NoSQL&MongoDB
MongoDB:
Is NoSQL(技术的实现，并非是一个特定的技术，与RMDS对立):Not only SQL
大数据问题:BigData,eg:同时访问几个页面，代码实现几个页面访问量的大小？
Four Systems：1、并行数据库：水平切分，分区查询
2、NoSQL数据库管理系统：非关系模型、分布式、不支持ACID数据库设计模式(ACID：指数据库事务正确执行的四个基本要素缩写，即 原子性Atomicity、一致性Consistency、隔离性Isolation、持久性Durability)
NoSQL特点：简单数据模型；元数据和数据分离；弱一致性；高吞吐量；高水平扩展能力和低端硬件集群
3.NewSQL数据库管理系统【include Nosql & ACID & SQL】
代理产品：Clustrix、GenieDB、ScalArc、ScaleDB、NimbusDB、Drizzle等
4.云数据管理
|
ACID |
BASE |
|
Strong consistency |
Weak consistency |
|
Isolation |
Availability first |
|
Focus on “commit” |
Best effort |
|
Nested transactions |
Approximate answer |
|
Availability |
Aggressive(optimistic) |
|
Conservative |
Simpler |
|
Difficult evolution(schema) |
Faster 、 Easier evolution |
大数据的分析处理：MapReduce
CAP[分布式领域CAP
（Consistency一致性、
Availability可用性、
Partition tolerance分区容错性）理论]
—注：任何分布式系统只可同时满足两点，没法三点兼顾。
（弱一致性/）最终一致性划分：因果一致性；（read your own wiriting）读 自己写一致性；会话一致性；单调（数学上单一方向）读一致性；时间轴一致性；
ACID:强一致性、隔离性、采用悲观保守的方法、难以变化；
BASE:弱一致性、可用性优先、采用乐观的方法、适应变化、更简单、更快
数据一致性的实现技术：NRW 2PC Paxos Vector Clock
数据存储模型：www.nosql.databases.org
列式存储模型Wide Column Store/Column Families
文档数据模型Document Store
镜像数据模型Key Value/Tuple Store(hash表)
图式数据模型Graph Databases
多维数据模型Multimodel Databases
列式模型：
应用场景：在分布式文件系统之上提供支持随机读写的分布式数据存储
典型产品：HBase、HyperTable、Cassandra
数据模型：以“列”为中心进行存储，将同一列数据存储在一起
优点：快速查询、高可扩展性、易于实现分布式扩展
文档模型：
应用场景：非强事务需求的web应用
典型产品：MongoDB、ElasticSearch、CouchDB、CouchBase Server
数据模型：键值模型、存储为文档
优点：数据模型无需事先定义
键值模型：
应用场景：内容缓存，用于大量并行数据访问高负载场景
典型产品：DynamoDB、Riak、Redis
数据模型：基于哈希表实现的key-value
优点：查询迅速
图式模型：
应用场景：社交网络、推荐系统、关系图谱
典型产品：Neo4j。Infinite Graph
数据模型：图式结构
优点：适用于图式计算场景
MongoDB：NoSQL、文档存储。Json
Database：支持多个database
常用命令：
Help
db.help();
db.stats()
db.serverStatus()数据库状态;mongodb数据库服务器状态
show dbs
show collections
db.getCollectionNames()
CRUD（数据库操作）：
DDL,DML
JSON:JavaScript Object Notation
名称/值对象的集合
值的有序列表
find()的高级用法：
比较操作：
$gt,语法格式（filed：{$gt：VALUE}）
$gte
$lt
$lte
$ne
$in,语法格式{filed：{[<value>]}}
$nin
组合条件：逻辑运算
$or:或运算，语法格式{$or:[{<expression1>},…]}
$and:与运算
$not:非运算
$nor:反运算，返回不符指定条件的所有文档
元素查询：根据文档中是否存在指定的字段进行的查询
db.mycoll.find().limit();
count()
skip()
$exists:语法格式{$filed:{exists:<boolean>}}
$mod:
$type:返回指定字段的值的类型为指定类型的文档，语法格式{filed:{$type:<BSON type>}}
1.Double,2.String,3.Object,Array,Binary data, Undefined, Boolean, Data, Null, Regular Expression, JavaScript, Timestamp
更新操作：
db.mycoll.update()
$set:修改字段的值为新指定的值；语法格式({field：value},{$set:{filed:new_value}})
$unset:删除指定字段：语法格式({filed:value},{$unset:{field1,field2,…}})
$rename:更新字段名：语法格式({$rename:{oldname:newname,oldname:newname}})
$inc
删除操作：
db.mycoll.remove(<cquery>,<justOne>)
删除collection：
db.mycoll.drop()
删除database
db.dropDatabase()
db.mycoll.drop()
php+mongodb:
php的mongodb扩展
索引：
类型：B+ Tree hash 空间索引 全文索引
MongoDB索引类型：
单字段索引
组合索引（多字段索引）
多键索引
空间索引
文本索引
Hash索引
MongoDB与索引相关的方法：
db.mycoll.ensureIndex(field[,options])
name,unique,dropDups,sparse
db.mycoll.dropIndex(index_name)
db.mycoll.dropIndexes()
db.mycoll.getIndexes()
db.mycoll.reIndex()
Mongod的常用选项：
Fork=(true|false):mongod是否运行在后台
Bind_ip=IP:指定监听的地址
port=PORT：指定监听的端口
maxConns：并发最大连接数
MongoDB的复制功能：
两种类型：
master/slave
replice set:复制集、副本集
服务于同一数据集的多个mongodb实例
主节点将数据修改操作保存至oplog中
Arbiter：仲裁者
工作特性：至少三个，且应该为奇数个节点；可以使用arbiter来参与选举；
Heartbeat（2s），自动失效转移（通过选举方式实现）
复制集的中节点分类：
0优先级的节点：冷备节点，不会被选举成为主节点，但可以参与选举；
被隐藏从节点：首先是一个0优先 级的从节点，且对客户端不可见；
延迟复制的从节点：首先是一个0优先级的从节点，且复制时间落后于主节点一个固定时长；
Arbiter：
MongoDB的复制架构：
Oplog
Heartbeat
Oplog：大小固定的文件，存储在local数据库
初始同步（initial sync）
回滚后追赶（post-rollback catch-up）
切分块迁移（sharding chunk migration）
Local：存放了副本集的所有元数据和oplog；用于存储oplog的是一个名为oplog.rs的collection；
Oplog.rs的大小依赖于OS及文件系统；但可以自定义其大小oplogSize
Mongo的数据同步类型：
初始同步：节点没有任何数据时
节点丢失副本复制历史
复制
初始同步的步骤：
- 克隆所有数据库
- 应用数据集的所有改变；复制oplog并应用于本地
- 为所有collection构建索引
副本集的重新选举的影响条件：
心跳信息
优先级
Optime：
网络连接
网络分区
选举机制：
触发选举的事件
新副本集初始化时
从节点联系不到主从点时
主节点“下台“时
主节点收到stepDown（）命令时
某从节点有更高的优先级且已经满足或主节点其他所有条件
主节点无法联系到副本集的“多数方
MongoDB的分片：CPU Memory IO
MySQL：Ginzard，HiveDB,MySQL Proxy + HSACLE,Hibernate Shard，Pyshards“
分片架构中成都角色：
Mongos：Router
Config server：元数据服务器
Shard：数据节点，也称mongod实例
Zookeeper
基于范围切片：range
基于列表切片：list
基于hash切片：hash
写离散，读集中
Db.enableSharding(“testdb”)
