HeatDeath的博客

安装MongoDB使用这两个命令查看当前系统的版本和位数： 通过系统的版本来下载合适版本的MongoDB：MongoDB的基本配置设置一个目录用来保存数据： C:\ProgramFiles\MongoDB\Server\3.4\bin\mongod.exe --dbpath C:\Users\rHotD\Documents\Mongo当在命令行中看到以下内容时：使用mongo.exe 命令启动M

db.drop_collection("collection_name") 删除整个collectionimport pymongoclient = pymongo.MongoClient('localhost', 27017)TempleSpider = client['TempleSpider']TempleSpider.drop_collection('temple_detail')

教程是pymongo和Mongo的一个简单介绍。看完后应该对Pymongo对Mongo的基本操作认识了。先决条件开始之前，安装PyMongo和Mongo。确保在Python交互界面执行import不报错：>>import pymongo使用MongoClient进行连接使用PyMongo的第一步是创建一个 MongoClient运行的mongod 实例。这样做很容易：>>> from pymong

加上这行就好了…

是因为抓取速度太频繁被封了IP嘛？ 不应该呀，明明设置了10几秒的睡眠时间的呀是因为数据大小超过了一定的大小嘛？听说MongoDB要求单个Document要小于16Mb 最多一两千汉字，怎么会超过16Mb呢，每个document应该只有几Kb才对呀我的数据都去哪啦？到底去哪了呢？？？黑人问号原来修改一下这里就好了…Pycharm的MongoDB插件文档

1、 I/O读写情况从插入情况下的TPS数据可以看出， MySQL、HandlerSocket和Mongodb的数据有比较明显的差别，这主要跟他们的内部实现和测试方式有关系。测试场景下MySQL采用的是单条Insert的方式，所以可以看出QPS数和TPS数是基本一致的，也就是每个Insert操作，都对应有一次I/O写入操作。可以从MySQL数据库本身做一些优化，这次测试没有覆盖到这种场景。Handl

1.MemcachedMemcached的优点：Memcached可以利用多核优势，单实例吞吐量极高，可以达到几十万QPS（取决于key、value的字节大小以及服务器硬件性能，日常环境中QPS高峰大约在4-6w左右）。适用于最大程度扛量。支持直接配置为session handle。Memcached的局限性：只支持简单的key/value数据结构，不像Redis可以支持丰富的数据类型。无法进行持久