貴金屬(注：貴金屬為筆者部門業(yè)務(wù))的行情系統(tǒng)提供的接口通過Redis獲取數(shù)據(jù)，目前使用Redis最多只存儲了大概8000條左右的分鐘k的行情數(shù)據(jù)，考慮到將來可能會有更大數(shù)據(jù)量的查詢需求，需要查詢幾月甚至幾年的行情數(shù)據(jù)，要求數(shù)據(jù)庫在提供功能的同時(shí)又能保證性能和穩(wěn)定性。Redis通常只用做較小數(shù)據(jù)量的內(nèi)存數(shù)據(jù)庫，而傳統(tǒng)關(guān)系數(shù)據(jù)庫又有一定的查詢性能瓶頸，所以考慮調(diào)研一下其它的NoSQL數(shù)據(jù)庫。

一、為什么調(diào)研MongoDB?

圖1-1是DB-Engines2017年11月數(shù)據(jù)庫的排名統(tǒng)計(jì)，可以看到MongoDB總排名在第5，在NoSQL數(shù)據(jù)庫中排名第1。

圖1-1 DB-Engines2017年11月數(shù)據(jù)庫的排名統(tǒng)計(jì)

優(yōu)點(diǎn)：

• 社區(qū)活躍，用戶較多，應(yīng)用廣泛
• MongoDB在內(nèi)存充足的情況下數(shù)據(jù)都放入內(nèi)存且有完整的索引支持，查詢效率較高
• MongoDB的分片機(jī)制，支持海量數(shù)據(jù)的存儲和擴(kuò)展

缺點(diǎn)：

• 不支持事務(wù)
• 不支持join、復(fù)雜查詢

初步調(diào)研下來，MongoDB具備我們需要的特性，而缺點(diǎn)不影響應(yīng)用場景，故接下來我們就開始做實(shí)際的性能壓測。

二、壓測性能對比

1、準(zhǔn)備條件

(1)MySQL 、MongoDB數(shù)據(jù)庫所在服務(wù)器硬件環(huán)境

表2-1 服務(wù)器硬件環(huán)境主要參數(shù)

(2)***的數(shù)據(jù)庫版本

MongoDB server version: 3.4.5

MongoDB client version: mongo-java-driver-2.14.3

MySQL server version:5.6.34

MySQL connector version: MySQL-connector-java-6.0.6

MongoDB使用的儲存引擎wiredTiger

MySQL使用的儲存引擎InnoDB

(3)數(shù)據(jù)庫表結(jié)構(gòu)及索引

MongoDB索引為dateTime 且是唯一索引。我們實(shí)際測試使用的MongoDB數(shù)據(jù)結(jié)構(gòu)及字段如圖2-1所示。

圖2-1 MongoDB數(shù)據(jù)表記錄示例

MySQL索引為DATETIME,PARTNER_ID,GOODS_ID,SCOPE且是唯一索引。我們實(shí)際測試使用的MySQL數(shù)據(jù)結(jié)構(gòu)及字段如圖2-2所示。

圖2-2 MySQL數(shù)據(jù)表記錄示例

SQL語句根據(jù)datetime字段進(jìn)行時(shí)間范圍的查詢

(4)連接池***連接數(shù)都設(shè)置為200個(gè)，SQL語句調(diào)到***

2、百萬、***別的下不同查詢量不同并發(fā)量的壓測結(jié)果

數(shù)據(jù)庫表中記錄數(shù)總量在百萬、***別的壓測數(shù)據(jù)及結(jié)果如表2-2所示。

表2-2 百萬、***別的壓測數(shù)據(jù)及結(jié)果

3、億級別的下不同查詢量不同并發(fā)量的壓測結(jié)果

數(shù)據(jù)庫表中記錄數(shù)總量在億級別的壓測數(shù)據(jù)及結(jié)果如表2-3所示。

表2-3 億級別的壓測數(shù)據(jù)及結(jié)果

壓測結(jié)果分析：

• 當(dāng)每次查詢數(shù)據(jù)量在500條時(shí)，無論表中數(shù)據(jù)總量千萬或者億級別，MySQL和MongoDB在100線程并發(fā)的情況下查詢性能相當(dāng)，表現(xiàn)良好，平均響應(yīng)時(shí)間在500ms以內(nèi)，TPS在230左右。
• 當(dāng)每次查詢數(shù)據(jù)量在5000條時(shí)，表中數(shù)據(jù)總量為***別時(shí)，MongoDB在50線程并發(fā)情況下查詢性能不及MySQL 的一半，100線程并發(fā)情況查詢性能都很差，平均響應(yīng)時(shí)間在4500ms左右，表中數(shù)據(jù)總量為億級別時(shí)，在50個(gè)及以上的并發(fā)情況下，MongoDB和MySQL性能都較差。

在本案例簡單數(shù)據(jù)模型下時(shí)間范圍內(nèi)的等值查詢應(yīng)用場景下，MongoDB在高并發(fā)條件下的大數(shù)據(jù)量查詢性能并沒有比MySQL更好。另外還有一點(diǎn)需要注意的是，在本案例中，數(shù)據(jù)總量由***別到***別再到億級別的變化過程中，對于查詢性能的影響都不是很大，但對于查詢數(shù)據(jù)量的數(shù)倍增長卻十分敏感，所以在考量數(shù)據(jù)庫查詢性能時(shí)，也要重點(diǎn)考量應(yīng)用的單次查詢量的需求。

盡管MongoDB在我們的這種應(yīng)用場景下并沒有達(dá)到預(yù)期的性能，我們也簡單地的調(diào)研了下MySQL和MongoDB對于內(nèi)存的使用機(jī)制以及一些可能影響查詢效率的內(nèi)部配置。

三、MySQL和MongoDB內(nèi)存結(jié)構(gòu)

1、InnoDB內(nèi)存使用機(jī)制

InnoDB體系結(jié)構(gòu)如圖3-1所示。

圖3-1 InnoDB體系結(jié)構(gòu)

壓測MySQL使用的是InnoDB存儲引擎，InnoDB關(guān)于查詢效率有影響的兩個(gè)比較重要的參數(shù)分別是innodb_buffer_pool_size，innodb_read_ahead_threshold。

innodb_buffer_pool_size指的是InnoDB緩沖池的大小，本例中InnoDB緩沖池大小為20G，該參數(shù)的大小可通過命令指定innodb_buffer_pool_size 20G。緩沖池使用改進(jìn)的LRU算法進(jìn)行管理，維護(hù)一個(gè)LRU列表、一個(gè)FREE列表，F(xiàn)REE列表存放空閑頁，數(shù)據(jù)庫啟動時(shí)LRU列表是空的，當(dāng)需要從緩沖池分頁時(shí)，首先從FREE列表查找空閑頁，有則放入LRU列表，否則LRU執(zhí)行淘汰，淘汰尾部的頁分配給新頁。

innodb_read_ahead_threshold相對應(yīng)的是數(shù)據(jù)預(yù)加載機(jī)制，innodb_read_ahead_threshold 30表示的是如果一個(gè)extent中的被順序讀取的page超過或者等于該參數(shù)變量的，InnoDB將會異步的將下一個(gè)extent讀取到buffer pool中，比如該參數(shù)的值為30，那么當(dāng)該extent中有30個(gè)pages被sequentially的讀取，則會觸發(fā)InnoDB linear預(yù)讀，將下一個(gè)extent讀到內(nèi)存中;在沒有該變量之前，當(dāng)訪問到extent的***一個(gè)page的時(shí)候，InnoDB會決定是否將下一個(gè)extent放入到buffer pool中;可以在MySQL服務(wù)端通過show InnoDB status中的Pages read ahead和evicted without access兩個(gè)值來觀察預(yù)讀的情況：

Innodb_buffer_pool_read_ahead：表示通過預(yù)讀請求到buffer pool的pages;

Innodb_buffer_pool_read_ahead_evicted：表示由于請求到buffer pool中沒有被訪問，而驅(qū)逐出內(nèi)存的頁數(shù)。

可以看出來，MySQL的緩沖池機(jī)制是能充分利用內(nèi)存且有預(yù)加載機(jī)制，在某些條件下目標(biāo)數(shù)據(jù)完全在內(nèi)存中，也能夠具備非常好的查詢性能。

2、MongoDB的存儲結(jié)構(gòu)及數(shù)據(jù)模型

(1)本例中MongoDB使用的儲存引擎是WiredTiger，WiredTiger的結(jié)構(gòu)如圖3-2所示。

圖3-2 WiredTiger Engine的結(jié)構(gòu)

WiredTiger Cache的實(shí)現(xiàn)原理圖如圖3-3所示。

圖3-3 WiredTiger Cache的實(shí)現(xiàn)原理圖

Wiredtiger的Cache采用Btree的方式組織，每個(gè)Btree節(jié)點(diǎn)為一個(gè)page，root page是btree的根節(jié)點(diǎn)，internal page是btree的中間索引節(jié)點(diǎn)，leaf page是真正存儲數(shù)據(jù)的葉子節(jié)點(diǎn);btree的數(shù)據(jù)以page為單位按需從磁盤加載或?qū)懭氪疟P。

可以通過在配置文件中指定storage.wiredTiger.engineConfig.cacheSizeGB參數(shù)設(shè)定引擎使用的內(nèi)存量。此內(nèi)存用于緩存工作集數(shù)據(jù)(索引、namespace，未提交的write，query緩沖等)。

(2)數(shù)據(jù)模型

內(nèi)嵌 

MongoDB的文檔是無模式的，所以可以支持各種數(shù)據(jù)結(jié)構(gòu)，內(nèi)嵌模型也叫做非規(guī)格化模型(denormalized)。在MongoDB中，一組相關(guān)的數(shù)據(jù)可以是一個(gè)文檔，也可以是組成文檔的一部分。

圖3-4 內(nèi)嵌文檔示例

內(nèi)嵌類型支持一組相關(guān)的數(shù)據(jù)存儲在一個(gè)文檔中，這樣的好處就是，應(yīng)用程序可以通過比較少的的查詢和更新操作來完成一些常規(guī)的數(shù)據(jù)的查詢和更新工作。

當(dāng)遇到以下情況的時(shí)候，我們應(yīng)該考慮使用內(nèi)嵌類型：

如果數(shù)據(jù)關(guān)系是一種一對一的包含關(guān)系，例如下面的文檔，每個(gè)人都有一個(gè)contact字段來描述這個(gè)人的聯(lián)系方式。像這種一對一的關(guān)系，使用內(nèi)嵌類型可以很方便的進(jìn)行數(shù)據(jù)的查詢和更新。

{ 
  ”_id”: , 
  ”name”: “Wilber”, 
  ”contact”: { 
     “phone”: “12345678”, 
     “email”: “wilber@shanghai.com” 
   } 
}  

如果數(shù)據(jù)的關(guān)系是一對多，那么也可以考慮使用內(nèi)嵌模型。例如下面的文檔，用posts字段記錄所有用戶發(fā)布的博客。在這中情況中，如果應(yīng)用程序會經(jīng)常通過用戶名字段來查詢改用戶發(fā)布的博客信息。那么，把posts作為內(nèi)嵌字段會是一個(gè)比較好的選擇，這樣就可以減少很多查詢的操作。

{ 
    “_id”: , 
    “name”: “Wilber”, 
    “contact”: { 
     ”phone”: “12345678”, 
     ”email”: “wilber@shanghai.com” 
   }, 
   ”posts”: [ 
   { 
     ”title”: “Indexes in MongoDB”, 
     ”created”: “12/01/2014”, 
     ”link”: “www.linuxidc.com” 
   }, 
   { 
     ”title”: “Replication in MongoDB”, 
     ”created”: “12/02/2014”, 
     ”link”: “www.linuxidc.com” 
   }, 
   { 
     ”title”: “Sharding in MongoDB”, 
     ”created”: “12/03/2014”, 
     ”link”: “www.linuxidc.com” 
   } 
  ] 
 }  

根據(jù)上面的描述可以看出，內(nèi)嵌模型可以給應(yīng)用程序提供很好的數(shù)據(jù)查詢性能，因?yàn)榛趦?nèi)嵌模型，可以通過一次數(shù)據(jù)庫操作得到所有相關(guān)的數(shù)據(jù)。同時(shí)，內(nèi)嵌模型可以使數(shù)據(jù)更新操作變成一個(gè)原子寫操作。然而，內(nèi)嵌模型也可能引入一些問題，比如說文檔會越來越大，這樣就可能會影響數(shù)據(jù)庫寫操作的性能，還可能會產(chǎn)生數(shù)據(jù)碎片(data fragmentation)。

引用 

相對于嵌入模型，引用模型又稱規(guī)格化模型(Normalized data models)，通過引用的方式來表示數(shù)據(jù)之間的關(guān)系。這里同樣使用來自MongoDB文檔中的圖片，在這個(gè)模型中，把contact和access從user中移出，并通過user_id作為索引來表示它們之間的聯(lián)系。

圖3-5 引用文檔示例

當(dāng)我們遇到以下情況的時(shí)候，就可以考慮使用引用模型了：

• 使用內(nèi)嵌模型往往會帶來數(shù)據(jù)的冗余，卻可以提升數(shù)據(jù)查詢的效率。但是，當(dāng)應(yīng)用程序基本上不通過內(nèi)嵌模型查詢，或者說查詢效率的提升不足以彌補(bǔ)數(shù)據(jù)冗余帶來的問題時(shí)，我們就應(yīng)該考慮引用模型了。
• 當(dāng)需要實(shí)現(xiàn)復(fù)雜的多對多關(guān)系時(shí)，可以考慮引用模型。比如我們熟知的例子，學(xué)生-課程-老師關(guān)系，如果用引用模型來實(shí)現(xiàn)三者的關(guān)系，可能會比內(nèi)嵌模型更清晰直觀，同時(shí)會減少很多冗余數(shù)據(jù)。
• 當(dāng)需要實(shí)現(xiàn)復(fù)雜的樹形關(guān)系時(shí)，可以考慮引用模型。

四、應(yīng)用場景分析

1、MongoDB的應(yīng)用場景

(1)表結(jié)構(gòu)不明確且數(shù)據(jù)不斷變大

MongoDB是非結(jié)構(gòu)化文檔數(shù)據(jù)庫，擴(kuò)展字段很容易且不會影響原有數(shù)據(jù)。內(nèi)容管理或者博客平臺等，例如圈子系統(tǒng)、存儲用戶評論之類的。

(2)更高的寫入負(fù)載

MongoDB側(cè)重高數(shù)據(jù)寫入的性能，而非事務(wù)安全，適合業(yè)務(wù)系統(tǒng)中有大量“低價(jià)值”數(shù)據(jù)的場景。本身存的就是json格式數(shù)據(jù)。例如做日志系統(tǒng)。

(3)數(shù)據(jù)量很大或者將來會變得很大

MySQL單表數(shù)據(jù)量達(dá)到5-10G時(shí)會出現(xiàn)明細(xì)的性能降級，需要做數(shù)據(jù)的水平和垂直拆分、庫的拆分完成擴(kuò)展，MongoDB內(nèi)建了sharding、很多數(shù)據(jù)分片的特性，容易水平擴(kuò)展，比較好的適應(yīng)大數(shù)據(jù)量增長的需求。

(4)高可用性

自帶高可用，自動主從切換(副本集)[[209973]]

不適用的場景 

(1)MongoDB不支持事務(wù)操作，需要用到事務(wù)的應(yīng)用建議不用MongoDB。

(2)MongoDB目前不支持join操作，需要復(fù)雜查詢的應(yīng)用也不建議使用MongoDB。

2、關(guān)系型數(shù)據(jù)庫和非關(guān)系型數(shù)據(jù)庫的應(yīng)用場景對比

關(guān)系型數(shù)據(jù)庫適合存儲結(jié)構(gòu)化數(shù)據(jù)，如用戶的帳號、地址：

• 這些數(shù)據(jù)通常需要做結(jié)構(gòu)化查詢，比如join。這時(shí)候，關(guān)系型數(shù)據(jù)庫就要勝出一籌
• 這些數(shù)據(jù)的規(guī)模、增長的速度通常是可以預(yù)期的
• 事務(wù)性、一致性

NoSQL適合存儲非結(jié)構(gòu)化數(shù)據(jù)，如文章、評論：

• 這些數(shù)據(jù)通常用于模糊處理，如全文搜索、機(jī)器學(xué)習(xí)
• 這些數(shù)據(jù)是海量的，而且增長的速度是難以預(yù)期的
• 根據(jù)數(shù)據(jù)的特點(diǎn)，NoSQL數(shù)據(jù)庫通常具有***(至少接近)伸縮性
• 按key獲取數(shù)據(jù)效率很高，但是對join或其它結(jié)構(gòu)化查詢的支持就比較差