Question

适用场景

• 网站数据、缓存等大尺寸、低价值的数据
• 在高伸缩性的场景，用于对象及 JSON 数据的存储。

以下具备一条以上，就可以考虑选用 MongoDB

• 我的数据量是有亿万级或者需要不断扩容
• 需要 2000-3000 以上的读写每秒
• 新应用，需求会变，数据模型无法确定
• 我需要整合多个外部数据源
• 我的系统需要 99.999%高可用
• 我的系统需要大量的地理位置查询
• 我的系统需要提供最小的 latency
• 我要管理的主要数据对象<10

慎用场景	原因
PB 数据持久存储大数据分析数据湖	Hadoop、Spark 提供更多分析运算功能和工具，并行计算能力更强 MongoDB + Hadoop/Spark
搜索场景：文档有几十个字段，需要按照任意字段搜索并排序限制等	不建索引查询太慢，索引太多影响写入及更新操作
ERP、CRM 或者类似复杂应用，几十上百个对象互相关联	关联支持较弱，事务较弱
需要参与远程事务，或者需要跨表，跨文档原子性更新的	MongoDB 事务支持仅限于本机的单文档事务
100% 写可用：任何时间写入不能停	MongoDB 换主节点时候会有短暂的不可写设计所限

MongoDB 查询技巧

1. 限定返回结果条数和字段：可以减少开销。
2. 避免合用 skip 跳过大量结果。可以内置查询条件（需要用到带索引的排序字段），用上一次结果来计算下一次查询。
3. 避免使用 $where 。这个操作符不能用索引，需要先将 BSON 对象转化成 JSON 对象，才可以用 $where 表达式。通常它比常规查询慢得多。
4. MapReduce 不能作实时查询。MapReduce 有很好的聚合功能，用于统计，但执行时涉及远程交互，会比较慢。它适合处理大数据量的离线统计分析。