mongodb 应用场景

谈谈mongodb,mysql的区别和具体应⽤场景

最近对数据库⽐较感兴趣，于是就去研究了下部分相关热门的数据库。

MySQL关系型数据库。在不同的引擎上有不同 的存储⽅式。查询语句是使⽤传统的sql语句，拥有较为成熟的体系，成熟度很⾼。开源数据库的份额在不断增加，mysql的份额页在持续增长。缺点就是在海量数据处理的时候效率会显著变慢。Mongodb⾮关系型数据库(nosql ),属于⽂档型数据库。先解释⼀下⽂档的数据库，即可以存放xml、json、bson类型系那个的数据。这些数据具备⾃述性（self-describing），呈现分层的树状数据结构。数据结构由键值(key=>value)对组成。存储⽅式：虚拟内存+持久化。查询语句：是独特的Mongodb的查询⽅式。适合场景：事件的记录，内容管理或者博客平台等等。架构特点：可以通过副本集，以及分⽚来实现⾼可⽤。数据处理：数据是存储在硬盘上的，只不过需要经常读取的数据会被加载到内存中，将数据存储在物理内存中，从⽽达到⾼速读写。成熟度与⼴泛度：新兴数据库，成熟度较低，Nosql数据库中最为接近关系型数据库，⽐较完善的DB之⼀，适⽤⼈群不断在增长。优势：快速！在适量级的内存的Mongodb的性能是⾮常迅速的，它将热数据存储在物理内存中，使得热数据的读写变得⼗分快，⾼扩展！⾃⾝的Failover机制！json的存储格式！

缺点：主要是⽆事物机制！

分析⼀下Mysql和Mongodb应⽤场景1.如果需要将mongodb作为后端db来代替mysql使⽤，即这⾥mysql与mongodb 属于平⾏级别，那么，这样的使⽤可能有以下⼏种情况的考量： (1)mongodb所负责部分以⽂档形式存储，能够有较好的代码亲和性，json格式的直接写⼊⽅便。(如⽇志之类) (2)从datamodels设计阶段就将原⼦性考虑于其中，⽆需事务之类的辅助。开发⽤如nodejs之类的语⾔来进⾏开发，对开发⽐较⽅便。(3)mongodb本⾝的failover机制，⽆需使⽤如MHA之类的⽅式实现。2.将mongodb作为类似redis ，memcache来做缓存db，为mysql提供服务，或是后端⽇志收集分析。 考虑到mongodb属于nosql型数据库，sql语句与数据结构不如mysql那么亲和 ，也会有很多时候将mongodb做为辅助mysql⽽使⽤的类redis memcache 之类的缓存db来使⽤。 亦或是仅作⽇志收集分析。

HDFS,MongoDB,HBase的区别和使⽤场景

HBase:作为数据存储，捕获来⾃于各种数据源的增量数据。例如，这种数据源可能是⽹页爬⾍，可能是记录⽤户看了什么⼴告和多长时间

的⼴告效果数据，也可能是记录各种参数的时间序列数据FaceBook使⽤HBase的计数器来计量⼈们Like特定⽹页的次数。内容原创⼈和⽹页主⼈可以得到近乎实时的、多少⽤户Like他们⽹页的数

据信息。他们可以因此更敏捷地判断应该提供什么内容。Facebook 为此创建了⼀个叫Facebook Insight的系统，该系统需要⼀个可扩展的

存储系统。公司考虑了很多种可能，包括关系型数据库、内存数据库、和Cassandra数据库，最后决定使⽤HBase。基于HBase，Facebook 可以很⽅便地横向扩展服务规模，提供给数百万⽤户，也可以继续使⽤他们已有的运⾏⼤规模HBase机群的经验。该系

统每天处理数百亿条事件，记录数百个参数。

1）适合半结构化或⾮结构化数据，结构会变动的数据

2）记录⾮常稀疏的数据

3）多版本数据

4）超⼤数据量的数据

MongoDB: ⽇志的采集和存储，⼩⽂件的分布式存储，类似互联⽹微博应⽤的数据存储

1）适合⽆严格事务性要求的各种数据，如对象数据，JSON格式数据

2）由于性能⾮常⾼，⾮常适合实时的插⼊，更新与查找，并具备⾼度伸缩性

3）适合做缓存

HDFS::适合⼤⽂件存储，可append，但不可修改。适合Hadoop离线数据分析，Apache Spark的数据存储。

1）HDFS对⼤量⼩⽂件的存储开销⽐较⼤，适合⼤⽂件处理，如果有多个⼩⽂件，可以合并为⼤⽂件再处理

2）HDFS适⽤于⾼吞吐量，⽽不适合低时间延迟的访问

3）HDFS适⽤于流式读取的⽅式，不适合多⽤户写⼊⼀个⽂件、随机写以及⽂件的覆盖操作

4）HDFS更加适合写⼊⼀次，读取多次的应⽤场景

mongodb适⽤于以下场景：

a.⽹站数据：mongo⾮常适合实时的插⼊，更新与查询，并具备⽹站实时数据存储所需的复制及⾼度伸缩性。

常见的数据库管理系统介绍

数据库管理系统（Database Management System，简称DBMS）是一种用来管理和组织数据库的软件系统。它提供了数据的存储、访问、管理和控制的功能，能够有效地管理大量的数据，并且支持多用户并发操作。在现代信息技术的发展中，数据库管理系统扮演着至关重要的角色。本文将介绍几种常见的数据库管理系统。

I. 关系型数据库管理系统（Relational Database Management System，简称RDBMS）

关系型数据库管理系统是目前应用最广泛的数据库类型。它采用了关系模型来组织数据，并通过表格的形式来存储实体和属性之间的关系。关系型数据库具有良好的结构化特性，支持SQL语言进行数据查询和操作。其中，Oracle、MySQL和SQL Server是使用较为广泛的关系型数据库管理系统。

1. Oracle

Oracle数据库是目前全球最大的关系型数据库管理系统。它具有强大的性能和稳定性，能够处理大规模的数据操作。Oracle支持多种数据类型和数据存储引擎，提供了高级的数据安全和管理功能。它广泛应用于企业级应用和大型数据处理系统。

2. MySQL

MySQL是一种开源的关系型数据库管理系统，因其简单易用和高性能而广受欢迎。MySQL特点是速度快、占用资源少，并支持多种平台。它广泛应用于各种Web应用程序，如电子商务网站、博客和论坛等。

3. SQL Server

SQL Server是微软公司开发的关系型数据库管理系统，适用于在Windows平台上开发和部署企业级数据库应用。SQL Server具有良好的可扩展性和安全性，支持大规模数据的处理和分析。它被广泛应用于大型企业和组织中。

II. 非关系型数据库管理系统（NoSQL）

随着大数据和云计算的兴起，非关系型数据库管理系统逐渐受到关注。非关系型数据库不采用表格形式的存储结构，而是使用键值对、文档、图形等方式来组织数据。它具有强大的横向扩展性和高速的读写性能，在处理海量数据和实时数据方面有优势。以下是两种常见的非关系型数据库管理系统。

mongodb的使用场景

MongoDB的使用场景

MongoDB是一种非关系型数据库，它的出现为开发人员提供了一种新的选择。与传统的关系型数据库相比，MongoDB具有更高的可扩展性和更好的性能。在实际应用中，MongoDB有许多使用场景，下面将按类别进行介绍。

1. Web应用程序

MongoDB非常适合Web应用程序，因为它可以轻松地存储和处理大量的非结构化数据。例如，如果您正在开发一个社交媒体网站，您需要存储用户的个人资料、帖子、评论等数据。使用MongoDB，您可以轻松地存储这些数据，并使用MongoDB的查询语言进行高效的检索。

2. 大数据

MongoDB可以轻松地处理大量的数据。如果您需要存储和处理大量的数据，例如日志文件、传感器数据等，MongoDB是一个非常好的选择。它可以轻松地扩展到多个节点，以处理大量的数据。

3. 实时数据

MongoDB非常适合存储实时数据。例如，如果您正在开发一个在线游戏，您需要存储玩家的位置、分数等实时数据。使用MongoDB，您可以轻松地存储这些数据，并使用MongoDB的查询语言进行高效的检索。

4. 云计算

MongoDB非常适合云计算环境。它可以轻松地扩展到多个节点，并且可以在云计算环境中轻松地部署。如果您正在使用云计算环境，MongoDB是一个非常好的选择。

5. 移动应用程序

MongoDB也非常适合移动应用程序。如果您正在开发一个移动应用程序，您需要存储用户的个人资料、位置、偏好等数据。使用MongoDB，您可以轻松地存储这些数据，并使用MongoDB的查询语言进行高效的检索。

总之，MongoDB具有广泛的使用场景，可以轻松地存储和处理大量的非结构化数据。如果您正在寻找一种高性能、可扩展的数据库，MongoDB是一个非常好的选择。