mongodb的优缺点及应用场景 谈谈mongodb，mysql的区别和具体应用场景？

谈谈mongodb，mysql的区别和具体应用场景？

看看官方文件。

练习编程示例。

看看源代码。

一般互联网公司使用mysql、redis、mongodb作为存储层，Hadoop、spark进行大数据分析。

MySQL适用于结构化数据，类似于excel，它是严格定义的。它用于数据量，其速度一般支持事务处理。

Redis适用于缓存内存对象，如缓存队列。它用于事务处理的数据量小、速度快、并发性高。

Mongodb，适用于半结构化数据，如文本信息，适用于数据量大、速度快、不支持事务处理的场合。

Hadoop是一个生态系统，包含许多用于大数据分析的组件，适用于以后的大数据分析任务。

Spark类似于Hadoop，它倾向于内存计算和流计算。适用于实时和半实时的大数据分析任务。

移动互联网和物联网使数据呈指数增长。NoSQL大数据出现后，数据存储领域发展迅速。发展方向似乎是大数据、内存计算、分布式框架和平台。有许多新的方法，如apacheignite，它适合于内存计算，并集成了许多功能模块。阿帕奇风暴，火花和弗林克也有自己的特点。

一般来说，TB和GB级别的数据存储不能达到Pb级别。Mongodb和MySQL就足够了。Hadoop和spark是航空母舰。它们通常用于大规模的应用场景，主要用于后期分析和统计，如电子商务的推荐系统分析系统。

聪明的战士总是选择正确的武器。有必要分析业务特点和未来业务发展需要，决定采用何种数据存储策略或混合使用。

mongodb如何定位？

Mongo数据库本身介于redis内存数据库和MySQL数据库之间。

以下重点介绍Mongo的优势。

Mongo V redis，

1:redis受内存限制，不能存储海量数据；Mongo可以存储海量数据。

2:Redis只支持简单的string、hash、list、set和Zset数据结构，Mongo支持文档类型的数据结构，可以说是JSON字符串。这个数据结构是多么的灵活和方便，我不需要过多的介绍。

3:redis能提供复杂的查询吗？蒙哥笑了笑，什么也没说。

4:redis是否有内置的数据分析功能（MapReduce）？

让我们看看Mongo V MySQL

2:Mongo的插入速度比MySQL快。

3:Mongo可以轻松分发和扩展，而无需停机或更改应用程序。

事实上，它们各有优缺点，对应不同的数据库应用场景。

我什么时候需要Mongo？

Mongo实际上弥补了redis和mysql的不足。在爬虫程序中，个人经常使用Mongo来保存被爬网的数据，而redis则保存要爬网的链接，并用于网页重复数据消除。

mongoDB适用什么场合呢？

根据官方网站的描述，Mongo适合以下场景：网站数据：Mongo非常适合实时插入、更新和查询，具有网站实时数据存储所需的复制性和高可扩展性。缓存：由于其高性能，Mongo也适合作为信息基础设施的缓存层。系统重启后，Mongo构建的持久缓存层可以避免底层数据源的过载。大容量、低值数据：使用传统的关系数据库存储某些数据可能更昂贵。在此之前，程序员通常会选择传统的文件进行存储。高可扩展性场景：Mongo非常适合由几十台或几百台服务器组成的数据库。Mongo的路线图已经包括了对MapReduce引擎的内置支持。对于对象和JSON数据的存储：Mongo的bson数据格式非常适合文档格式的存储和查询。当然，mongodb的使用有一些限制。例如，它不适合高度事务性的系统，如银行或会计系统。传统的关系数据库仍然更适合需要大量原子复杂事务的应用。传统的商业智能应用：针对特定问题的Bi数据库将产生高度优化的查询方法。对于这样的应用，数据仓库可能是一个更合适的选择。

mongodb的优缺点及应用场景 mongodb适用场景 mongodb最佳实践

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。