连接 MongoDB排序

MongoDB的驱动实现一个写入语义fireandforget，即通过驱动调用写入时，可以立即得到返回得到成功的结果（即使是报错），这样让写入的速度更加快，当然会有一定的不安全性，完全依赖网络。MongoDB提供了Journaling日志的概念，实际上像mysql的bin-log日志，当需要插入的时候会先往日志里面写入记录，再完成实际的数据操作，这样如果出现停电，进程突然中断的情况，可以保障数据不会错误，可以通过修复功能读取Journaling日志进行修复。MongoDB支持主从复制机制，可以实现数据备份、故障恢复、读扩展等功能。连接 MongoDB排序

MongoDB的使用原理：所谓“面向会集”（Collection-Oriented），意思是数据被分组存储在数据集中，被称为一个会集（Collection)。每个会集在数据库中都有一个独一的标识名，并且可以包含无限数目的文档。会集的概念类似关系型数据库（RDBMS）里的表（table），不同的是它不需要定义任何模式（schema)。NytroMegaRAID技术中的闪存高速缓存算法，能够快速识别数据库内大数据集中的热数据，提供一致的性能改进。模式自由（schema-free)，意味着对于存储在mongodb数据库中的文件，我们不需要知道它的任何结构定义。如果需要的话，你完全可以把不同结构的文件存储在同一个数据库里。存储在会集中的文档，被存储为键-值对的形式。键用于独一标识一个文档，为字符串类型，而值则可以是各种复杂的文件类型。我们称这种存储形式为BSON（BinarySerializedDocumentFormat）。mongo培训MongoDB已经在多个站点部署，其主要场景：缓存。

MongoDB适用于以下场景：1、高伸缩性的场景：MongoDB非常适合由数十或数百台服务器组成的数据库，MongoDB的路线图中已经包含对MapReduce引擎的内置支持。2、用于对象及JSON数据的存储：MongoDB的BSON数据格式非常适合文档化格式的存储及查询。MongoDBDB的使用也会有一些限制，例如，它不适合于以下几个地方。高度事务性的系统：例如，银行或会计系统。传统的关系型数据库目前还是更适用于需要大量原子性复杂事务的应用程序。传统的商业智能应用：针对特定问题的BI数据库会产生高度优化的查询方式。对于此类应用，数据仓库可能是更合适的选择。需要SQL的问题。

MongoDB是一个介于关系数据库和非关系数据库之间的开源产品，是较接近于关系型数据库的NoSQL数据库。它在轻量级JSON交换基础之上进行了扩展，即称为BSON的方式来描述其无结构化的数据类型。尽管如此它同样可以存储较为复杂的数据类型。它和上一篇文章讲到的Redis有异曲同工之妙。虽然两者均为NoSQL，但是MongoDB相对于Redis而言，MongoDB更像是传统的数据库。早些年我们是先有了RelationDatabase(关系型数据库)，然后出现了比较多比较复杂的query，里面用到了比较多嵌套，比较多join操作。所以在设计数据库的时候，我们也考虑到了如何应用他们的关系，使得写query可以使database效率达到较高。后来人们发现，不是每个系统，都需要如此复杂的关系型数据库。MongoDB已经在多个站点部署，其主要场景：网站实时数据处理。

分布式文件系统（DistributedFileSystem）是指文件系统管理的物理存储资源不一定直接连接在本地节点上，而是通过计算机网络与节点相连。分布式文件系统的设计基于客户机/服务器模式。一个典型的网络可能包括多个供多用户访问的服务器。另外，对等特性允许一些系统扮演客户机和服务器的双重角色。YonghongDataMart是基于自有技术研发的一款数据存储、数据处理的软件。YonghongDataMart的分布式文件存储系统(ZDFS)是在HadoopHDFS基础上进行的改造和扩展，将服务器集群内所有节点上存储的文件统一管理和存储。一个mongodb中可以建立多个数据库。教程 MongoDB

MongoDB适用的场景：高伸缩性的场景。连接 MongoDB排序

MongoDB的拆分与迁移：块的拆分：初始化时只有一个块，达到较大块尺寸64MB或100000个文档就会触发块的拆分。把原来的范围一分为二，这样就有了两个块，每个块都有相同数量的文档。迁移：当分片中的数据大小不一时会产生迁移的动作，比如分片A的数据比较多，会将分片A里面的一些块转移到分片B里面去。分片集群通过在分片中移动块来实现均衡，是由名为均衡器的软件进程管理的，任务是确保数据在各个分片中保持均匀分布，当集群中拥有块较多的分片与拥有块较少分片的块差大于8时，均衡器就会发起一次均衡处理。连接 MongoDB排序