我為什麼放棄MySQL？選擇了MongoDB

最近有個專案的功能模組，為了處理方便，需要操作集合型別的資料以及其他原因。考慮再三最終決定放棄使用MySQL，而選擇MongoDB。

兩個資料庫，大家應該都不陌生。他們最大的區別就是MySQL為關係型資料庫，而MongoDB為非關係型資料庫。常見的關係型資料庫有：MySQL、Oracle、DB2、SQL Server、Postgre SQL等，非關係型資料庫有MongoDB、Redis、Memcached、HBse等等。

1  關係型資料庫？ 非關係型資料庫？

關係型資料庫可以理解為依賴一個模型來建立的資料庫，比如我們使用的MySQL中的表是由橫列和縱列組成的一個二維表格。關係型資料庫可以透過關係模型使多個表的資料關聯起來，比如我們平時說的  一對一、一對多、多對一。由於是建立在資料模型的基礎上，所以我們可以透過SQL語句很方便的在多個表之間做複雜的查詢操作。關係型資料庫相對安全，因為直接儲存在硬碟中所以突然的當機、停電等意外不會導致資料丟失。MySQL的儲存方式是由自身的引擎決定的,常用的引擎有Innodb和MyISAM。他們主要的區別就是MyISAM 不支援事務，強調的是效能，執行速度比Innodb要快，Innodb提供支援事務等高階資料庫功能。

非關係型資料庫即我們常說的NoSQL資料庫，部署起來都比較簡單，沒有關係型資料庫那麼複雜。Mongo的儲存方式為虛擬記憶體+持久化儲存，Mongo將資料寫入記憶體中，再由虛擬記憶體管理器將其持久化到硬碟中，因此寫操作會比關係型資料庫快很多。NOSQL的儲存格式是key-value形式，可以像關係型資料庫那樣儲存基礎資料型別的資料，也可以儲存集合、物件等等。NoSQL雖然效能比較高，但是並不支援事物，也不能進行聯表查詢，一般用於較大規模資料的儲存。

2  他們的優點、缺點有哪些

關係型資料庫發展了很長一段時間，擁有非常成熟的體系。所佔份額也在逐漸增加。而且支援事物的操作，保證資料的一致性，可以透過SQL語句完成複雜的操作。但是使用過程中當資料量到達一定程度時，關係型資料庫的效率會有明顯的下降。一個複雜的查詢操作，一系列的組合索引都會消耗非常多的記憶體空間，此時我們需要對資料庫進行讀寫分離操作，或者將資料庫結構進行拆分(水平拆分、垂直拆分)將請求壓力分擔在不同的庫中。

垂直拆分是指將一張表拆分成多個表，表之間透過主鍵進行關聯。

水平拆分是按照某種規則拆分成多個表，比如透過使用者角色進行拆分

讀寫分離：所謂讀寫分離就是講讀操作(查詢資料)和寫操作(插入&更新)指向不同的資料庫節點，他們中間透過某種機制實現資料的同步，如binlog。實際的應用中大部分壓力還是來自讀操作，所以主要是一主多從的架構。

非關係型資料庫發展的這幾年，深受人們的喜愛。免費開源、成本低、部署簡單、非結構化儲存等等明顯的優勢。而且它對海量資料處理能力非常強，記憶體級資料庫，查詢速度也非常快。儲存的資料格式比較豐富，易於擴充套件，雖然不能使用sql進行復雜的查詢，但是MongoDB支援JavaScript，所以可以透過js指令碼進行復雜的資料庫管理操作。關於NoSQL的缺點個人感覺目前就是不支援事物了吧，其他方面那都不是事兒。

3  什麼時候用mongo

 Mongo是用c++編寫的，支援多種語言如：Java、Python、Ruby、PHP、C++、C# 等，有時候針對不同的業務需求，選擇Mongo能夠避免浪費很多不必要的資源

日誌系統

系統執行過程中產生的日誌資訊，一般種類較多、範圍較大、內容也比較雜亂。透過MongoDB可以將這些雜亂的日誌進行收集管理。不僅方便了管理，查詢或者匯出也會變得非常容易

地理位置儲存

MongoDB支援地理位置、二維空間索引，可以儲存經緯度，因此可以很快的計算出兩點之間的距離，等位置資訊。如查詢附近的人、或者訂餐系統、配送系統等

資料規模增長很快

 前面提到過關係型資料庫資料量過大時，需要進行分庫分表，這樣真正操作起來可能會比較麻煩。如果選擇mongo進行分庫分表操作時，就會變得很簡單。

保證高可用的環境

Mongo本身就擁有高可用及分割槽的解決方案，設定主從伺服器非常方便，除此之外Mongo還可以快速並且安全的實現故障節點的轉移。

檔案儲存需求

GridFS是MongoDB規範，用於儲存和檢索圖片、音訊、影片等大檔案。GridFS雖然是檔案儲存的一種方式，可以儲存超過16M的檔案。但是它本身又是儲存在MongoDB集合中的

其他場景

如遊戲開發中我們可以透過MongoDB儲存使用者資訊、裝備、積分等，除此之外物流系統、社交系統、甚至物聯網系統，Mongo都能提供完美的資料儲存服務。

4  MySQL、MongoDB簡單的效能測試

關於兩個資料的效能，最有力的的說話還是透過實踐來進行測試，網上看到一組測試資料，分享給大家。

測試環境：Windows 10、記憶體8G、CPU i5 3.30GHZ。均無索引

測試語言：Python

連結工具：pymysql、pymongo

MySQL && Mongo 測試資料統計

	提交次數	單次提交個數	MySQL執行時間（s）	Mongo執行時間（s）	資料量
1	1000	10000	3912	1622.02	0
2	100	100	30	1.61	1000萬
3	100	100	5.77	1.60	0
4	10	25	2.35	1.56	0
5	10	25	7.42	1.60	1000萬
6	10000	1	298.07	5.29	0
7	10000	1	496.18	5.29	1000萬