mongodb如何应对高并发 mongodb 高并发

文章摘要：mongodb如何应对高并发 mongodb 高并发

mongodb应对高并发的方法：1、采用批量数据方式操作MongoDB，定时定量获取查询结果；2、在mongo […]

mongodb应对高并发的方法：1、采用批量数据方式操作MongoDB，定时定量获取查询结果；2、在mongodb中设置一个库一个文件；3、mongodb存储引擎选择WiredTiger；4、增加mongodb最大连接数；5、优化mongodb中的写策略；6、优化mongodb中的慢查询语句。

具体内容如下

一、代码层级优化

采用批量数据方式操作MongoDB。将数据信息存放在消息队列中进行缓存，然后定时定量的去获取队列消息，触发连接MongoDB获取查询结果。

 所谓定时定量是指每一段时间或消息队列达到某一数值。示例：每10秒或队列消息数达到200时提交一次统计事件。

优点：减少网络传输的IO，同时减少SQL语句解析的次数。降低MongoDB日志刷盘的数据量和频率，从而提高效率。

缺点：有一定的消息延时（具体延时时间可调整队列消息提交频率和消息数大小来控制）。

二、MongoDB优化

1、MongoDB设置一个库一个文件，即设置directoryPerDB为true；将索引也按数据库名单独存储，即directoryForIndexes: true。

2，MongoDB存储引擎选择WiredTiger。

目前MongoDB的存储引擎主要有MMAPV1、WiredTiger。在3.2版本之前MMAPV1是默认的存储引擎,其采用linux操作系统内存映射技术,但一直饱受诟病；3.4以上版本默认的存储引擎是wiredTiger,相对于MMAPV1其有如下优势:

• 读写操作性能更好,WiredTiger能更好的发挥多核系统的处理能力；

• MMAPV1引擎使用表级锁,当某个单表上有并发的操作,吞吐将受到限制。WiredTiger使用文档级锁,由此带来并发及吞吐的提高

• 相比MMAPV1存储索引时WiredTiger使用前缀压缩,更节省对内存空间的损耗；

• 提供压缩算法,可以大大降低对硬盘资源的消耗,节省约60%以上的硬盘资源；

3、增加MongoDB最大连接数（connectionsPerHost），有效利用CPU资源。

4、MongoDB写策略配置优化：{ w: , j: , wtimeout: }

• w: 数据写入到number个节点才向用客户端确认

        {w: 0} 对客户端的写入不需要发送任何确认，适用于性能要求高，但不关注正确性的场景

        {w: 1} 默认的writeConcern，数据写入到Primary就向客户端发送确认

        {w: “majority”} 数据写入到副本集大多数成员后向客户端发送确认，适用于对数据安全性要求比较高的场景，该选项会降低写入性能

• j: 写入操作的journal持久化后才向客户端确认，默认为{j: false}，如果要求写入持久化了才向客户端确认，则指定该选项为true

• wtimeout: 写入超时时间，仅w的值大于1时有效

当指定{w: }时，数据需要成功写入number个节点才算成功，如果写入过程中有节点故障，可能导致这个条件一直不能满足，从而一直不能向客户端发送确认结果，针对这种情况，客户端可设置wtimeout选项来指定超时时间，当写入过程持续超过该时间仍未结束，则认为写入失败。

5，MongoDB查询优化（大概分三步）

• 开启内置的查询分析器，找出慢查询语句

• 分析慢查询语句。

• 解读explain结果。

关于索引的建议：

1.索引很有用,但是它也是有成本的——它占内存,让写入变慢；

2.mongoDB通常在一次查询里使用一个索引,所以多个字段的查询或者排序需要复合索引才能更加高效；

3.在生成环境构建索引往往开销很大,时间也不可以接受,在数据量庞大之前尽量进行查询优化和构建索引；

4.避免昂贵的查询,使用查询分析器记录那些开销很大的查询便于问题排查；

5.通过减少扫描文档数量来优化查询,使用explain对开销大的查询进行分析并优化；

6.索引是用来查询小范围数据的，不适合使用索引的情况：

   1）每次查询都需要返回大部分数据的文档，避免使用索引

   2）写比读多