1，MongoDb解决的问题
大数据的增删改查
--限制：a，32为系统寻址4GB，存储上限仅4GB
b，Mongodb3.0 副本集成员最多支持50个，即副本集最大支持50个节点，每个节点支持32T，但时间建议不要超过4T(数据量影响备份恢复时间)
c，通常分片会使用默认的chunk大小为64M，分片key (片键)values值是512字节，分片节点支持最大32768个，也就是最大支持数据量为32768TB，其中单个片键大小不能超过512字节
2，相对关系型数据库
--关系型数据库 索引B+树限制 --可使用分表+中间件解决，如果不分库的话，存在数据库性能瓶颈（数据库连接池，最大连接数）
缺陷：维护成本，增加库表时，管理成本加大--不支持表连接
3，核心概念
--数据库 database
--集合 collection
--文档 document
--字段 field
--索引 index
--主键 primary key
4，高并发 & 高可用
索引 --查询优化
复制集工具 --高可用
分片工具 --高并发
5，索引 --b树
目的：提升查询数据速度，同时会在增删改时，由于增加了对索引空间的操作会有缺陷；
关于查询速度的探讨，可用执行计划工具查看，比如创建关于书本的数据库后，在里面插入随意添加5个数据，使用库存量来查询出不同量的数据；
MongoDB Compass 使用Explain Plan查看查询的示意图
当我们查询其中一本书的时候，查询的文件总数还是5次，所以，需要索引；
MongoDB Compass 使用Indexes 对Stock创建索引
再次执行之前的查询语句，可用看到经历的文件数目与得到的目标文件一样多，相比之前遍历查询降低了超级多，想知道为什么，可以自行查询B树的数据结构，当然还可以查B树和B+树相关【B树节点自带数据信息，它允许每个节点可以拥有多个子节点，这样做可以降低树的深度；B+树数据信息是存在最后的叶子节点，查询索引都是通过主键找到叶子节点，除非把所有的字段都创建索引；同时，叶子节点之间会存在一个链指针，由左往右关联，可以减少磁盘IO的次数....;】，可以了解关系型数据库的某些知识；
索引：不支持中文索引，可使用Elasticsearch【分词，聚合】解决分析全文索引的问题
索引的其他：全文索引，聚合索引
6，复制集 --多库
目的：保证MongoDB的高可用，多个数据库实例会保证数据访问的稳定性和数据的高访问性能，和SQL Server数据库中的快照订阅监听实现读写分离是一个道理，MongoDB复制集属于主从结构搭建的，它使用oplog实现主从数据库的数据同步；
MongoDB配置集群，MongoDB数据库安装路径最好不要存在中文
打开后，上面三个是默认配置，配置复制集需要replication
创建复制集可自查，网上例子很多；
主从之间如何处理宕机，又如何从从节点中选举出新的作为主节点？
--主从【主从，从从】节点之间会保持2s的心跳（Heartbeat）检测，如果10s内从节点没有收到主节点的返回信息，那么就认为主节点已宕机，那么从节点就会进行投票（Vote），投票的过程是从节点会实现给自己投一票，而后，某个从节点主动要求自己成为主节点，那么其他节点会给其他主动要票的投递选取票，这里的谁选举的最后结果，主要是网络因素和其他机制；主从节点数据如何实现同步？
--oplog（关于数据操作的所有记录）
主节点存有oplog日志，可以提供操作记录
--定时器
从节点使用定时器，向主节点拉取oplog日志【异步主动操作】，得到oplog后，从中解析得到数据，存储到自身节点复制集的缺点：
--主从数据始终一致，且每个节点访问压力一致，所以并发量是单个节点实例的并发量，无法做到高并发
7，分片机制 【传统的分库分表机制】
分片：拆分数据，分开存储
以上说的的复制集无法做到高并发，so，引入了分片机制，它由路由Router，分片集群，配置中心 Config Server 组成，它们都是MongoDB实例；
Router：拆分数据存储到某分片
Config Server： 存储分片的数据量、数据库以及集合的信息
Shard：Mongodb实例，用于存储数据
分片实施需要：当前的最新Mongodb版本，至少需要启动6个实例【2个分片实例，1个路由实例，配置中心3个（这里考虑到高可用，这里是主从节点）】
--具体实施可自查百度，基本都是配置 .cfg文件，通过rs命令行...，其中启动路由实例需要使用mongos.exe 启动，通过sh命令
--路由设置不同策略将数据分配到不同的分配中【分片键--字段索引】， 【sh.enableSharding("DbName") sh.shardCollection(fullName, key, unique, options)】如：sh.shardCollection("DbName.CollectionName", {"IndexFieldName": 1}) .... 1或者-1是表示索引的升序降序路由如何将数据存储到分片中的？
--存储前，路由将数据存储包装为churk（默认64M大小），当churk文档大小比64M小，那么存储的数据依然会存储到之前的分片，所以，测试的时候，需要考虑到这一点；分片的数据大小信息一直存在于Config Server中；如果一次存储的数据大于64M，那么就会存在问题！所以，后续引入了不按照churk大小，而是按照churk数量来分配，所以需要使用hash分片，前者使用的是自动分片。hash分片
-- sh.shardCollection("DbName.CollectionName", {"IndexFieldName": “hashed”})范围分片 --管理查询
--后续加
以上的配置是非常麻烦的，所以需要使用docker + k8s，后续再加
网友评论