为了方便处理，需要对集合类数据进行操作等原因。经过深思熟虑，最终还是决定放弃使用MySQL，选择MongoDB。这两个数据库大家应该都不陌生。它们最大的区别在于MySQL是关系型数据库，而MongoDB是非关系型数据库。常见的关系型数据库包括：MySQL、Oracle、DB2、SQLServer、PostgreSQL等。非关系型数据库包括MongoDB、Redis、Memcached、HBse等。1关系型数据库？非关系型数据库？关系数据库可以理解为依赖模型创建的数据库。比如我们使用的MySQL中的表就是一个由水平列和垂直列组成的二维表。关系型数据库可以通过关系模型将多个表中的数据关联起来，比如我们通常所说的一对一、一对多、多对一。因为它是基于数据模型的，所以我们可以很方便的通过SQL语句在多个表之间进行复杂的查询操作。关系型数据库相对安全，因为是直接存储在硬盘中，所以突然宕机、断电等意外不会造成数据丢失。MySQL的存储方式是由它自己的引擎决定的，常用的引擎有Innodb和MyISAM。它们的主要区别是MyISAM不支持事务，而是强调性能，执行速度比Innodb快。Innodb提供高级数据库功能，例如支持事务。非关系型数据库就是我们常说的NoSQL数据库。它们部署起来相对简单，不像关系数据库那么复杂。Mongo的存储方式是虚拟内存+持久化存储。Mongo将数据写入内存，然后通过虚拟内存管理器持久化到硬盘，所以写操作会比关系型数据库快很多。NOSQL的存储格式是key-value格式，可以像关系数据库一样存储基本数据类型的数据，也可以存储集合、对象等。NoSQL虽然性能比较高，但是不支持事务，也不能进行联表查询，一般用于大规模数据存储。2它们的优缺点是什么？关系数据库已经发展了很长时间，有一个非常成熟的体系。份额也在逐渐增加。而且它支持物的操作，保证数据的一致性，可以通过SQL语句完成复杂的操作。但是，当使用过程中数据量达到一定程度时，关系型数据库的效率就会明显下降。对于一个复杂的查询操作，一系列的组合索引会消耗大量的内存空间。这时候，我们就需要对数据库进行读写分离操作，或者对数据库结构进行拆分（水平拆分、垂直拆分）来降低请求压力。在不同的库中共享。垂直拆分是指将一个表拆分为多个表，表之间通过主键关联。水平拆分就是按照一定的规则拆分成多个表，比如按用户角色拆分读写分离：所谓读写分离，就是读操作（查询数据）和写操作（insert&update）指向不同的表databases节点，其中通过某种机制实现数据同步，比如binlog。在实际应用中，大部分压力还是来自读操作，所以主要是一主多从的架构。非关系型数据库在过去几年的发展中，深受人们的喜爱。免费开源、成本低、部署简单、非结构化存储等明显优势。而且它对海量数据的处理能力非常强，内存级数据库的查询速度非常快。存储的数据格式比较丰富，易于扩展。虽然sql不能用于复杂的查询，但是MongoDB支持JavaScript，所以可以通过js脚本进行复杂的数据库管理操作。关于NoSQL的缺点，个人感觉目前不支持东西，其他方面问题不大。3什么时候使用mongoMongo是用C++编写的，支持多种语言如：Java、Python、Ruby、PHP、C++、C#等。有时候，针对不同的业务需求，选择Mongo可以避免浪费很多不必要的资源。日志系统系统运行过程中产生的日志信息一般种类多、范围大、内容杂乱。这些乱七八糟的日志可以通过MongoDB进行收集和管理。不仅方便管理，而且查找或导出也非常方便。地理位置存储MongoDB支持地理位置，二维空间索引，可以存储经纬度，因此可以快速计算出两点之间的距离等位置信息。比如查询附近的人，或者点餐系统、配送系统等，数据规模增长很快。前面提到，当关系型数据库的数据量过大时，需要分库分表，实际操作起来可能会比较麻烦。如果选择mongo进行分库分表操作，会变得非常简单。保证高可用环境Mongo本身有高可用和分区的解决方案。搭建主从服务器非常方便。此外，Mongo还可以快速、安全地转移故障节点。文件存储要求GridFS是MongoDB规范，用于存储和检索图片、音频、视频等大文件。GridFS虽然是一种文件存储方式，但是可以存储超过16M的文件。但是它本身是存储在其他场景的MongoDB集合中的。比如在游戏开发中，我们可以通过MongoDB存储用户信息、装备、积分等。除了物流系统、社交系统，甚至物联网系统，Mongo还可以提供*最新的数据存储服务。4MySQL和MongoDB的简单性能测试关于这两个数据的性能，最厉害的话就是通过实践来测试。在网上看到了一组测试数据，分享给大家。测试环境：Windows10，内存8G，CPUi53.30GHZ。无索引测试语言：Python链接工具：pymysql、pymongoMySQL&&Mongo测试数据统计
