MySQL与MongoDB的具体区别讲解

什么是MongoDB ?

MongoDB 是由C++语言编写的，是一个基于分布式文件存储的开源数据库系统。

在高负载的情况下，添加更多的节点，可以保证服务器性能。

MongoDB 旨在为WEB应用提供可扩展的高性能数据存储解决方案。

MongoDB 将数据存储为一个文档，数据结构由键值(key=>value)对组成。MongoDB 文档类似于 JSON 对象。字段值可以包含其他文档，数组及文档数组。

主要特点

MongoDB的提供了一个面向文档存储，操作起来比较简单和容易。

MongoDB的提供了一个面向文档存储，操作起来比较简单和容易。

你可以在MongoDB记录中设置任何属性的索引 (如：FirstName="Sameer",Address="8 Gandhi Road")来实现更快的排序。

你可以通过本地或者网络创建数据镜像，这使得MongoDB有更强的扩展性。

如果负载的增加(需要更多的存储空间和更强的处理能力) ，它可以分布在计算机网络中的其他节点上这就是所谓的分片。

Mongo支持丰富的查询表达式。查询指令使用JSON形式的标记，可轻易查询文档中内嵌的对象及数组。

MongoDb 使用update()命令可以实现替换完成的文档(数据)或者一些指定的数据字段 。

Mongodb中的Map/reduce主要是用来对数据进行批量处理和聚合操作。

Map和Reduce。Map函数调用emit(key,value)遍历集合中所有的记录，将key与value传给Reduce函数进行处理。

Map函数和Reduce函数是使用Javascript编写的，并可以通过db.runCommand或mapreduce命令来执行MapReduce操作。

GridFS是MongoDB中的一个内置功能，可以用于存放大量小文件。

MongoDB允许在服务端执行脚本，可以用Javascript编写某个函数，直接在服务端执行，也可以把函数的定义存储在服务端，下次直接调用即可。

MongoDB支持各种编程语言:RUBY，PYTHON，JAVA，C++，PHP，C#等多种语言。

MongoDB安装简单。

二.MongoDB和MySQL比较

MongoDB本身它还算比较年轻的一个产品，所以它的问题，就是成熟度肯定没有传统MySQL那么成熟稳定。所以在使用的时候，

第一，尽量使用稳定版，不要在线上使用开发版，这是一个大原则;

另外一点，备份很重要，MongoDB如果出现一些异常情况，备份一定是要能跟上。除了通过传统的复制的方式来做备份，离线备份也还是要有，不管你是用什么方式，都要有一个完整的离线备份。往往最后出现了特殊情况，它能帮助到你;

另外，MongoDB性能的一个关键点就是索引，索引是不是能有比较好的使用效率，索引是不是能够放在内存中，这样能够提升随机读写的性能。如果你的索引不能完全放在内存中，一旦出现随机读写比较高的时候，它就会频繁地进行磁盘交换，这个时候，MongoDB的性能就会急剧下降，会出现波动。

另外，MongoDB还有一个最大的缺点，就是它占用的空间很大，因为它属于典型空间换时间原则的类型。那么它的磁盘空间比普通数据库会浪费一些，而且到目前为止它还没有实现在线压缩功能，在MongoDB中频繁的进行数据增删改时，如果记录变了，例如数据大小发生了变化，这时候容易产生一些数据碎片，出现碎片引发的结果，一个是索引会出现性能问题，

另外一个就是在一定的时间后，所占空间会莫明其妙地增大，所以要定期把数据库做修复，定期重新做索引，这样会提升MongoDB的稳定性和效率

更主要还是看你怎么用，你要很清闲，想学习，爱折腾那就mongodb吧。

存储用户数据，肯定也要读取吧，还要JOIN关联，各种查询，分析。

用mongdb可就麻烦了，group受限，map/reduce不爽

现在的mysql也不知有没有对mongodb对接的支持。

mysql也就是几条SQL的事,用mongodb不同库，还得在代码里拼数据。

尝鲜一时爽，却埋下了以后更多的工作量。

我个人只是用mongodb作相对独立的小系统，比如一些数据分析，抓取，汇总的工作。

MongoDB是一种文件导向的数据库管理系统，属于一种通称为NoSQL的数据库，是10gen公司旗下的开源产品，其内部数据存储的方式与传统的关系型数据有很大差别。

NoSQL的全称是Not Only SQL，也可以理解非关系型的数据库，是一种新型的革命式的数据库设计方式，不过它不是为了取代传统的关系型数据库而被设计的，它们分别代表了不同的数据库设计思路。

1.2 MongoDB的存储特点

在传统的关系型数据库中，数据是以表单为媒介进行存储的，每个表单均拥有纵向的列和横向的行。由此可见，相比较MySQL，MongoDB以一种直观文档的方式来完成数据的存储。它很像JavaScript中定义的JSON格式，不过数据在存储的时候MongoDB数据库为文档增加了序列化的操作，最终存进磁盘的其实是一种叫做BSON的格式，即Binary-JSON。

1.3 MongoDB的应用场景

在另一方面，对开发者来说，如果是因为业务需求或者是项目初始阶段，而导致数据的具体格式无法明确定义的话，MongoDB的这一鲜明特性就脱颖而出了。相比传统的关系型数据库，它非常容易被扩展，这也为写代码带来了极大的方便。

不过MongoDB对数据之间事务关系支持比较弱，如果业务这一方面要求比较高的话，MongoDB还是并不适合此类型的应用。

另外，MongoDB出现的时机比较晚，还具备一些非常鲜明的特性。比如：

1. 它里面自带了一个名叫GirdFS的分布式文件系统，这就为MongoDB的部署提供了很大便利。而像MySQL这种比较早的数据库，虽然市面上有很多不同的分表部署的方案，但这种终究不如MongoDB直接官方支持来得便捷实在。

2. 另外，MongoDB内部还自建了对map-reduce运算框架的支持，虽然这种支持从功能上看还算是比较简单的，相当于MySQL里GroupBy功能的扩展版，不过也为数据的统计带来了方便。

3. MongoDB在启动后会将数据库中的数据以文件映射的方式加载到内存中。如果内存资源相当丰富的话，这将极大地提高数据库的查询速度，毕竟内存的I/O效率比磁盘高多了。

MongoDB的缺陷

1. 事务关系支持薄弱。这也是所有NoSQL数据库共同的缺陷，不过NoSQL并不是为了事务关系而设计的，具体应用还是很需求。

2. 稳定性有些欠缺，这点从上面的测试便可以看出。

3. MongoDB一方面在方便开发者的同时，另一方面对运维人员却提出了相当多的要求。业界并没有成熟的MongoDB运维经验，MongoDB中数据的存放格式也很随意，等等问题都对运维人员的考验。

MySQL与MongoDB都是开源的常用数据库，但是MySQL是传统的关系型数据库，MongoDB则是非关系型数据库，也叫文档型数据库，是一种NoSQL的数据库。它们各有各的优点，关键是看用在什么地方。所以我们所熟知的那些SQL(全称Structured Query Language)语句就不适用于MongoDB了，因为SQL语句是关系型数据库的标准语言。

对比MySQL，你究竟在什么时候更需要MongoDB：

摘要：对比传统关系型数据库，NoSQL有着非常显著的性能和扩展性优势，然而这些优点却建立在一些关键功能的丢失之上，比如事务、join等。那么在数据体积激增的当下，究竟哪个数据库才会适合你的场景，下面看Moshe的分享。

【编者按】随着数据的爆发性增长，NoSQL得到的关注已越来越多，然而你的用例真正需要使用NoSQL数据库吗?又真的适合使用NoSQL吗?近日，Bright Aqua研发副总裁Moshe Kaplan以BillRun系统为例，分析了MongoDB的优势和使用场景：

以下为译文：

NoSQL已经流行了很长一段时间，那么究竟是什么场景下你才更需要用到这些“新兴事物”，就比如MongoDB?下面是一些总结

对比传统关系型数据库，NoSQL有着非常显著的性能和扩展性优势，然而这些优点却建立在一些关键功能的丢失之上，比如事务、join等。那么在数据体积激增的当下，究竟哪个数据库才会适合你的场景，下面看Moshe的分享。

【编者按】随着数据的爆发性增长，NoSQL得到的关注已越来越多，然而你的用例真正需要使用NoSQL数据库吗?又真的适合使用NoSQL吗?近日，Bright Aqua研发副总裁Moshe Kaplan以BillRun系统为例，分析了MongoDB的优势和使用场景：

以下为译文：

NoSQL已经流行了很长一段时间，那么究竟是什么场景下你才更需要用到这些“新兴事物”，就比如MongoDB?下面是一些总结：

你期望一个更高的写负载

默认情况下，对比事务安全，MongoDB更关注高的插入速度。如果你需要加载大量低价值的业务数据，那么MongoDB将很适合你的用例。但是必须避免在要求高事务安全的情景下使用MongoDB，比如一个1000万美元的交易。

不可靠环境保证高可用性

设置副本集(主-从服务器设置)不仅方便而且很快，此外，使用MongoDB还可以快速、安全及自动化的实现节点(或数据中心)故障转移。

未来会有一个很大的规模

数据库扩展是非常有挑战性的，当单表格大小达到5-10GB时，MySQL表格性能会毫无疑问的降低。如果你需要分片并且分割你的数据库，MongoDB将很容易实现这一点。

使用基于位置的数据查询

MongoDB支持二维空间索引，因此可以快速及精确的从指定位置获取数据。

非结构化数据的爆发增长

给RDBMS增加列在有些情况下可能锁定整个数据库，或者增加负载从而导致性能下降，这个问题通常发生在表格大于1GB(更是下文提到BillRun系统中的痛点——单表格动辄几GB)的情况下。鉴于MongoDB的弱数据结构模式，添加1个新字段不会对旧表格有任何影响，整个过程会非常快速;因此，在应用程序发生改变时，你不需要专门的1个DBA去修改数据库模式。

八、mongodb与mysql命令对比

mongodb与mysql命令对比 传统的关系数据库一般由数据库(database)、表(table)、记录(record)三个层次概念组成，MongoDB是由数据库(database)、集合(collection)、文档对象(document)三个层次组成。MongoDB对于关系型数据库里的表，但是集合中没有列、行和关系概念，这体现了模式*的特点。

项目中使用MySql与MongoDb的一些对比：

MySQL是关系型数据库中的明星，MongoDB是文档型数据库中的翘楚。下面通过一个设计实例对比一下二者：假设我们正在维护一个手机产品库，里面除了包含手机的名称，品牌等基本信息，还包含了待机时间，外观设计等参数信息，应该如何存取数据呢?

如果使用MySQL的话，应该如何存取数据呢?

如果使用MySQL话，手机的基本信息单独是一个表，另外由于不同手机的参数信息差异很大，所以还需要一个参数表来单独保存。

CREATE TABLE IF NOT EXISTS `mobiles` (

`id` int(10) unsigned NOT NULL AUTO_INCREMENT,

`name` VARCHAR(100) NOT NULL,

`brand` VARCHAR(100) NOT NULL,

PRIMARY KEY (`id`) );

CREATE TABLE IF NOT EXISTS `mobile_params` (

`id` int(10) unsigned NOT NULL AUTO_INCREMENT,

`mobile_id` int(10) unsigned NOT NULL,

`name` varchar(100) NOT NULL,

`value` varchar(100) NOT NULL,

PRIMARY KEY (`id`));

INSERT INTO `mobiles` (`id`, `name`, `brand`) VALUES

(1, 'ME525', '摩托罗拉'),

(2, 'E7' , '诺基亚');

INSERT INTO `mobile_params` (`id`, `mobile_id`, `name`, `value`) VALUES

(1, 1, '待机时间', '200'),

(2, 1, '外观设计', '直板'),

(3, 2, '待机时间', '500'),

(4, 2, '外观设计', '滑盖');

如果想查询待机时间大于100小时，并且外观设计是直板的手机，需按照如下方式查询：

1 SELECT * FROM `mobile_params` WHERE name = '待机时间' AND value > 100;

2 SELECT * FROM `mobile_params` WHERE name = '外观设计' AND value = '直板'

如果使用MongoDB的话，虽然理论上可以采用和MySQL一样的设计方案，但那样的话就显得无趣了，没有发挥出MongoDB作为文档型数据库的优点，实际上使用MongoDB的话，和MySQL相比，形象一点来说，可以合二为一：

db.getCollection("mobiles").ensureIndex({

"params.name": 1,

"params.value": 1

});

db.getCollection("mobiles").insert({

"_id": 1,

"name": "ME525",

"brand": "摩托罗拉",

"params": [

{"name": "待机时间", "value": 200},

{"name": "外观设计", "value": "直板"}

]});

db.getCollection("mobiles").insert({

"_id": 2,

"name": "E7",

"brand": "诺基亚",

"params": [

{"name": "待机时间", "value": 500},

{"name": "外观设计", "value": "滑盖"}

]

});

如果想查询待机时间大于100小时，并且外观设计是直板的手机，需按照如下方式查询：

view sourceprint?

db.getCollection("mobiles").find({

"params": {

$all: [

{$elemMatch: {"name": "待机时间", "value": {$gt: 100}}},

{$elemMatch: {"name": "外观设计", "value": "直板"}}

]

}

});