MongoDB是什么？看完你就知道了

素颜马尾好姑娘i 2022-05-23 12:37 230阅读 0赞

> 最近在回顾mongodb的相关知识，输出一篇文章做为MongoDB知识点的总结。  
> 总结的目的在于回顾MongoDB的相关知识点，明确MongoDB在企业级应用中充当的角色，为之后的技术选型提供一个可查阅的信息简报。

> 最新出的姐妹篇[《Redis是什么？看完你就知道了》][Redis]希望大家支持！

# 一、概述 #

## 1.MongoDB是什么？用一句话总结 ##

MongoDB是一款为web应用程序和互联网基础设施设计的数据库管理系统。没错MongoDB就是数据库，是NoSQL类型的数据库

## 2.为什么要使用MongoDB？ ##

（1）MongoDB提出的是文档、集合的概念，使用BSON（类JSON）作为其数据模型结构，其结构是面向对象的而不是二维表，存储一个用户在MongoDB中是这样子的。

｛
    	username:'123',
    	password:'123'
    ｝

使用这样的数据模型，使得MongoDB能在生产环境中提供高读写的能力，吞吐量较于mysql等SQL数据库大大增强。

（2）易伸缩，自动故障转移。易伸缩指的是提供了分片能力，能对数据集进行分片，数据的存储压力分摊给多台服务器。自动故障转移是副本集的概念，MongoDB能检测主节点是否存活，当失活时能自动提升从节点为主节点，达到故障转移。

（3）数据模型因为是面向对象的，所以可以表示丰富的、有层级的数据结构，比如博客系统中能把“评论”直接怼到“文章“的文档中，而不必像myqsl一样创建三张表来描述这样的关系。

## 3.主要特性 ##

（1）文档数据类型  
SQL类型的数据库是正规化的，可以通过主键或者外键的约束保证数据的完整性与唯一性，所以SQL类型的数据库常用于对数据完整性较高的系统。MongoDB在这一方面是不如SQL类型的数据库，且MongoDB没有固定的Schema，正因为MongoDB少了一些这样的约束条件，可以让数据的存储数据结构更灵活，存储速度更加快。

（2）即时查询能力  
MongoDB保留了关系型数据库即时查询的能力，保留了索引（底层是基于B tree）的能力。这一点汲取了关系型数据库的优点，相比于同类型的NoSQL redis 并没有上述的能力。

（3）复制能力  
MongoDB自身提供了副本集能将数据分布在多台机器上实现冗余，目的是可以提供自动故障转移、扩展读能力。

（4）速度与持久性  
MongoDB的驱动实现一个写入语义 fire and forget ，即通过驱动调用写入时，可以立即得到返回得到成功的结果（即使是报错），这样让写入的速度更加快，当然会有一定的不安全性，完全依赖网络。  
MongoDB提供了Journaling日志的概念，实际上像mysql的bin-log日志，当需要插入的时候会先往日志里面写入记录，再完成实际的数据操作，这样如果出现停电，进程突然中断的情况，可以保障数据不会错误，可以通过修复功能读取Journaling日志进行修复。

（5）数据扩展  
MongoDB使用分片技术对数据进行扩展，MongoDB能自动分片、自动转移分片里面的数据块，让每一个服务器里面存储的数据都是一样大小。

## 4.C/S服务模型 ##

MongoDB核心服务器主要是通过mongod程序启动的，而且在启动时不需对MongoDB使用的内存进行配置，因为其设计哲学是内存管理最好是交给操作系统，缺少内存配置是MongoDB的设计亮点，另外，还可通过mongos路由服务器使用分片功能。

MongoDB的主要客户端是可以交互的js shell 通过mongo启动，使用js shell能使用js直接与MongoDB进行交流，像使用sql语句查询mysql数据一样使用js语法查询MongoDB的数据，另外还提供了各种语言的驱动包，方便各种语言的接入。

## 5.完善的命令行工具 ##

mongodump和mongorestore,备份和恢复数据库的标准工具。输出BSON格式，迁移数据库。

mongoexport和mongoimport，用来导入导出JSON、CSV和TSV数据，数据需要支持多格式时有用。mongoimport还能用与大数据集的初始导入，但是在导入前顺便还要注意一下，为了能充分利用好mongoDB通常需要对数据模型做一些调整。

mongosniff,网络嗅探工具，用来观察发送到数据库的操作。基本就是把网络上传输的BSON转换为易于人们阅读的shell语句。

因此，可以总结得到，MongoDB结合键值存储和关系数据库的最好特性。因为简单，所以数据极快，而且相对容易伸缩还提供复杂查询机制的数据库。MongoDB需要跑在64位的服务器上面，且最好单独部署，因为是数据库，所以也需要对其进行热备、冷备处理。

# 二、进入MongoDB shell #

因为本篇文章不是API手册，所有这里对shell的使用也是基础的介绍什么功能可以用什么语句，主要是为了展示使用MongoDB shell的方便性，如果需要知道具体的MongoDB shell语法可以查阅官方文档。

## 1.切换数据库 ##

use dba

创建数据库并不是必须的操作，数据库与集合只有在第一次插入文档时才会被创建，与对数据的动态处理方式是一致的。简化并加速开发过程，而且有利于动态分配命名空间。如果担心数据库或集合被意外创建，可以开启严格模式

## 2.插入语法 ##

db.users.insert({username:"smith"})
    db.users.save({username:"smith"})

区别  
若新增的数据中存在主键 ，insert() 会提示错误，而save() 则更改原来的内容为新内容。

如：  
已存在数据： \{\_id : 1, " name " : " n1 " \}，再次进行插入操作时，  
insert(\{\_id : 1, " name " : " n2 " \}) 会报主键重复的错误提示  
save(\{ \_id : 1, " name " : " n2 " \}) 会把 n1 修改为 n2 。  
相同点：  
若新增的数据中没有主键时，会增加一条记录。  
已存在数据： \{ \_id : 1, " name " : " n1 " \}，再次进行插入操作时，  
insert(\{ " name " : " n2 " \}) 插入的数据因为没有主键，所以会增加一条数据  
save(\{ " name " : " n2 " \}) 增加一条数据。

## 3.查找语法 ##

db.users.find()
    db.users.count()

## 4.更新语法 ##

db.users.update({username:"smith"},{$set:{country:"Canada"}})
    //把用户名为smith的用户的国家改成Canada
    
    db.users.update({username:"smith"},{$unset:{country:1}})
    //把用户名为smith的用户的国家字段给移除
    
    db.users.update({username:"jones"},{$set:{favorites:{movies:["casablance","rocky"]}}})
    //这里主要体现多值修改，在favorties字段中添加多个值
    
    db.users.update({"favorites.movies":"casablance"},{$addToSet:{favorites.movies:"the maltese"}},false,true)
    //多项更新

## 5.删除语法 ##

db.foo.remove() //删除所有数据
    db.foo.remove({favorties.cities:"cheyene"}) //根据条件进行删除
    db.drop() //删除整个集合

## 6.索引相关语法 ##

db.numbers.ensureIndex({num:1})
    //创建一个升序索引
    db.numbers.getIndexes()
    //获取全部索引

## 7.基本管理语法 ##

show dbs
    //查询所有数据库
    show collections
    //显示所有表
    db.stats()
    //显示数据库状态信息
    db.numbers.stats()
    //显示集合表状态信息
    db,shutdownServer()
    //停止数据库
    db.help()
    //获取数据库操作命令
    db.foo.help()
    //获取表操作命令
    tab 键 //能自动帮我们补全命令

以上的命令只是简单实例，假设如果你之前没有学习过任何数据库语法，同时开始学sql查询语法和MongoDB 查询语法，你会发现哪一个更简单呢？如果你使用的是java驱动去操作MongoDB，你会发现任何的查询都像Hibernate提供出来的查询方式一样，只要构建好一个查询条件对象，便能轻松查询（接下来会给出示例），博主之前熟悉ES6，所以入手MongoDB js shell完成没问题，也正因为这样简洁，完善的查询机制，深深的爱上了MongoDB。

# 三、使用java驱动 #

使用java驱动链接MongoDB是一件非常简单的事情，简单的引用，简单的做增删改查。在使用完java驱动后我才发现spring 对MongoDB 的封装还不如官方自身提供出来的东西好用，下面简单的展示一下使用。

## 1.使用maven引入jar包 ##

这里引用的是最新的驱动包，提供了一套新的访问连接方式

<dependency>
    			<groupId>org.mongodb</groupId>
    			<artifactId>mongodb-driver-sync</artifactId>
    			<version>3.8.0-beta3</version>
    		</dependency>

## 2.创建一个访问客户端 ##

MongoClient client = MongoClients.create(“mongodb://10.201.76.94:27017”);

## 3.获取集合数量 ##

public long count() {
    		MongoClient client = this.getClient();
    		MongoCollection<Document> collections= client.getDatabase("mongodb_db_name").getCollection("mongodb_collection_name");
    		return collections.count();
    	}

## 4.查询集合 ##

public List<Document> find(Document params,Bson sort,int skip,int limit) {
    		MongoClient client = this.getClient();
    		MongoCollection<Document> collections= client.getDatabase("mongodb_db_name").getCollection("mongodb_collection_name");
    		List<Document> list = new ArrayList<Document>(Integer.valueOf(config.getPro("sync_limit")));
    	collections.find(params).sort(sort).skip(skip).limit(limit).forEach(new Block<Document>() {
    			@Override
    			public void apply(Document document) {
    				list.add(document);
    			}
    		});
    		return list;
    	}

这里只举例了简单的链接与简单的MongoDB操作，可见其操作的容易性。使用驱动时是基于TCP套接字与MongoDB进行通信的，如果查询结果较多，恰好无法全部放进第一服务器中，将会向服务器发送一个getmore指令获取下一批查询结果。

插入数据到服务器时间，不会等待服务器的响应，驱动会假设写入是成功的，实际是使用客户端生成对象id，但是该行为可以通过配置配置，可以通过安全模式开启，安全模式可以校验服务器端插入的错误。

# 四、schema 设计原则 #

## 1.需要关注MongoDB的自身的特性 ##

要清楚了解MongoDB的基本数据单元。在关系型数据库中有带列和行的数据表。而MongoDB数据的基本单元是BSON文档，在键值中有指向不定类型值的键，MongoDB拥有即时查询，但不支持联结操作，简单的键值存储只能根据单个键来获取值，不支持事务，但支持多种原子更新操作。

## 2.需要关注系统本身的读写特性 ##

如读写比是怎样的，需要何种查询，数据是如何更新的，会不会存在什么并发问题，数据结构化的程度是要求高还是低。系统本身的需求决定mysql还是MongoDB

## 3.关注MongoDB schema 的设计模式 ##

（1）内嵌与引用  
当子对象总是出现在父对象的上下文中时，使用内嵌文档；否则将子对象单独存一个集合

（2）一对多的关系  
在“多”的集合关系中添加id指向依赖的id

（3）多对多  
在其中一种对应关系中使用对象数组指向另外一个对象

（4）树  
具化路径，在树中的每个节点都包含一个path字段，该字段具体保存了每个节点祖先的id

（5）动态属性  
可以为不同的动态属性添加索引，如果需要将属性圈在一个范围，那么可以通过key-value的方式，然后在统一的key上面加索引

（6）关于事务  
如果需要事务支持，那么只能选择另一种数据库，或者提供补偿性事务来解决事务的问题

在关于schema 的设计中要注意一些原则，比如

*  不能创建没用的索引
 *  不能在同一个字段中存不同的类型
 *  不能把多类实体都放在一个集合里 不能创建体积大、嵌套深的文档
 *  不能过多的创建集合，集合、索引、数据库的命名空间都是有限的
 *  不能创建无法分片的集合

## 4.关注MongoDB里面一些具体细节 ##

（1）关注数据库的概念  
数据库是集合的逻辑与物理分组，MongoDB没有提供创建数据库的语法，只有在插入集合时，数据库才开始建立。创建数据库后会在磁盘分配一组数据文件，所有集合、索引和数据库的其他元数据都保存在这些文件中，查阅数据库使用磁盘状态可通过

db.stats()

（2）关注集合概念  
集合是结构上或概念上相似得文档的容器，集合的名称可以包含数字、字母或 . 符号，但必须以字母或数字开头，完全。  
限定集合名不能超过128个字符，实际上 . 符号在集合中很有用，能提供某种虚拟命名空间，这是一种组织上的原则，和其他集合是一视同仁的。在集合中可以使用。

system.namespaces //查询当前数据库中定义的所有命名空间
    system.indexes //存储当前数据库的所有索引定义

（3）关注文档  
其次是键值，在MongoDB里面所有的字符串都是UTF-8类型。数字类型包括double、int、long。日期类型都是UTC格式，所以在MongoDB里面看到的时间会比北京时间慢8小时。整个文档大小会限制在16m以内，因为这样可以防止创建难看的数据类型，且小文档可以提升性能，批量插入文档理想数字范围是10~200，大小不能超过16MB。

# 五、索引与查询优化 #

## 1.索引的经验法则 ##

（1）索引能显著减少获取文档的所需工作量，具体的对比可以通过

.explain()

方法进行对比

（2）解析查询时MongoDB通过最优计划选择一个索引进行查询，当没有最适合索引时，会先不同的使用各个索引进行查询，最终选出一个最优索引做查询

（3）如果有一个a-b的复合索引，那么仅针对a的索引是冗余的

（4）复合索引里的键的顺序是很重要的

## 2.索引类型 ##

（1）单键索引  
（2）复合索引  
（3）唯一性索引  
（4）稀疏索引  
如索引的字段会出现null的值，或是大量文档都不包含被索引的键

## 3.索引的构建问题 ##

如果数据集很大时，构建索引将会花费很长的时间，且会影响程序性能，可通过

db.currentOp() //查看索引的构建时间

当使用 mongorestore 时会重新构建索引。当曾经执行过大规模的删除时，可使用

db.values.reIndex()

对索引进行压缩，重建

## 4.识别慢查询 ##

（1）查阅慢查询日志

grep -E '([0-9])+ms' mongod.log //使用grep 命令 识别命令信息
    
    db.setProfillingLevel(2) //使用解刨器，将记录每次的读写到日志
    
    db.setProfillingLevel(1) //只记录慢（100ms）操作

（2）分析慢查询

db.values.find({}).sort({close:-1}).limit(1).explain()

*  scanOrder 字段表明没有使用索引
 *  cursor当没有索引时，用的是BasicCursor，当使用索引时使用的是BtreeCursor
 *  n 表示需要返回的结果集
 *  nscanned表示需要遍历的文档数 indexBounds 表示索引边界

注意新版本的MongoDB 的explain方法是需要参数的，不然只显示普通的信息

# 六、MongoDB副本集 #

本节同样主要简单呈现MongoDB副本集搭建的简易性，与副本集的强壮性，监控容易性

## 1.为什么要使用副本集 ##

提供主从复制能力，热备能力，故障转移能力

## 2.构建方式 ##

rs.initiate()
    rs.add("localhost:40001")
    rs.add("localhost:40002",{arbiterOnly:true})

## 3.监控 ##

db.isMasrter()
    rs.status()

## 4.副本集的工作原理 ##

实际上MongoDB对副本集的操作跟mysql主从操作是差不多的，先看一下mysql的主从数据流动过程

主binlog -> 从relay.log -> 从bin.log -> 从数据库

而MongoDB主要依赖的日志文件是oplog

主oplog -> 从oplog

写操作先被记录下来，添加到主节点的oplog里。与此同时，所有从结点复制oplog。首先，查看自己oplog里最后一条的时间戳；其次，查询主节点oplog里所有大于此时间戳的条目;最后，把那些条目添加到自己的oplog里并应用到自己的库里。从节点使用长轮询立即应用来自主结点oplog的新条目。

当遇到以下情况，从节点会停止复制

*  如果从节点在主节点的oplog里找不到它所同步的点，那么会永久停止复制
 *  一旦某个从节点没能 在主节点的oplog里找到它已经同步的点，就无法再保证这个从结点的完美副本

local数据库保存了所有副本集元素据和oplog日志

*  replset.minvalid 包含指定副本集成员的初始化同步信息
 *  system.replset 保存在副本集配置文档
 *  system.indexes 标准索引说明容器
 *  me slaves 主要用于写关注

可以使用以下命令查看复制情况

db.oplog.rs.findOne()

*  ts 保存了该条目的BSON时间戳
 *  t 是从纪元开始的描述
 *  i是计数器
 *  op 表示操作码
 *  ns 标明了有关的命名空间

## 5.心跳检测 ##

每个副本集成员每秒钟ping一次其他所有成员，可以通过rs.status()看到节点上次的心跳检测时间戳和健康状况。

## 6.故障转移 ##

这个点没必要过多描述，但是有一个特殊场景，如果从节点和仲裁节点都被杀了，只剩下主节点，他会把自己降级成为从节点。

## 7.提交与回滚 ##

如果主节点的数据还没有写到从库，那么数据不能算提交，当该主节点变成从节点时，便会触发回滚，那些没写到从库的数据将会被删除，可以通过rollback子目录中的BSON文件恢复回滚的内容。

## 8.驱动与复制 ##

（1）使用单节点链接  
只能链接到主节点，如果链接到从节点的话，会被拒绝写入操作，但是如果没有使用安全模式，因为mongo的fire and forget 特性，会把拒绝写入的异常给吃掉。

（2）使用副本集方式链接  
能根据写入的情况自动进行故障转移，但是当副本集进行新的选举时，还是会出现故障，如果不使用安全模式，依旧会出现写不进去，但现实成功的情况。

（3）写关注  
可以使用写关注来关注数据是否已经被写入MongoDB的库中，使用写关注会消耗性能，需要在速度和持久性之间做出权衡。

# 七、分片 #

分片是数据库切分的一个概念实现，这里也是简单总结为什么要使用分片以及分片的原理，操作。

## 1.为什么需要分片 ##

当数据量过大，索引和工作数据集占用的内存就会越来越多，所以需要通过分片负载来解决这个问题

## 2.分片的工作原理 ##

（1）分片组件

*  分片：每个分片都是一个副本集
 *  mongos路由器：是一个路由器，将读写请求指引到合适的分片上
 *  配置服务器config：持久化分片集群的元数据，包括：全局集群配置；每个数据库、集合和特定范围数据位置；一份变更记录，保存了数据在分片之间进行迁移的历史信息。配置服务器之间不是副本集形式存在，mongos向配置服务器提交信息时是两阶段提交，保证配置服务器之间的一致性。

（2）分片的核心操作  
分片一个集合：分片是根据一个属性的范围进行划分的，MongoDB使用所谓的分片键让每个文档在这些范围里找到自己的位置

块：是位于一个分片中的一段连续的分片键范围，可以理解为若干个块组成分片，分片组成MongoDB的全部数据

（3）拆分与迁移  
块的拆分：初始化时只有一个块，达到最大块尺寸64MB或100000个文档就会触发块的拆分。把原来的范围一分为二，这样就有了两个块，每个块都有相同数量的文档。

迁移：当分片中的数据大小不一时会产生迁移的动作，比如分片A的数据比较多，会将分片A里面的一些块转移到分片B里面去。分片集群通过在分片中移动块来实现均衡，是由名为均衡器的软件进程管理的，任务是确保数据在各个分片中保持均匀分布，当集群中拥有块最多的分片与拥有块最少分片的块差大于8时，均衡器就会发起一次均衡处理。

## 3.分片实战 ##

启动两个副本集、三个配置服务器、一个mongos进程

配置分片

sh.help() //查看分片相关帮助
    sh.addShard() //添加分片
    db,getSiblingDB("config").shards.find() //查看分片列表
    sh.status() //分片详情
    sh.enableSharding("cloud-docs") //开启一个数据库上的分片
    db.getSiblingDB("config").databases,find() //查看数据库列表
    sh.shardCollection("cloud-docs.spreadsheets",{username:1,_id:1}) //使用一个分片键定义一个分片集合spreadsheets，根据用户名进行切分
    sh.getSiiblingDB("config").collections.findOne() //查看集合列表
    db.chunks.count() //查看块的个数
    db.chunks.findOne() //查看块的信息
    db.changelog.count(}what:"split"|) //查看块切分日志
    db.changelog.find({what:"moveChunk.commit"}).count() //查看日志迁移记录

## 4.分片的查询与索引 ##

（1）分片查询类型

*  针对性查询：查询包含分片键
 *  全局查询或分散/聚集查：查询不包含分片键
 *  查询过程：通过分片键将查询路由给指定分片，一旦到了某个分片上，由分片自行决定使用哪个索引来执行该查询

（2）索引  
每个分片都维护了自己的索引，当在分片集合上声明索引时，每个分片都会为它那部分集合构建独立的索引，每个分片上的分片集合都应该拥有相同的索引。

分片集合只允许在\_id字段和分片键上添加唯一性索引，其他地方不行，因为这需要在分片间进行通信，实施起来很复杂。

当创建分片时，会根据分片键创建一个索引。

## 5.选择分片键 ##

（1）分片键是不可修改的、分片键的选择非常重要  
（2）低效的分片键

*  分布性差：如使用BSON对象ID，那么会导致所有最新插入的文档都会落到某个很小的连续范围，无法分散插入
 *  缺乏局部性：升序分片键有明确的方向，完全随机的分片键则根本没有方向。前者无法分散插入，后者插入分散，如使用MD5作为分片键

（3）理想的分片键

*  将插入数据均匀分布到各个分片上
 *  保证CRUD操作能够利用局部性 有足够的粒度进行块拆分
 *  满足这些要求的分片键通常由两个字段组成，第一个是粗粒度的，第二个粒度较细

## 6.生产环境中的分片 ##

（1）部署拓扑

*  复制mongod：需要独立的部署服务器
 *  配置服务器：配置服务器不需要有自己的机器

根据不同的数据中心划分  
![这里写图片描述][70]

（2）最低要求

*  副本集每个成员，无论是完整的副本集节点还是仲裁节点，都需要放在不同的机器上 每个用于复制的副本集成员都需要有自己的机器
 *  副本集仲裁节点很轻量级，和其他进程共用一台机器即可
 *  配置服务器也可以选择与其他进程共用一台机器

![这里写图片描述][70 1]

（3）配置的注意事项  
需要估计集群大小，可使用以下命令对现有集合进行分片处理

sh.splitAt("cloud-docs.spreadsheets",{"username":"chen","_id":ObjectId("")})
    //手动拆分块
    sh.moveChunk("cloud-docs.spreadsheets",{username:"chen"},"shardB")
    //手动将某分块移至分片B
    db.runCommand({removeshard:"shard-1/arete:30100,arete:30101"}) 
    //删除分片
    db.runCommand({moveprimary:"test",to:"shard-0-test-rs"});
    //移动主分片

（4）备份分片集群  
备份分片时需要停止均衡器

db.settings.update({_id:"ba;ancer"},{$set:{stopped:true},true});
    sh.setBalancerState(false)；
    //停止均衡器，此时均衡器将进行最后一轮均衡
    
    db.locks.find({_id:"balancer"});
    sh.isBalancerRunning();
    //查看均衡器状态，任何状态大于0 的状态值都说明均衡器仍在进行中

# 八、部署与管理 #

## 1.部署 ##

（1）部署架构  
使用64位机器、32位机器会制约mongodb的内存，使其最大值为1.5GB

（2）cpu  
mongodb 只有当索引和工作集都可放入内存时，才会遇到CPU瓶颈，CPU在mongodb使用中的作用是用来检索数据，如果看到CPU使用饱和的情况，可以通过查询慢查询日志，排查是不是查询的问题导致的，如果是可以通过添加索引来解决问题  
mongodb写入数据时会使用到CPU，但是mongodb写入时间一次只用到一个核，如果有频繁的写入行为，可以通过分片来解决这个问题

（3）内存  
大内存是mongodb的保障，如果工作集大小超过内存，将会导致性能下降，因为这将会增加数据加载入内存的动作

（4）硬盘  
mongodb默认每60s会与磁盘强制同步一次，称为后台刷新，会产生I/O操作。在重启时mongodb会将磁盘里面的数据加载至内存，高速磁盘将会减少同步的时间

（5）文件系统  
使用ext4 和 xfs 文件系统  
禁用最后访问时间

vim /etc/fstab

（6）文件描述符  
linux 默认文件描述符是1024，需要大额度的提升这个额度

（7）时钟  
mongodb各个节点服务器之间使用ntp服务器

## 2.安全 ##

（1）绑定IP  
启动时使用 - -bind\_ip 命令

（2）身份验证  
启动时使用 - -auth 命令

db.addUser("","",true)
    //创建用户，最后一个参数指定是否只读

（3）副本集身份认证  
使用keyFile，注意keyFile文件的权限必须是600，不然会启动不起来

## 3.数据的导入与导出 ##

mongoimport
    mongoexport

## 4.服务器配置 ##

（1）拓扑结构  
搭建副本集至少需要两个节点，其中仲裁结点不需要有自己的服务器

（2）Journaling日志  
写数据时会先写入日志，而此时的数据也不是直接写入硬盘，而是写入内存  
但是Journaling日志会消耗内存，所以可以在主库上面关闭，在从库上面启动  
可以单独为Journaling日志使用一块固态硬盘  
在插入时，可以通过驱动确保Journaling插入后再反馈，但是会非常影响性能

## 5.日志 ##

logpath 选项指定日志存储地址  
\-vvvvv 选项（v越多，输出越详细）  
db.runCommand(\{logrotare:1\}) 开启滚动日志

## 6.数据库监控命令 ##

（1）serverStatus  
![这里写图片描述][70 2]  
globalLock 表示服务器花在写锁上面的总时间  
mem显示了如何使用内存  
bits 表明这台机器的位长  
resident 表示占用物理内存数量  
virtual 表示使用的虚拟内存

（2）top  
![这里写图片描述][70 3]

（3）db.currentOp()  
![这里写图片描述][70 4]

## 7.mongostat ##

动态展示mongodb活动数据

## 8.web控制台 ##

占用当前mongodb监听端口往上1000号的端口

## 9.备份与恢复 ##

（1）mongodump  
把数据库内容导出成BSON文件，而mongorestore能读取并还原这些文件

（2）mongorestore  
把导出的BSON文件还原到数据库

（3）备份原始数据文件  
可以这么做，但是，操作之前需要进行锁库处理 db.runCommand(\{fsync:1,lock:true\})  
db.$cmd.sys.unlock.findOne() 请求解锁操作，但是数据库不会立刻解锁，需要使用db.currentOp()验证

## 10.压紧与修复 ##

（1）修复  
mongd --repair 修复所有数据库  
db.runCommand(\{repairDatabase:1\}) 修复单个数据库  
修复就是根据Jourling文件读取和重写所有数据文件并重建各个索引

（2）压紧

db.spreadsheets.reIndex() //重建索引
    db.runCommand({compact:"spreadsheets"})

压紧，会重写数据文件，并重建集合的全部索引，需要停机或者在从库上面运行,如果需要在主库上面运行，需要添加force参数 保证加写锁

## 11.性能调优 ##

（1）监控磁盘状态

iostat

（2）为提升性能检查索引和查询  
总的来说，扫描尽可能少的文档  
保证没有冗余的索引，冗余的索引会占用磁盘空间、消耗更多的内存，在每次写入时还需做更多工作

（3）添加内存

db.stats() //查看数据库数据占用大小状态

dataSize 数据大小 和 indexSize 索引大小，如果两者的和大于内存，那么将会影响性能  
storageSize超过dataSize 数据大小 两倍以上，就会因磁盘碎片而影响性能，需要压缩

> 这篇文章对我来说非常有帮助，有时候一些知识点忘记都使用这文章回顾，如果也对你有帮助的话

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hheXJl_size_16_color_FFFFFF_t_70]

[Redis]: https://blog.csdn.net/hayre/article/details/100190273
[70]: /images/20220523/bd0464761eaa4c9a9a9226e8242f35c8.png
[70 1]: /images/20220523/335d2b1015a643508bf79af48ca13ea6.png
[70 2]: /images/20220523/bc4f6220e7ff46bdb132d29adbd29287.png
[70 3]: /images/20220523/28fadf5441f141b5a5c90b44ef2a76fd.png
[70 4]: /images/20220523/c5d57bba7db24f69b849e76f5cd7eddf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hheXJl_size_16_color_FFFFFF_t_70]: /images/20220523/56382ce8c86c43ad95cdc5cc65d67c6e.png