mongodb與mysql相比的優缺點-php教程-PHP中文網

與關聯式資料庫相比，MongoDB的優點：

①弱一致性（最終一致），更能保證使用者的存取速度：

舉例來說，在傳統的關聯式資料庫中，一個COUNT類型的操作會鎖定資料集，這樣可以確保得到「目前」情況下的精確值。這在某些情況下，例如透過ATM查看帳戶資訊的時候很重要，但對於Wordnik來說，數據是不斷更新和增長的，這種「精確」的保證幾乎沒有任何意義，反而會產生很大的延遲。他們需要的是一個「大約」的數字以及更快的處理速度。

但在某些情況下MongoDB會鎖定資料庫。如果此時正有數百個請求，則它們會堆積起來，造成許多問題。我們使用了下面的最佳化方式來避免鎖定：

每次更新前，我們會先查詢記錄。查詢操作會將物件放入內存，於是更新則會盡可能的迅速。在主/從部署方案中，從節點可以使用“-pretouch”參數運行，這也可以獲得相同的效果。

使用多個mongod流程。我們根據存取模式將資料庫拆分成多個進程。

②文檔結構的儲存方式，能夠更方便的取得資料。

對於一個層級式的資料結構來說，如果要將這樣的資料使用扁平式的，表狀的結構來保存數據，這無論是在查詢或取得資料時都十分困難。

舉例1：
就拿一個「字典項」來說，雖然不十分複雜，但還是會關係到「定義」、「詞性」、「發音」或是「引用」等內容。大部分工程師會將這種模型使用關係型資料庫中的主鍵和外鍵表現出來，但把它看作一個「文件」而不是「一系列有關係的表」豈不更好？使用 “dictionary.definition.partOfSpeech='noun'”來查詢也比表之間一系列複雜（往往代價也很高）的連接查詢方便且快速。

舉例2：

在一個資料關係型資料庫中，一篇部落格（包含文章內容、評論、評論的投票）會被打散在多重資料表中。在MongoDB中，能用一個文檔來表示一篇博客，評論與投票作為文檔數組，放在正文主文檔中。這樣資料更易於管理，消除了傳統關係型資料庫中影響效能和水平擴展性的「JOIN」操作。

CODE↓

> db.blogposts.save({ title : "My First Post", author: {name : "Jane", id :1},
comments : [{ by: "Abe", text: "First" },
{ by : "Ada", text : "Good post" }]
})

> db.blogposts.find( { "author.name" : "Jane" } )

> db.blogposts. findOne({ title : "My First Post", "author.name": "Jane",
comments : [{ by: "Abe", text: "First" },
{ by : "Ada", text : "Good post" } ]
})
> db.blogposts.find( { "comments.by" : "Ada" } )

> db.blogposts.ensureIndex( { "comments.by" : 1 } );

舉例3：
MongoDB是一個以文件為導向的資料庫，目前由10gen開發並維護，它的功能豐富，齊全，完全可以取代MySQL。在使用MongoDB做產品原型的過程中，我們總結了MonogDB的一些亮點：

使用JSON風格語法，且易於掌握與理解：MongoDB使用JSON的變種BSON作為內部儲存的格式和語法。針對MongoDB的操作都使用JSON風格語法，客戶端提交或接收的資料都使用JSON形式來展現。相對於SQL來說，更直觀，容易理解、掌握。

Schema-less，支援嵌入子文檔：MongoDB是一個Schema-free的文件資料庫。一個資料庫可以有多個Collection，每個Collection是Documents的集合。 Collection和Document和傳統資料庫的Table和Row並不對等。無需事先定義 Collection，隨時可以建立。

Collection中可以包含具有不同schema的文件記錄。這意味著，你上一筆記錄中的文檔有3個屬性，而下一筆記錄的文檔可以有10個屬性，屬性的類型既可以是基本的資料類型（如數字、字串、日期等），也可以是陣列或散列，甚至可以是一個子文件（embed document）。這樣，可以實現逆規範化（denormalizing）的資料模型，提高查詢的速度。

③內建GridFS，支援大容量的儲存。

GridFS是一個優秀的分散式檔案系統，可支援大量的資料儲存。
內建了GridFS了MongoDB，能夠滿足對大資料集的快速範圍查詢。

④內建Sharding。

提供基於Range的Auto Sharding機制：一個collection可依照記錄的範圍，分成若干個段，切分到不同的Shard上。

Shards可以和複製結合，配合Replica sets能夠實現Sharding fail-over，不同的Shard之間可以負載平衡。查詢是對客戶端是透明的。客戶端執行查詢，統計，MapReduce等操作，這些會被MongoDB自動路由到後端的資料節點。這讓我們專注於自己的業務，適當的時間可以無痛的升級。 MongoDB的Sharding設計能力最大可支援約20 petabytes，足以支撐一般應用。

這可以確保MongoDB運作在便宜的PC伺服器叢集上。 PC集群擴充起來非常方便且成本很低，避免了「sharding」操作的複雜性和成本。

⑤第三方支援豐富。 (這是與其他的NoSQL相比，MongoDB也具有的優勢)

現在網路上的許多NoSQL開源資料庫完全屬於社群型的，沒有官方支持，為使用者帶來了極大的風險。

而開源文件資料庫MongoDB背後有商業公司10gen為其提供供商業訓練與支援。

且MongoDB社群非常活躍，許多開發架構都迅速提供了對MongDB的支援。不少知名大公司和網站也在生產環境中使用MongoDB，越來越多的創新企業轉而使用MongoDB作為和Django，RoR來搭配的技術方案。

⑥性能優越：

在使用場合下，千萬級別的文檔對象，近10G的數據，對有索引的ID的查詢不會比mysql慢，而對非索引字段的查詢，則是全面勝出。 mysql實際上無法勝任大數據量下任意欄位的查詢，而mongodb的查詢效能實在讓我驚訝。寫入效能同樣很令人滿意，同樣寫入百萬等級的數據，mongodb比我以前試用過的couchdb要快得多，基本上10分鐘以下可以解決。補上一句，觀察過程中mongodb都遠不算是CPU殺手。

與關聯式資料庫相比，MongoDB的缺點：

①mongodb不支援事務操作。

所以事務要求嚴格的系統（如果銀行系統）肯定不能用它。 (這點和優點①是對應的)

②mongodb佔用空間過大。

關於其原因，在官方的FAQ中，提到有以下幾個面向：

1.空間的預先分配：為避免形成過多的硬碟碎片，mongodb每次空間不足時都會申請產生一大塊的硬碟空間，而且申請的量從64M、128M、256M那樣的指數遞增，直到2G為單一文件的最大體積。隨著資料量的增加，你可以在其資料目錄中看到這些整塊產生容量不斷遞增的檔案。

2、字段名所佔用的空間：為了保持每個記錄內的結構資訊用於查詢，mongodb需要把每個字段的key-value都以BSON的形式存儲，如果value域相對於key域並不大，例如存放數值型的數據，則數據的overhead是最大的。一種減少空間佔用的方法是把字段名盡量取短一些，這樣佔用空間就小了，但這就要求在易讀性與空間佔用上作為權衡了。我曾建議作者把字段名作個index，每個字段名用一個字節表示，這樣就不用擔心字段名取多長了。但作者的擔憂也不無道理，這種索引方式需要每次查詢得到結果後把索引值跟原值作一個替換，再發送到客戶端，這個替換也是挺耗費時間的。現在的實現算是拿空間來換取時間吧。

3、刪除記錄不釋放空間：這很容易理解，為避免記錄刪除後的資料的大規模挪動，原記錄空間不刪除，只標記「已刪除」即可，以後還可以重複利用。

4、可以定期執行db.repairDatabase()來整理記錄，但這個過程會比較緩慢。

③MongoDB沒有如MySQL那樣成熟的維護工具，這對開發和IT營運都是值得注意的地方。

由於上傳附件及文字限制，有時部分圖片、文字可能顯示不了，詳情請見：http://mp.weixin.qq.com/s?__biz=MzI5ODI3NzY2MA==&mid=100000725&idx=3&sn=1e135403774b200 rd
歡迎大家一起交流。
掃描以下二維碼，獲取更多更精美文章！ (掃碼關注有意不到的驚喜的哦！！）
mongodb與mysql相比的優缺點