MongoDB
MongoDB是一个基于分布式文件存储的数据库，MongoDB是一个介于关系数据库和非关系数据库(nosql)之间的数据库产品。
MongoDB与MySQL术语对比
| MongoDB | MySQL |
|---|---|
| database | database |
| column | field |
| document | row |
| collection | table |
- database 数据库，与SQL的数据库(database)概念相同，一个数据库包含多个集合(表)
collection集合，相当于SQL中的表(table)，一个集合可以存放多个文档(行)。
不同之处就在于集合的结构(schema)是动态的，不需要预先声明一个严格的表结构。更重要的是，默认情况下 MongoDB并不会对写入的数据做任何schema的校验；- document 文档，相当于SQL中的行(row)，一个文档由多个字段(列)组成，并采用bson(json)格式表示；
- field字段，相当于SQL中的列(column)，相比普通column的差别在于field的类型可以更加灵活，比如支持嵌套的文档、数组；
MongoDB vs. 关系型数据库
适用场景
- 应用不需要事务及复杂 join 支持
- 新应用，需求会变，数据模型无法确定，想快速迭代开发
- 应用需要2000-3000以上的读写QPS（更高也可以）
- 应用需要TB甚至 PB 级别数据存储
- 应用发展迅速，需要能快速水平扩展
- 应用要求存储的数据不丢失 应用需要99.999%高可用
- 应用需要大量的地理位置查询、文本查询
存储引擎和索引
存储引擎
索引类型
事物
一直以来，"不支持事务" 是 MongoDB 一直被诟病的问题，当然也可以说这是 NoSQL 数据库的一种权衡(放弃事务，追求高性能、高可扩展)，但实质上，MongoDB 很早就有事务的概念，但是这个事务只能是针对单文档的，即单个文档的操作是有原子性保证的。
在4.0 版本之后，MongoDB 开始支持多文档的事务：
- 4.0 版本支持副本集范围的多文档事务；
- 4.2 版本支持跨分片的多文档事务(基于两阶段提交)；
MongoDB 虽然已经在 4.2 开始全面支持了多文档事务，但并不代表大家应该毫无节制地使用它。相反，对事务的使用原则应该是：能不用尽量不用。通过合理地设计文档模型，可以规避绝大部分使用事务的必要性
- 为什么？事务 = 锁，节点协调，额外开销，性能影响
MongoDB WiredTiger存储引擎支持read-uncommitted、read-committed和snapshot3种事务隔离级别，MongoDB启动时默认选择snapshot隔离。
| 隔离级别 | 描述 |
|---|---|
| read-uncommitted | 一个事务的修改，即使没有提交，对其他事务也都是可见的。事务可以读取未提交的数据，这也被称为“脏读（dirty read）” |
| read-committed | 一个事务从开始直到提交之前，所做的任何修改对其他事务都是不可见的 |
| snapshot | 事务开始时，系统会创建一个快照，从已提交的事务中获取行版本数据，如果行版本数据标识的事务尚未提交，则从更早的事务中获取已提交的行版本数据作为其事务开始时的值。类似于 Repeatable Read |
事务开发：写操作事务
writeConcern：决定一个写操作落到多少个节点上才算成功。writeConcern 的取值包括：
- 0：发起写操作，不关心是否成功；
- 1~集群最大数据节点数：写操作需要被复制到指定节点数才算成功；
- majority：写操作需要被复制到大多数节点上才算成功。
- all：写操作需要被复制到全部节点上才算成功。
事务开发：读操作事务
在读取数据的过程中我们需要关注以下两个问题：
- 从哪里读？
- 什么样的数据可以读？
第一个问题是是由 readPreference：决定使用哪一个节点来满足正在发起的读请求
- primary: 只选择主节点；
- primaryPreferred：优先选择主节点，如果不可用则选择从节点；
- secondary：只选择从节点；
- secondaryPreferred：优先选择从节点，如果从节点不可用则选择主节点；
- nearest：选择最近的节点；
第二个问题则是由 readConcern：决定这个节点上的数据哪些是可读的，类似于关系数据库的隔离级别
- available：读取所有可用的数据;
- local：读取所有可用且属于当前分片的数据;
- majority：读取在大多数节点上提交完成的数据;
- linearizable：可线性化读取文档;
- snapshot：读取最近快照中的数据;
事务开发：多文档事务
MongoDB ACID事务支持
高可用
复制集机制及原理
MongoDB的 复制集类似于MySQL的主从架构，但是又比MySQL的主从架构要强大的多。
复制集的作用：
- 数据写入时将数据迅速复制到另一个独立节点上
- 在接受写入的节点发生故障时自动选举出一个新的替代节点
在实现高可用的同时，复制集实现了其他几个附加作用：
- 数据分发：将数据从一个区域复制到另一个区域，减少另一个区域的读延迟
- 读写分离：不同类型的压力分别在不同的节点上执行
- 异地容灾：在数据中心故障时候快速切换到异地
复制集架构
一个典型的复制集由3个以上具有投票权的节点组成，包括：
一个主节点（PRIMARY）：接受写入操作和选举时投票
两个（或多个）从节点（SECONDARY）：复制主节点上的新数据和选举时投票
不推荐使用 Arbiter（投票节点）
数据是如何复制的
- 当一个修改操作，无论是插入、更新或删除，到达主节点时，它对数据的操作将被记录下来（经过一些必要的转换），这些记录称为 oplog。
从节点通过在主节点上打开一个 tailable 游标不断获取新进入主节点的 oplog，并在自己的数据上回放，以此保持跟主节点的数据一致。
分片集群架构
- 路由节点 mongos：提供集群入口、转发应用端请求、选择合适数据节点进行读写、合并多个数据节点的返回
- 配置节点 Config：提供集群元数据存储、分片数据分布的映射
- 数据节点 mongod：负责存储数据库数据，每个Shard数据分片默认三节点副本集（三节点副本集由Primary节点+1个Secondary节点+1个Arbiter节点构成）、以复制集为单位横向扩展
分片集群特点：应用全透明，无特殊处理、数据自动均衡、动态扩容，无须下线
数据分片策略
Chunks块：MongoDB将分片数据拆分成块。每个分块都有一个基于分片键的上下限范围
基于范围：范围分片能很好的满足『范围查询』的需求，比如想查询x的值在[-75, 25]之间的所有文档，这时mongos直接能将请求路由到Chunk2，就能查询出所有符合条件的文档。
- 优点：片键范围查询性能好、优化读
- 缺点：数据分布可能不均匀、容易有热点
基于 Hash：Hash分片是根据用户的shard key计算hash值（64bit整型），根据hash值按照『范围分片』的策略将文档分布到不同的chunk
- 优点：数据分布均匀，写优化
- 缺点：范围查询效率低
基于 zone / tag：基于地域去划分