我为何放弃MySQL？选择了MongoDB

 最近有个项目的功能模块，为了处理方便，须要操做集合类型的数据以及其余缘由。考虑再三最终决定放弃使用MySQL，而选择MongoDB。

    两个数据库，你们应该都不陌生。他们最大的区别就是MySQL为关系型数据库，而MongoDB为非关系型数据库。常见的关系型数据库有：MySQL、Oracle、DB二、SQL Server、Postgre SQL等，非关系型数据库有MongoDB、Redis、Memcached、HBse等等。

 1.关系型数据库？ 非关系型数据库？

关系型数据库能够理解为依赖一个模型来建立的数据库，好比咱们使用的MySQL中的表是由横列和纵列组成的一个二维表格。关系型数据库能够经过关系模型使多个表的数据关联起来，好比咱们平时说的  一对1、一对多、多对一。因为是创建在数据模型的基础上，因此咱们能够经过SQL语句很方便的在多个表之间作复杂的查询操做。关系型数据库相对安全，由于直接存储在硬盘中因此忽然的宕机、停电等意外不会致使数据丢失。MySQL的存储方式是由自身的引擎决定的,经常使用的引擎有Innodb和MyISAM。他们主要的区别就是MyISAM 不支持事务，强调的是性能，执行速度比Innodb要快，Innodb提供支持事务等高级数据库功能。

2.他们的优势、缺点有哪些

　　关系型数据库发展了很长一段时间，拥有很是成熟的体系。所占份额也在逐渐增长。并且支持事物的操做，保证数据的一致性，能够经过SQL语句完成复杂的操做。可是使用过程当中当数据量到达必定程度时，关系型数据库的效率会有明显的降低。一个复杂的查询操做，一系列的组合索引都会消耗很是多的内存空间，此时咱们须要对数据库进行读写分离操做，或者将数据库结构进行拆分(水平拆分、垂直拆分)将请求压力分担在不一样的库中。

垂直拆分是指将一张表拆分红多个表，表之间经过主键进行关联。

水平拆分是按照某种规则拆分红多个表，好比经过用户角色进行拆分

读写分离：所谓读写分离就是讲读操做(查询数据)和写操做(插入&更新)指向不一样的数据库节点，他们中间经过某种机制实现数据的同步，如binlog。实际的应用中大部分压力仍是来自读操做，因此主要是一主多从的架构。

    非关系型数据库发展的这几年，深受人们的喜好。免费开源、成本低、部署简单、非结构化存储等等明显的优点。并且它对海量数据处理能力很是强，内存级数据库，查询速度也很是快。存储的数据格式比较丰富，易于扩展，虽然不能使用sql进行复杂的查询，可是MongoDB支持JavaScript，因此能够经过js脚本进行复杂的数据库管理操做。关于NoSQL的缺点我的感受目前就是不支持事物了吧，其余方面那都不是事儿。

3.何时用mongo

                                          

 

Mongo是用c++编写的，支持多种语言如：Java、Python、Ruby、PHP、C++、C# 等，有时候针对不一样的业务需求，选择Mongo可以避免浪费不少没必要要的资源

 

日志系统

    系统运行过程当中产生的日志信息，通常种类较多、范围较大、内容也比较杂乱。经过MongoDB能够将这些杂乱的日志进行收集管理。不只方便了管理，查找或者导出也会变得很是容易

地理位置存储

    MongoDB支持地理位置、二维空间索引，能够存储经纬度，所以能够很快的计算出两点之间的距离，等位置信息。如查询附近的人、或者订餐系统、配送系统等

数据规模增加很快

    前面提到过关系型数据库数据量过大时，须要进行分库分表，这样真正操做起来可能会比较麻烦。若是选择mongo进行分库分表操做时，就会变得很简单。

保证高可用的环境

Mongo自己就拥有高可用及分区的解决方案，设置主从服务器很是方便，除此以外Mongo还能够快速而且安全的实现故障节点的转移。

文件存储需求

GridFS是MongoDB规范，用于存储和检索图片、音频、视频等大文件。GridFS虽然是文件存储的一种方式，能够存储超过16M的文件。可是它自己又是存储在MongoDB集合中的

其余场景

如游戏开发中咱们能够经过MongoDB存储用户信息、装备、积分等，除此以外物流系统、社交系统、甚至物联网系统，Mongo都能提供完美的数据存储服务。

4.MySQL、MongoDB简单的性能测试

关于两个数据的性能，最有力的的说话仍是经过实践来进行测试，网上看到一组测试数据，分享给你们。

测试环境：Windows 十、内存8G、AMDRyzen7 1700 3.65GHz。均无索引

测试语言：Python

连接工具：pymysql、pymongo

MySQL && Mongo 测试数据统计

	提交次数	单次提交个数	MySQL运行时间（s）	Mongo运行时间（s）	数据量
1	1000	10000	3912	1622.02	0
2	100	100	30	1.61	1000万
3	100	100	5.77	1.60	0
4	10	25	2.35	1.56	0
5	10	25	7.42	1.60	1000万
6	10000	1	298.07	5.29	0
7	10000	1	496.18	5.29	1000万