mongodb亿级数据优化 mongodb优化策略

本文目录一览：

1、MongoDB如何优化查询性能?
2、MongoDB自动分片介绍
3、如何正确的使用MongoDB并优化其性能
4、RedHat/CentOS8【SELinux】引起的安全策略问题解决方案
5、NineData是如何解决MongoDB迁移问题的?
6、用mongodb查询的时候,如何只查询出某一个字段的值?

MongoDB如何优化查询性能?【mongodb亿级数据优化 mongodb优化策略】通过查看一个查询的explain（）输出信息，可以知道查询使用了哪个索引，以及是如何使用的。对于任意查询，都可以在最后添加一个explain（）调用（与调用sort（）或者limit（）一样，不过explain（）必须放在最后）。
在MongoDB中我们将与主键没有直接关系的图书单独提取到另一个集合，用存储主键的方式进行关联查询。当我们要查询文章和评论时需要先查询到所需的文章，再从文章中获取评论id ，最后用获得的完整的文章及其评论。
采用索引优化查询性能：在对比数据时，可以针对查询条件创建索引，以提高查询速度。合理地创建索引可以显著减少数据对比的时间。并行处理：针对大规模的数据对比任务，可以考虑使用多线程或分布式技术进行并行处理。
排除方式七：查看mongodb数据文件，看是否已经很大？经查看，总大小才64M，这比32位文件上限的2G来讲，可以基本忽略；排除方式八：连接字符串。
MongoDB自动分片介绍1、水平扩展能力：MongoDB的分片功能不仅可以用来存储大量数据，还可以提高数据库的读写性能。因为分片可以将数据分散到多个服务器，从而充分利用了服务器的并行处理能力。
2、MongoDB使用分片技术对数据进行扩展，MongoDB能自动分片、自动转移分片里面的数据块，让每一个服务器里面存储的数据都是一样大小。
3、面向集合存储，容易存储对象类型的数据。在MongoDB 中数据被分组存储在集合中，集合类似RDBMS 中的表，一个集合中可以存储无限多的文档。（2）模式自由，采用无模式结构存储。
4、MongoDB 的数据分块称为 chunk 。每个 chunk 都是 Collection 中一段连续的数据记录，通常最大尺寸是 200MB，超出则生成新的数据块。
如何正确的使用MongoDB并优化其性能1、在MongoDB中我们将与主键没有直接关系的图书单独提取到另一个集合，用存储主键的方式进行关联查询。当我们要查询文章和评论时需要先查询到所需的文章，再从文章中获取评论id ，最后用获得的完整的文章及其评论。
2、“n”则表明了实际返回的文档数量。“nscanned“描述了MongoDB在执行这个查询时搜索了多少文档。”cursor“本查询返回值为”BasicCursor“则说明该查询未使用索引，所以才会搜索了所有的文档。
3、游戏场景，使用MongoDB存储游戏用户信息，用户的装备、积分等直接以内嵌文档的形式存储，方便查询、更新。
RedHat/CentOS8【SELinux】引起的安全策略问题解决方案SELinux定义了系统中每个【用户】、【进程】、【应用】和【文件】的访问和转变的权限，然后它使用一个安全策略来控制这些实体（用户、进程、应用和文件）之间的交互，安全策略指定如何严格或宽松地进行检查。
像redhat、centOS之类的，修改/etc/selinux/config文件中的SELINUX= 为disabled，然后重启。
Ubuntu 。Ubuntu是基于Debian的开源Linux操作系统。Ubuntu非常流行，许多其他发行版都是从它衍生出来的。Ubuntu服务器对于构建高性能、高可伸缩性、灵活和安全的企业数据中心非常有效。
NineData是如何解决MongoDB迁移问题的?进行数据对比：迁移完成后，可配置数据对比任务，对迁移的MongoDB数据进行一致性校验。NineData会对每个文档内容进行精准对比，快速找出差异并生成订正脚本。
NineData是一种高效可靠的MongoDB迁移及同步方案。它通过NineData的数据管理平台，可以实现MongoDB的业务不停服数据迁移，并具备增量数据的采集复制能力。
可以使用NineData数据迁移方案来实现不同MongoDB实例间的数据复制。
针对MongoDB副本集实例迁移至单节点实例的问题，推荐使用NineData数据迁移工具。
支持多种数据库连接方式：NineData 支持多种数据库连接方式，如 MySQL、Oracle、SQL Server、PostgreSQL、MongoDB 等，可以满足不同用户的需求。
用mongodb查询的时候,如何只查询出某一个字段的值?1、可以使用一个projection排除一个或者一组字段，如下：复制代码代码如下：db.inventory.find（ { type： food } ， { type：0 } ）这个操作返回所有type字段值为food的文档，在结果中type字段不返回。
2、{name： abc}]如果是在shell下面，可以用JS脚本进行转换：var cursor = db.coll.find（{}，{_id： 0， name： 1}）；var result = cursor.map（function（doc） { return doc.name；}）；这里用到cursor.map方法。
3、如果我们遇到了一些数据需要跨多个文本或者统计等操作，这个时候可能文档自身也较为复杂，查询操作符已经无法满足的时候，这个时候就需要使用MongoDB的聚合查询框架了。
4、上述模式虽然能解决日志存储的问题，但这些数据分析起来比较麻烦，因为文本分析并不是MongoDB所擅长的，更好的办法是把一行日志存储到MongoDB的文档里前，先提取出各个字段的值。
5、MongoDB使用分片技术对数据进行扩展，MongoDB能自动分片、自动转移分片里面的数据块，让每一个服务器里面存储的数据都是一样大小。