> Data（数据库）

宏观的维度（你能看到的）

Field（字段）–> Document（文档）–> Collection（集合）–> DataBase（数据库）