MongoDB 使用的一些经验

这是一篇关于 MongoDB 使用经验的一篇文章，MongoDB 相对于 MySQL 简单很多，关于 MySQL 的调优可以看另一篇博文： MYSQL 调优和使用必读。 MongoDB 的单进程，多线程模型 充分利用 MongoDB 的 oplog MongoDB 的 MMAP 内存模型 MongoDB 的索引 MongoDB 需要

这是一篇关于 MongoDB 使用经验的一篇文章，MongoDB 相对于 MySQL 简单很多，关于 MySQL 的调优可以看另一篇博文： MYSQL 调优和使用必读。

---

• MongoDB 的单进程，多线程模型
• 充分利用 MongoDB 的 oplog
• MongoDB 的 MMAP 内存模型
• MongoDB 的索引
• MongoDB 需要注意的几点
  • 对线上库的批量操作要控制频率
  • 实时将数据同步到关系型数据库支持复杂查询和数据分析
  • 需要为 MongoDB 提供足够的内存空间
  • MongoDB 默认操作的异步特性
• 总结
• 一些参考

---

MongoDB 的单进程，多线程模型

读操作可以使用多线程，利用多核心；写操作（Global Locking）和 Map-reduce（JS 解释器的限制）只能使用单线程。

从2.2 版本，MongoDB 部分解决了全局锁问题，可以在写某个库的时候同时写其他库。一般通过在多核心单机上 Sharding 数据库，使用多个 mongod instance, 通过利用多核和缓解全局锁的问题提高读写操作 ops。可以通过 mongostat 命令查看 locking 和 page fault 情况。

另外，使用 htop 可以看到一个进程中的多个线程。Node.js 每个进程其实有两个线程，除了主线程外，还有一个线程池用来处理文件读写等操作。

充分利用 MongoDB 的 oplog

MongoDB 通过 oplog 实现主从同步，但是即使不启用从库，也可以查看和使用 oplog。修改配置文件打开 oplog：

/etc/mongod.conf
# Replication Options
master = true

这样就会在 local database 出现一个名为 oplog.$main 的 collection，（一般 MongoDB 会将这个 collection 中的数据条数保持在 5000 万以下），其中数据类似于：

{
   "ts": {
     "t": 1000,
     "i": 1365409034
  },
   "op": "u",
   "ns": "mydb.mycoll",
   "o2": {
     "_id": ObjectId("50a6718e50e50b4459dcc40e")
  },
   "o": {
     "$set": {
       "myfield": "myfield_value"
    }
  }
}

ts 为自定义的时间戳
op 表示操作类型： insert (i), update (u), delete (d), noop (n)
ns 为操作对应的 collection
o 为操作数据，这里为 $set 操作修改记录

MongoDB 的 MMAP 内存模型

MMAP 的一个缺点很多，比如当读取数据没有在内存中，操作遇到 page fault 的时候也会发生锁操作。

MongoDB 的索引

MongoDB 支持简单的 B-Tree 索引。默认情况下 _id 会自动建索引，如果需要查询其他字段可以自己手动建索引（ensureIndex() ）。另外，注意在数据导入导出的时候重建索引。
比 MySQL 好的是 MongoDB 支持多值索引，即使两个字段的顺序是相反的。比如可以支持 .sort({a:1, b:-1}) 这样按不同字段的排序。和 MySQL 类似，使用的时候同样需要避免类似于 skip(BIG_NUM).limit(N) 这样的操作。

MongoDB 需要注意的几点

1. 对线上库的批量操作要控制频率

假如某些读写操作不断占用数据库资源，其他操作将不能很快或者正确完成。可以通过 sleep 操作降低批量操作的频率，为其他操作提供执行空隙。

2. 实时将数据同步到关系型数据库支持复杂查询和数据分析

NoSQL 不支持复杂查询，但是如果需要复杂查询和数据分析，可以将数据同步到关系型数据库中。

MongoDB 原生支持 Streaming，以下 Node.js 代码可以实时获取某个 collection 的数据变化，可以同步到关系型数据库，也可以用来做 Trigger。以下是 MognoDB tail oplog 的核心代码(Node.js):

var options = {
  'ns': self.config.mongodb.db + '.' + self.config.mongodb.collection,
  'ts': {'$gt': new mongo.Timestamp.fromNumber(this.last_timestamp)}
};
var stream = this.mongo.db.collection('oplog.$main')
    .find(options, {tailable: true, awaitdata: true, numberOfRetries: -1}).stream();
stream.on('data', function(item) {
  if (item.op !== 'n' && item.ts.toNumber() !== self.last_timestamp) {
    console.log(adate() + ' ' + JSON.stringify(item)+'\r\n');
    self.process(item, function() {
    });
  }
});

注意读写压力很大的情况下控制 streaming 的速度，具体情况可以见前一篇博文: Node.js 调试 GC 以及内存暴涨的分析。相关代码：

  var stream = this.mongo.db2.collection(self.config.mongodb.collection).find().stream();
  stream.on("data", function(item) {
    stream.pause();
    //console.log(JSON.stringify(item)+'\r\n');
    self.mysql.insert(item, function() {
      stream.resume();
    });
  });

3. 需要为 MongoDB 提供足够的内存空间

如果数据库的数据没有冷热之分，最好配置大于数据大小的内存，防止频繁磁盘操作。
通过将数据记录的键值改短也能明显节约空间。

4. MongoDB 默认操作的异步特性

MongoDB 写操作默认情况下是异步的，所以为了保持一致性，需要加上选项：

{
  safe: {
    fsync: true
  }
}

总之

MongoDB 是一个非常易用，优点和缺点都很明显的数据库。在某些场景下，可以考虑使用 TC，Redis 或者 Postgres，MySQL 替代。

一些参考

http://docs.mongodb.org/manual/faq/concurrency/
https://github.com/mongodb/mongo/blob/master/src/mongo/db/btree.cpp
http://blog.schmichael.com/2011/11/05/failing-with-mongodb/
http://en.wikipedia.org/wiki/Mmap
http://www.polyspot.com/en/blog/2012/understanding-mongodb-storage/