数据库_数据库评测报告MongoDB3.2

篇首语：本文由编程笔记#小编为大家整理，主要介绍了数据库评测报告MongoDB-3.2相关的知识，希望对你有一定的参考价值。

一、什么是MongoDB？

MongoDB是一个开源的，基于分布式的，面向文档存储的非关系型数据库，使用JSON风格来存储数据。其也是非关系型数据库当中功能最丰富、最像关系数据库的。MongoDB由C++编写，其名字来源于"Humongous"这个单词，其宗旨在于处理大量数据。

MongoDB作为如今新兴的Web框架---MEAN架构（MongoDB + Express +AngularJS + NodeJS）的重要组成部分，其如今的发展势头大有与传统Web框架（LAMP、LNMP）抢占市场主流框架的趋势。

MongoDB具有如下优势：

• 支持的数据结构非常松散，可存储复杂的数据类型；




• 支持多种操作系统上，提供多种编程语言的驱动程序；




• 支持的多种数据类型；




• 支持的查询语言非常强大；




• 弱一致性，更能保证用户的访问速度；




• 内置GridFS，支持大容量的存储；




• 内置Sharding；




• 文档结构的存储方式，能够更便捷的获取数据；




• Wired Tiger引擎的使用，使得局部锁成为可能（新）；




• Wired Tiger引擎的使用，对数据进行压缩，减少了大量空间占用（新）。

看到MongoDB如此特性和优势，不免勾起了我们的好奇心。这一期的评测报告就着重针对MongoDB的读写性能的进行测试和分析，一起来揭秘一下如今MongoDB在市场上如此被推崇的原因。

二、MongoDB的性能如何？

1、Insert性能

• MongoDB的Insert性能随着线程数（小于128）的增加而增加，当大于128时，Insert性能开始逐渐出现明显波动和下降；




• 当线程数量达到128时，MongoDB的Insert性能达到峰值，约为19万；




• 平均延迟随线程数量的增加而增加，且增加速度越来越快；

2、Read / Update性能 VS 线程数

①   百万级数据量（500万）

• 对百万级数据的操作，MongoDB读性能优于写性能，随着写的比重增加，吞吐率明显减少，且系统延迟明显增加；




• 只读、读多写少、读写混合、读少写多，这四个场景均在线程数达到128时达到峰值，分别约为23万、20万、16万、14万；




• 随着线程数的增加，写比重越大，其吞吐率波动性越大，越不稳定，且当线程数高于128时，吞吐率下降越明显，系统延迟增加越明显（即MongoDB读操作在数据量较少时稳定性更强）；




• 对百万级数据的操作，当写比重超过50%时，吞吐率出现明显下降，且随线程数增加而越发明显。

②  千万级数据量（3000万）

• 对千万级数据的操作，MongoDB读性能优于写性能，随着写的比重增加，吞吐率明显减少，且系统延迟明显增加；




• 只读、读多写少、读写混合、读少写多，这四个场景均在线程数达到128时达到峰值，分别约为17万、12万、7万、4万；




• 读写吞吐率均在线程数由1增加到64时，增长率最高。

③  亿级数据量（1亿）

• 对亿级数据的操作，MongoDB读性能优于写性能，随着写的比重增加，吞吐率明显减少，且系统延迟明显增加；




• 只读、读多写少、读写混合、读少写多，这四个场景均在线程数达到64时达到峰值，分别约为7万、4万、2.5万、2万；




• 对亿级数据的操作，当写比重稍微增加，吞吐率直线下滑，并随线程数增加而越发明显；




• 当线程数高于64时，四个场景的吞吐率均出现明显下降。 

3、Read / Update性能 VS 数据规模

①吞吐率

• 随着数据量的增加（百万级、千万级、亿级），MongoDB的读写吞吐率均下降；




• 在数据量达到亿级时，MongoDB读操作的吞吐率还能维持在较高的水平。

②系统延迟

• 随着数据量的增加（百万级、千万级、亿级），MongoDB的读写延迟明显增加；




• 写操作是造成系统延迟的主要因素，并且随着数据量和写比重的增加，造成的延迟增加的影响会逐渐放大。

三、MongoDB的使用建议？

通过以上测试数据和分析说明，给出如下结论：

• MongoDB读性能优于写性能（吞吐率、稳定性）；




• MongoDB在TS90上的针对中小数据量的读写，以128线程为最优，对于大数据量的读写，以64线程为最优；




• MongoDB写操作对整体吞吐率的影响，随着数据量的增加而越发明显；




• 写操作比读操作更容易造成系统延迟，并且随着数据量的增大，造成的影响越发明显；




• 单个集合达到亿级数据量时，MongoDB的读写性能均有明显下降，设计集合时，应尽量将集合的文档数量控制在亿级以下。

【数据库评测报告】MongoDB的主要内容就是以上这些了（本测试只是针对小规模大数据进行了压力测试，对于大文件的测试以及在集群环境中的性能测试还在酝酿当中），测试在进行过程中由于网络条件、数据库配置等因素的影响，可能无法发挥出TS90机器的最大性能，但在一定程度上对于数据库选型具有参考价值。还想了解测试的参数和细节的朋友可以继续往下读。

四、环境配置包括哪些？

1、硬件环境

2、软件环境

3、测试细节

（1）测试工具

所谓工欲善其事，必先利其器，对于测试工具的选择会直接对测试的结果产生较大影响，一个好的测试首要要解决的必然是选择哪款测试工具。本次测试采用的测试工具是YCSB，肯定很多人会问，为什么NoSQL测试工具那么多，为什么会选择YCSB呢？这款性能测试工具的轻量级设计、多兼容性、支持多场景和多线程等特性都足够碾压其他测试工具的，最重要的是MongoDB官方测试所采用的工具就是YCSB。下面详细给大家介绍一下这款工具的原理和优势。

YCSB是Yahoo开发的一个专门用来对新一代数据库进行基准测试的工具。全名是Yahoo! Cloud Serving Benchmar。上图是YCSB的结构，可以看成是一个数据库客户端。暗色的模块是可以替换的，Workload Executor是产生应用负载的，DB Interface Layer是将特定数据库的API转为YCSB的API，用户可以自定义负载和数据库。

 YCSB的包括以下几大特性：

• 支持常见的数据库读写操作，如插入，修改，删除及读取；




• 多线程支持，YCSB用Java实现，有很好的多线程支持；




• 灵活定义场景文件，可以通过参数灵活的指定测试场景；




• 数据请求分布方式多样，支持随机、Zipfian以及其他请求分布方式；




• 可扩展性强，可通过扩展Workload的方式来修改或者扩展YCSB的功能。

（2）测试流程

①  建立测试数据库database；

②  在数据库中建立结构相同的3个测试集合（Test_20、Test_80、Test_300）；

③  利用YCSB的S1场景向测试集合中分别插入一定数量的文档（500万、3000万、1亿）；

④  利用YCSB的S2~S5场景分别在3个测试集合上进行多线程测试；

⑤  结果数据的分析。

（3）测试场景

（4）测试表结构