mongodb 总结 - 码农教程

生产环境最佳实践 1.linux 系统： 1】关闭文件系统/分区的atime 选项 Vi /etc/fstab 在对应的分区项后面添加noatime ,nodiratime LABEL=/1 / ext3 defaults 1 1 LABEL=/data1 /data ext4 defaults,noatime,nodiratime 1 2 2】设置文件句柄４ｋ＋，目前该配置已经集成到启动脚本中。 Vi /etc/security/limit.conf * soft nproc 65536 * hard nproc 65536 * soft nofile 65536 * hard nofile 65536 3】不要使用large vm page （不要使用大内存页选项） Linux 大内存页参考：http://linuxgazette.net/155/krishnakumar.html 4】用dmesg 查看主机的信息。 2.linux 文件系统的选择： Mongodb 采用预分配的大文件来存储数据,我们推荐 1】ext4 2】xfs 3.内核版本：网络上对2.6.33-31 以及2.6.32 的表现持怀疑度，而强力推荐2.6.36 .ext4文件系统数据损失bug就影响着多个稳定版内核。ext4用户应避免使用Linux 3.4.14、3.4.15、3.5.7、3.6.2和3.6.3。 4.线程堆栈的尺寸默认的线程堆栈尺寸为10m ，调整为1m ，已经集成在启动脚本中。项目过程中的总结与建议 1.大小写问题 mongodb 是默认区分大小写的，但是这会不会衍生出跟mysql 一样的问题？（mysql 区分大小写，导致windows 与linux 下的表名，字段名不一致）。如果无特别用途，建议表名，字段名全部用小写字母。 2.尽可能的缩短字段名的长度 mongodb 的schema free 导致了每笔数据都要存储他的key 以及属性，这导致了这些数据的大量冗余。开发同事也许考虑到，从易读性出发设计的key 基本比较长，基本都是按照起字面意思去设计的。这导致key 很长。对应的数据存储占用了很大的空间。必要的时候，可以考虑建立一个key 与实际意义的map 表，尽量降低key 的长度。示例定义： // 基本信息 static string _ID = "_id"; static string STATUS_CODE = "sc"; // 缓冲 static string DATE = "date"; static string MAX_AGE = "age"; // 内容 static string CONTENT = "content"; static string CONTENT_TYPE = "ctype"; static string CONTENT_LENGTH = "clen"; static string ZIP = "zip"; 3. mongodb 单表最大索引数为64 无索引排序的最大数据量为4M, 超过则报错退出。建议where 条件尽量落在索引字段上，排序字段需要建立索引，索引的使用原则与oracle mysql 一致，尽量降低索引数量，索引长度。 mongodb 的查询每次只能用到一个索引，对数据的查询不会“并发”执行例如： db.tab.find({'id'=1,'name'=2}) 如果‘id’，‘name' 列上分别有索引对查询效率提升意义不大，如果索引为（'id','name') 则大幅提升效率。 4.mongodb 添加字段如果添加字段且带有default 值，需要全部数据都要修改，这也是设计阶段需要考虑的事情，这个问题的另外一种解法是应用代码里做一次判断。 5.测试过程的密码问题对于用作数据库使用的Mongodb，在代码测试阶段都应加上密码验证，目前上线阶段基本都会在密码验证方面出现问题（做缓存使用的可以不做密码验证)。 6.数据源连接方式使用连接池模式，尽量减少认证带来的性能额外消耗建议采用标准的uri 连接方式： mongodb://user:passwd@host:port,host:port/db 7.Mongodb日志量正常情况下不需要开启-v 日志选项。 Mongodb 的-v 日志适合在开发环境的调试线上部署不建议采用这个参数，目前线上部署的情况，-v 日志一天也会有几个G 的日志量，去掉这个参数，跟数据查询相关的操作就不会记日志了，数据库的内部的重要操作还是会写日志的。 8.连接数大小的设置 Mongodb 驱动程序采用的连接池的方式连接到数据库，目前从观察到的情况是应用一开启便根据变量的设置，建立全部连接，然后提供给程序使用，并且一旦其中某个连接到数据库的访问失败，则会清空整个连接池到这台数据库的连接，并重新建立连接。而mongodb 对中断连接的垃圾清理工作则是懒惰的被动清理方式，如果驱动程序端配置的连接数过大，一旦发生重连，则会导致mongo 端堆积大量的垃圾连接数据，导致主机资源耗尽。建议： mongodb 驱动的连接池大小的设置一般应该控制100 以下，一般情况30-50 足够支撑应用访问。 9.锁的问题 Mongodb 对数据库的访问全部加锁，如果是查询请求则设置共享锁，数据修改请求，则设置全局排他锁，并且是实例级别的排他锁。并且写锁会阻塞读请求，如果长时间持有写锁，会阻塞整个实例的读请求。部署建议： 1】一般情况下，建议不同的应用不要合用一套示例。 2】如果资源不满足，需要合用，应该具有相同属性的应用合用一套实例。例如合同mongo 的应用都是读多写少，防止一台写多应用阻塞读请求。 10.关于map/reduce问题 mongodb 对map/reduce 的支持是单线程的，我们不建议在前台使用该功能， group by 是通过map/reduce 实现的，开发过程中，要慎用。 11.安全问题 1】Mongodb 运行在mongodb 用户之上，并禁止mongodb 用户登录 2】使用Mongodb 自带的认证方法（adduser、auth）限制用户访问行为 3】将Mongodb 置于内网环境中 4】Mongodb 必须暴露在外网环境中的时候，使用IPTABLES 等网络层技术进行防护 5】网络层面内容为明文传输，可以考虑存储加密文档，应用端，加解密。 12.性能监控 Mongodb 自带有性能数据收集系统 Mongostat 实时采集数据库的多项指标,提供http console 端口号为应用端口号+1000。关注的主要性能指标： 1】Faults：显示Mongodb 每秒页面故障的数量，这个是mongoDB 映射到虚拟地址空间，而不是物理内存，这个值如果飙高的话，可能意味着机器没有足够的内存来存储数据和索引。 2】Flushes：每秒做了多少次fsync，显示多少次数据被刷新进了磁盘 3】locked：写锁 4】idx miss：索引未命中比例 5】qr | qw：读写锁的请求队列长度。 6】conn：当前已经建立的连接数。其他命令： Db.stat() db.serverStatuse() Db.collection.stats() 13.碎片问题 Mongodb 数据库如果数据修改很频繁，会出现比较严重的空间碎片问题，表现在磁盘文件扩张与实际数据量不相符，内存不够用，索引命中率低，查询效率降低。碎片整理，目前我们采用的版本没有太有效的方法。可以用db.repaireDatabase() 来整理数据库，这个过程非常的慢如果是Master-slave 模式则相当于执行一次主从切换，然后从新建立从库。如果是replSet 架构可以停掉数据库，然后删除数据目录，从新从复制复制组中全同步数据，这个时候要考虑oplog 的尺寸。一个大体的步骤： 1.】先调用rs.freeze(1200),将每个不想让它成为primary 的机器让它在1200 秒内无法成为 primary(这步也可以不做) 2. 】将primary stepDown,不出意外新的primary 会起来. 3. 】将原primary kill 掉. 4. 】删掉所有data 数据(调用repair 很慢,真不如干掉重新来) 5. 】再重启动原primary 的进程 6. 】以此循环完成整个复制组的全部重建。 14.系统备份： Mongodb 目前不支持在线备份，只能离线备份。我们采用的架构为replSet 和Master-slave . 基于我们目前的架构以及数据一致性要求，我们没有安排相关的备份系统。 15.应用代码中Mongodb连接问题在有些应用在使用Mongodb 过程中会存在以下两个小问题： 1. 在应用启动过程中，应用存在要求连接池中所有的连接都建立成功才让应用正常启动，这种做法不可取，因为存在网络问题、Mongodb 拒绝连接或Mongodb 假死情况，如果没加外部try catch 做防护，则不断重启也不能正常启动端口。 2.有些应用在使用Mongodb 中连接池配置了safe=true，w=1；这种配置意味着客户端在插入数据或更新数据的时候，要求mongodb 必须将所更新的数据写入磁盘并返回更新成功的信息给程序。如果碰上应用程序访问压力大，mongodb 就会反应迟钝，并会发生假死可能，针对此情况，需要评估数据的一致性需求，做出合适调整。我们一般建议关闭此选项。 16.补充开发方面的一些问题 1】skip+limit翻页，越往后面越慢，有资料说用数组元素的分页可以解决，目前还没试过，比较靠谱的做法是，先找出上次的id，翻页的时候不用skip： last_row_id = ObjectId(‘....’); db.activity_stream->find({_id:{$lt: last_row_id }, user_id:20 } ).sort( {_id:-1} ).limit(10); 2】.只有真正需要的字段才select出来 3】.更新的某条数据的时候，先查出来再更新会减小锁的时间 4】.只有返回很少结果的查询才用索引，否则会加载太多数据，比没有用索引还慢 5】.属性比较多的时候，建立分层的关系能够提高查询效率，否则每个记录都要过一遍才能找到要的属性