MongoDB 与 MySQL 对比

MongoDB 与 MySQL 对比

由于公司系统使用MongoDB，虽然之前了解，但并没有深入学习MongoDB。见此机会，参考《MongoDB 权威指南》深入学习，结合对比MySQL，加深对两种不同数据库的理解。特把学习过程记录和大家分享。

一、 表结构对比

表结构对比	MongoDB	MySQL
表	collections	tables
行	documents	rows
主键	_id	id 与业务无关的值作为主键。如果没有显式地在表定义时指定主键，InnoDB存储引擎会为每一行生成一个6字节的ROWID
主键生成策略	24位的字符串(time + machine + pid + inc),自己指定	UUID, 自增
面向Documents数据库	T	F
面向行数据库	F	T
约束	无	主键约束，外键约束

二、 数据类型对比

数据类型对比	MongoDB	MySQL
整形	NumberInt("3"),NumberLong("3")	TINYINT, SMALLINT, MEDIUMINT, INT, BIGINT
浮点	默认使用64位浮点型数值	FLOAT, DOUBLE, DECIMAL
字符	utf8 字符串	VARCHAR, CHAR
日期/时间	new Date(), 自新纪元依赖经过的毫秒数，不存储时区	DATE, DATETIME, TIMESTAMP
NULL	null	不支持（null与null不相等）
布尔类型	true/false	不支持
正则表达式	支持 { "x" : /foobar/i }	不支持
数组	支持 { "x" : ["a", "b", "c"]}	不支持
二进制数据	支持 GridFS	BLOB, TEXT
代码片段	{ "x" : function() { /... / } }	不支持

三、 SHELL终端对比

对比项	MongoDB	MySQL
启动	mongo	mysql -u root -p
查看库	show dbs	show databases
使用库	use test	use test
查看表	show collections	show tables

四、 查询对比

查询对比	MongoDB	MySQL
检索单列	db.users.find({ "age" : 27 })	SELECT * FROM users WHERE age = 27;
检索多列	db.users.find({ "age" : 27, "username" : "joe" })	SELECT * FROM users WHERE age = 27 and username = 'joe';
指定需要返回的键	db.users.find({}, { "username" : 1, "email" : 1 })	SELECT username, email FROM users;
范围检索	db.users.find({"age" : { "$gte" : 18, "$lte" : 30 }}) $lt, $lte, $gt, $gte 分别对应 <, <=, >, >=	SELECT * FROM users WHERE age >= 18 AND age <=30;
不匹配检索	db.users.find({ "username" : { "$ne" : "joe" } })	SELECT * FROM users WHERE username <> 'joe';
IN 操作符	db.raffle.find({ "ticket_no" : { "$in" : [725, 542, 390] } }) $in非常灵活，可以指定不同类型 的条件和值。 例如在逐步将用户的ID号迁移成用户名的过程中， 查询时需要同时匹配ID和用户名	SELECT ticket_no FROM raffles WHERE ticket_no IN (725, 542, 390);
NOT IN 操作符	db.raffle.find({ "ticket_no" : { "$nin" : [725, 542, 390] } })	SELECT * FROM raffles WHERE ticket_no not in (725, 542, 390);
OR 操作符	db.raffle.find({ "$or" : [{ "ticket_no" : 725 }, { "winner" : true }] })	SELECT * FROM raffles WHERE ticket_no = 725 OR winner = 'true';
空值检查	db.c.find({"y" : null}) null不仅会匹配某个键的值为null的文档 ，而且还会匹配不包含这个键的文档。 所以，这种匹配还会返回缺少这个键的所有文档。 如果 仅想要匹配键值为null的文档， 既要检查改建的值是否为null, 还要通过 $exists 条件 判定键值已经存在 db.c.find({ "z" : { "$in" : [null], "$exists" : true }})	SELECT * FROM cs WHERE z is null;
多列排序	db.c.find().sort({ username : 1, age: -1 })	SELECT * FROM cs ORDER BY username ASC, age DESC;
AND操作符	db.users.find({ "$and" : [{ "x" : { "$lt" : 1 }, { "x" : 4 } }] }) 由于查询优化器不会对 $and进行优化， 所以可以改写成下面的 db.users.find({ "x" : { "$lt" : 1, "$in" : [4] } })	SELECT * FROM users WHERE x > 1 AND x IN (4);
NOT 操作符	db.users.find({ "id_num" : { "$not" : { "$mod" : [5,1] } } })	SELECT * FROM users WHERE id_num NOT IN (5,1);
LIKE 操作符(正则匹配)	db.blogs.find( { "title" : /post?/i } ) MongoDB 使用Perl兼容的正则表达式(PCRE) 库来匹配正则表达式， 任何PCRE支持表达式的正则表达式语法都能被MongoDB接受	SELECT * FROM blogs WHERE title LIKE "post%";

五、 函数对比

{ "_id" : 1, "item" : "abc", "price" : 10, "quantity" : 2 }
{ "_id" : 2, "item" : "jkl", "price" : 20, "quantity" : 1 }
{ "_id" : 3, "item" : "xyz", "price" : 5, "quantity" : 5 }
{ "_id" : 4, "item" : "abc", "price" : 10, "quantity" : 10 }
{ "_id" : 5, "item" : "xyz", "price" : 5, "quantity" : 10 }

函数对比	MongoDB	MySQL
COUNT	db.foo.count()	SELECT COUNT(id) FROM foo;
DISTINCT	db.runCommand({ "distinct": "people", "key": "age" })	SELECT DISTINCT(age) FROM people;
MIN	db.sales.aggregate( [ { $group: { _id: {}, minQuantity: { $min: "$quantity" } } } ]); 结果： { "_id" : { }, "minQuantity" : 1 }	SELECT MIN(quantity) FROM sales;
MAX	db.sales.aggregate( [ { $group: { _id: {}, maxQuantity: { $max: "$quantity" } } } ]);	SELECT MAX(quantity) FROM sales;
AVG	db.sales.aggregate( [ { $group: { _id: {}, avgQuantity: { $avg: "$quantity" } } } ]);	SELECT AVG(quantity) FROM sales;
SUM	db.sales.aggregate( [ { $group: { _id: {}, totalPrice: { $sum: "$price" } } } ]);	SELECT SUM(price) FROM sales;

六、 CURD 对比

CURD 对比	MongoDB	MySQL
插入数据	post = {"title" : "My Blog Post", "content" : "Here`s my blog post"}; db.blog.insert(post) 如果blog 这个集合不存在，则会创建	INSERT INTO blogs(title, blog_content) VALUES ('My Blog Post', 'Here`s my blog post.')
批量插入	db.blog.batchInsert([{ "title" : "AAA", "content" : "AAA---" }, { "title" : "BBB", "content" : "JJJJ--" }]) 当前版本的MongoDB能接受最大消息长度48MB， 所以在一次批量插入中能插入的文档是有限制的。 并且在执行批量插入的过程中，有一个文档插入失败， 那么在这个文档之前的所有文档都会成功插入到集合中， 而这个文档以及之后的所有文档全部插入失败。	INSERT INTO blogs(title, blog_content) VALUES('AAA', 'AAA---'), ('BBB', 'BBB---');
查询数据	db.blog.find(); db.blog.findOne();	SELECT * FROM blogs; SELECT * FROM blogs LIMIT 1;
更新旧数据	post.blog_content = "十一"; db.blog.update({title: "My Blog Post"}, post)	UPDATE set blog_content = "十一" WHERE title = "My Blog Post";
更新新增COLUMN	post.comments = "very good"; db.blog.update({title : "My Blog Post"}, post)	ALTER table blogs ADD COLUMN comments varchar(200); UPDATE blogs set comments = "very good" WHERE title = 'My Blog Post';
删除数据	db.blog.remove({ title : "My Blog Post" })	DELETE FROM blogs WHERE title = 'My Blog Post'
校验	post.blog_visit = 123; db.blog.update({title : "My Blog Post"}, post); post.blog_visit = "asd.123aaa"; db.blog.update({title : "My Blog Post"}, post) 插入的时候，检查大小。所有的文档都必须小于16MB。 这样做的目的是为了防止不良的模式设计，并且保持性能一直。由于MongoDB只进行最基本的检查，所以插入非法的数据很容易。	类型校验，长度校验。 ALTER table blogs ADD COLUMN blog_visit INT(10); UPDATE blogs SET blog_visit = "asdasd" WHERE id = 1; ERROR 1366 (HY000): Incorrect integer value: 'asdasd' for column 'blog_visit' at row 1
删除表	db.blog.remove({}), db.blog.drop()	DELETE from blogs; drop table blogs;

七、有的没的

MongoDB:

• GridFS

  可以用来存储大文件(>16M), 与MySQL BLOB，TEXT 类似。

• MapReduce

  MapReduce
  是一种计算模型，简单的说就是将大批量的工作数据分解执行，然后再将结果合并成
  最终结果。MongoDB提供的MapReduce
  非常灵活，对于大规模数据分析也相当实用。

• 时间有限的集合

  MongoDB 2.2 引入一个新特性--
  TTL集合，TTL集合支持失效时间设置，使用expireAfterSeconds 来实现
  当超过指定时间后，集合自动清除超时的文档，这用来保存一些诸如session会话信息
  的时候非常有用，或者存储数据使用。

  戳这里

• 无JOIN

  MongoDB 为了更快的读，以及更方便的分布式，抛弃了JOIN操作。
  JOIN开销其实很大。

• 关于锁

  当资源被代码的多个部分所共享时，需要确定这处资源只能在一个地方被操作。
  就版本的MongoDB(pre
  2.0)拥有一个全局的写入锁。这就意味着贯穿整个服务器只有一个地方做写操作。
  这就可能导致数据库因为某个地方锁定超负载而停滞。这个问题在2.0版本中得到
  了显著的改善，并且在2.2版本中得到了进一步的加强。MongoDB
  2.2使用数据库级别的锁再这个问题上迈进了一大步。

  图中是两个不同版本的MongoDB，写入性能对比。

  
  

  戳这里
  戳这里

  MySQL InnoDB使用行级锁，有效提高并发。

• 无事务

  不像MySQL
  这些多行数据原子操作的传统数据库。MongoDB只支持单个文件的原子修改。
  但这也正是MongoDB可以更快地读的原因，没有事务这些负载的处理。MongoDB
  可以轻松处理TB级别的数据。

• 磁盘消耗

  MongoDB
  会消耗太多的磁盘空间了。当然，这与它的编码方式有关，因为MongoDB会通过预分配
  大文件空间来避免磁盘碎片问题。它的工作方式是这样：在创建数据库时，系统会创建
  一个名为[db_name].0的文件，当该文件有一半以上被使用时，系统会再次创建一个名
  为[db_namel].1的文件，该文件的大小是方才的两倍。这个情况会持续不断的发生，因此
  256、512、1024、2048大小的文件会被写到磁盘上。

MySQL:

• 强大的引擎

  InnoDB 引擎： MySQL默认的事务性引擎。它被设计用来处理大量的短期事务，短期
  事务大部分情况是正常提交的，很少会被回滚。InnoDB采用MVCC来支持高并发。

  MyISAM 引擎： 5.1以及之前的默认版本。全文索引，压缩，空间函数，但是MyISAM不支持事务和
  行级锁。MyISAM最整张表加锁，而不是针对行。读取时会对需要读到的所有表加
  共享锁，写入时则对表加排它锁。

  Memory 引擎：比MyISAM表块一个数量级，因为所有的数据都保存在内存中，不需要进行磁盘I/O。数据会丢失

  Infobright 是最有名的面向列的存储引擎。但该引擎不支持索引。

• 事务

  确保数据库的状态从一个一致状态转变为另一个一致状态。一致状态的含义是数据库中

  的数据应满足完整性约束。

• schema

  有利于数据整理，数据存储，并执行正规化的行为。 保证数据的完整性，一致性。

  描述了数据存储的模板，比如创建table。

  校验数据的格式，比如整形的column 就不能存放字符串数据。

八、 MySQL 与 MongoDB 写入对比

options	MySQL	MongoDB
Time taken for tests:	548.281 seconds	661.318 seconds
Total transferred:	44000000 bytes	44200000 bytes
Requests per second:	182.39 [#/sec]	151.21 [#/sec]
Time per request:	274.141 [ms]	330.659 [ms]
Time per request(across all concurrent requests):	5.483 [ms]	6.613 [ms]
Transfer rate:	78.37 [Kbytes/sec] received	65.27 [Kbytes/sec] received

在本测试例子中，MySQL 写入情况好于 MongoDB

压测参考命令：

   ab -c 50 -n 100000 http://127.0.0.1:6666/deals/mysql_write
   ab -c 50 -n 100000 http://127.0.0.1:6666/deals/mongodb_write

九、 MySQL 与 MongoDB 读取对比

options	MySQL	MongoDB
Time taken for tests:	1181.881 seconds	606.406 seconds
Failed requests:	2239	0
Non-2xx responses:	2239	0
Total transferred:	359397490 bytes	44100000 bytes
Requests per second:	84.61 [#/sec]	164.91 [#/sec]
Time per request:	590.941 [ms]	303.203 [ms]
Time per request(across all concurrent requests):	11.819 [ms]	6.064 [ms]
Transfer rate:	296.96 [Kbytes/sec] received	71.02 [Kbytes/sec] received

在本测试例子中， MySQL 读取性能没有 MongoDB好

压测参考命令:

   ab -c 50 -n 100000 http://127.0.0.1:6666/deals/mysql_read
   ab -c 50 -n 100000 http://127.0.0.1:6666/deals/mongodb_read

参考

MySQL 外键使用

MongoDB

MongoDB核心贡献者：不是MongoDB不行，而是你不懂！

MongoDB和MySQL性能测试及其结果分析

Apache Benchmark 的使用的个人浅薄经验