全新版本MongoDB数据存储席卷物联网

本文首先对物联网进行了模型抽象，着重和大家剖析了MongoDB解决方案，包括文档模型、高可用复制集、分片集群和Aggregation&MapReduce，最后分享了全新的MongoDB特性。

以下为内容整理：

MongoDB是文档型数据库，其核心的三大优势是灵活文档模型 、高可靠复制集、 高可扩展分片集群。在最新的 DB Engine Rank 的排名中，MongoDB 排在第4，是非关系型数据库领域的领头羊。

物联网模型抽象

物联网离我们越来越近，这主要得益于云计算和移动互联网技术的发展。物联网技术已经应用于智能家居、车联网等领域，我们进行模型抽象出物联网应用的共性，很多设备（Assets）通过智能的传感器采集很多数据并发到云端，这些设备不断的产生日志、数据、事件并发到云端，数据在云端进行存储计算后，会产生很多结果以接口的形式提供出去，方便我们开发更多的手机App和Web应用。

物联网存储需求

MongoDB 解决方案

文档模型

JSON 格式

JSON格式的好处：

• 最接近真实对象模型，对开发人员友好。

• Schema free，增加和删除字段非常灵活，直面灵活多变的需求，快速迭代。

• 数组、内嵌文档支持，数据聚集，读写性能提升。

应用场景比如设备增加新特性；事件日志，数组+内嵌文档。

Schema free

随时动态增加字段如图。

• 增加字段无需变更表结构。

• 在MongoDB3.2版本推出了文档校验，使其兼备灵活和严禁的特性。

内嵌

使用MongoDB可以把所有的记录作为这个设备的元素，以数组的形式存储起来，还可以划分，把每分钟汇报按小时为单位聚合存储，这样可以达到更少的文档、更快的查询。

GridFS

MongoDB 单个文档不能超过16MB，更大的文档可以使用 GridFS 来存储，例如物联网里 OTA 升级文件、图片视频等的存储。

GridFS原理：

• 文件内容分成多个文档存储在fs.chunks集合。

• 文件元信息存储在fs.files集合。

功能支持

数据压缩

MongoDB3.0之后推出了新的存储引擎Wiredtiger，Wiredtiger存储引擎对数据的压缩支持非常好，用户原来自建的MongoDB使用 mmapv1，迁到云上后换成Wiredtiger，磁盘的容量通常能下降到原来的10%-30%。

MongoDB对索引的支持非常丰富，下面重点介绍物联网场景里经常被使用到的位置索引和TTL索引，位置索引可用于构建各种基于地理位置的应用，而 TTL 索引可以实现设备历史数据自动过期的功能。

位置索引

MongoDB的位置索引可以针对一个字段，MongoDB支持两种类型的位置索引字段，点和更灵活的位置，只要字段是这种数据结构，就可以建立位置索引。建立位置索引后，就可以使用MongoDB的near和geoWithin查询操作服务。

TTL 索引

因为后端的存储数据有限，只能存储最近的数据，我们可以让MongoDB支持让指定数据在某段时间后过期。

TTL索引有两种应用模式：指定某段时间后过期和指定时间戳过期。MongoDB对TTL索引的支持是有限制的，针对Date类型字段建索引。MongoDB在执行TTL索引时，后台过期逻辑每分钟执行一次。

高可用复制集

高可用复制集特性如下：

• 自动故障检测，自动failover

• 数据多副本存储，保证数据安全

• 多节点可同时提供读服务

以三节点复制集为例，会有一个Primary和两个Secondary，复制集里的所有成员通过选举协议选出Primary，默认情况下，所有数据都是写到Primary且只能通过Primary写，读也是通过Primary来读。三节点数据存储三份，可以容忍两个副本失效，保证了数据的高可靠。当Primary挂掉后，另外两个Secondary会发起新选举，保证服务正常进行。

连接访问

MongoDB里面有Connection String URI，所有driver都支持Connection String URI方式连接，这个通用的连接串包含访问MongoDB的用户密码信息，可以指定多个节点的地址，可以指定鉴权数据库的信息。通过这种方式，只要在这个连接串里指定后端多个节点或指定 replicaSet 参数，正确连接复制集后，用户客户端连接到这个复制集后，会跟复制集的每一个成员建立一个心跳关系，会不断的监测后端复制集成员的变化情况，当后端出现主备切换时，driver 能自动感知。

WriteConcern

MongoDB通过WriteConcern保证数据高可靠，默认情况下，MongoDB 使用{w: 1}的 WriteConcern 级别，当数据写到 primary 就像客户端返回。对于非常重要的数据，可在写入时设置WriteConcern: { w: “majority”}，就会写到后端复制集成员的大多数，再向客户端返回，保证数据在有节点宕机时也能不丢失。

ReadPreference

MongoDB通过ReadPreference实现读写分离，可以指定读写对象。

可扩展分片集群

可扩展分片集群可以实现海量数据存储、高并发写入，例如物联网里大量设备汇报的日志数据。

MongoDB为了实现分片集群，引入了两个新的组件mongos和Config Servers，Config Servers存储分片集群的元数据。首先配置好某个集合，按照某个key进行分片，接下来一条写请求就会到mongos上，mongos去Config Servers上查询路由表，把请求路由到后端的分片上，就实现了分片集群的功能。

shardKey

MongoDB支持范围分片，每一个范围在MongoDB的分片集群里成为一个Chunk，每一个Chunk就会分到后面的Shard上，优点是能很好的支持范围查询需求。

MongoDB支持Hash分片，针对Key先计算一次Hash值，再根据Hash值进行范围分片，优点是能均匀的将写请求分散到不同的分片。

选择集合的 shardKey 时并没有一个很完美的方案，需要用户根据数据分布特性、请求特性来选择最优的 shardKey，使用时应该尽量避免以下三个问题：

• key 基数太小造成 jumbo chunk

• 写入分布不均，造成热点

• scatter/gather 查询影响效率

负载均衡

MongoDB在mongos中有balancer的任务，会周期性的扫描每个Shard当前负责的Chunk的数量，balancer根据shard持有的chunk数量自动负载均衡，balancer 运行时，要尽量主要如下2个问题。

• 合理设置 balancer 窗口，避开业务访问高峰期

• 备份时关闭 balancer，避免出现数据不一致的状态

数据分析

内建支持

Aggregation Pipeline支持很多的运算符，传统关系型数据库单表能做的Aggregation Pipeline都可以做；MongoDB支持MapReduce，可以在MongoDB的集合上写MapReduce的任务，数据分析后，又写回MongoDB。

外部框架

通过MongoDB Spark Connector，可直接在MongoDB数据集上运行 Spark ，与阿里云 E-MapReduce 完美结合。

MongoDB 云数据库

MongoDB云数据库从2015年底开始公测，2016年3月份正式商业化运营，目已在线上稳定运行超过半年时间，了解更多请访问https://www.aliyun.com/product/mongodb

云数据库全链路监控

图为内部全链路监控视图，可以精确的看到云数据库的每一个客户端的每一个连接，可以看到上行下行的带宽，请求速率，丢包率等，这对于查找线上问题是非常方便的。

MongoDB 内核优化

更多深度技术内容，请关注云栖社区微信公众号：yunqiinsight。