• <ins id="pjuwb"></ins>
    <blockquote id="pjuwb"><pre id="pjuwb"></pre></blockquote>
    <noscript id="pjuwb"></noscript>
          <sup id="pjuwb"><pre id="pjuwb"></pre></sup>
            <dd id="pjuwb"></dd>
            <abbr id="pjuwb"></abbr>

            牽著老婆滿街逛

            嚴以律己,寬以待人. 三思而后行.
            GMail/GTalk: yanglinbo#google.com;
            MSN/Email: tx7do#yahoo.com.cn;
            QQ: 3 0 3 3 9 6 9 2 0 .

            把 MongoDB 當成是純內存數據庫來使用(Redis 風格)

            轉載自:http://www.oschina.net/translate/how-to-use-mongodb-as-a-pure-in-memory-db-redis-style

            英文原文:How to use MongoDB as a pure in-memory DB (Redis style)


             

            基本思想

            將MongoDB用作內存數據庫(in-memory database),也即,根本就不讓MongoDB把數據保存到磁盤中的這種用法,引起了越來越多的人的興趣。這種用法對于以下應用場合來講,超實用:

            • 置于慢速RDBMS系統之前的寫操作密集型高速緩存
            • 嵌入式系統
            • 無需持久化數據的PCI兼容系統
            • 需要輕量級數據庫而且庫中數據可以很容易清除掉的單元測試(unit testing)

            如果這一切可以實現就真是太優雅了:我們就能夠巧妙地在不涉及磁盤操作的情況下利用MongoDB的查詢/檢索功能。可能你也知道,在99%的情況下,磁盤IO(特別是隨機IO)是系統的瓶頸,而且,如果你要寫入數據的話,磁盤操作是無法避免的。

            MongoDB有一個非常酷的設計決策,就是她可以使用內存影射文件(memory-mapped file)來處理對磁盤文件中數據的讀寫請求。這也就是說,MongoDB并不對RAM和磁盤這兩者進行區別對待,只是將文件看作一個巨大的數組,然后按照字節為單位訪問其中的數據,剩下的都交由操作系統(OS)去處理!就是這個設計決策,才使得MongoDB可以無需任何修改就能夠運行于RAM之中。


            實現方法

            這一切都是通過使用一種叫做tmpfs的特殊類型文件系統實現的。在Linux中它看上去同常規的文件系統(FS)一樣,只是它完全位于RAM中(除非其大小超過了RAM的大小,此時它還可以進行swap,這個非常有用!)。我的服務器中有32GB的RAM,下面讓我們創建一個16GB的 tmpfs:

            # mkdir /ramdata
            # mount -t tmpfs -o size=16000M tmpfs /ramdata/
            # df
            Filesystem           1K-blocks      Used Available Use% Mounted on
            /dev/xvde1             5905712   4973924    871792  86% /
            none                  15344936         0  15344936   0% /dev/shm
            tmpfs                 16384000         0  16384000   0% /ramdata
            

            接下來要用適當的設置啟動MongoDB。為了減小浪費的RAM數量,應該把smallfilesnoprealloc設置為true。既然現在是基于RAM的,這么做完全不會降低性能。此時再使用journal就毫無意義了,所以應該把nojournal設置為true。

            dbpath=/ramdata
            nojournal = true
            smallFiles = true
            noprealloc = true
            

            MongoDB啟動之后,你會發現她運行得非常好,文件系統中的文件也正如期待的那樣出現了:

            # mongo
            MongoDB shell version: 2.3.2
            connecting to: test
            > db.test.insert({a:1})
            > db.test.find()
            { "_id" : ObjectId("51802115eafa5d80b5d2c145"), "a" : 1 }
            
            # ls -l /ramdata/
            total 65684
            -rw-------. 1 root root 16777216 Apr 30 15:52 local.0
            -rw-------. 1 root root 16777216 Apr 30 15:52 local.ns
            -rwxr-xr-x. 1 root root        5 Apr 30 15:52 mongod.lock
            -rw-------. 1 root root 16777216 Apr 30 15:52 test.0
            -rw-------. 1 root root 16777216 Apr 30 15:52 test.ns
            drwxr-xr-x. 2 root root       40 Apr 30 15:52 _tmp
            

            現在讓我們添加一些數據,證實一下其運行完全正常。我們先創建一個1KB的document,然后將它添加到MongoDB中4百萬次:

            > str = ""
            
            > aaa = "aaaaaaaaaa"
            aaaaaaaaaa
            > for (var i = 0; i < 100; ++i) { str += aaa; }
            
            > for (var i = 0; i < 4000000; ++i) { db.foo.insert({a: Math.random(), s: str});}
            > db.foo.stats()
            {
                    "ns" : "test.foo",
                    "count" : 4000000,
                    "size" : 4544000160,
                    "avgObjSize" : 1136.00004,
                    "storageSize" : 5030768544,
                    "numExtents" : 26,
                    "nindexes" : 1,
                    "lastExtentSize" : 536600560,
                    "paddingFactor" : 1,
                    "systemFlags" : 1,
                    "userFlags" : 0,
                    "totalIndexSize" : 129794000,
                    "indexSizes" : {
                            "_id_" : 129794000
                    },
                    "ok" : 1
            }
            

            可以看出,其中的document平均大小為1136字節,數據總共占用了5GB的空間。_id之上的索引大小為130MB。現在我們需要驗證一件 非常重要的事情:RAM中的數據有沒有重復,是不是在MongoDB和文件系統中各保存了一份?還記得MongoDB并不會在她自己的進程內緩存任何數據,她的數據只會緩存到文件系統的緩存之中。那我們來清除一下文件系統的緩存,然后看看RAM中還有有什么數據:
            # echo 3 > /proc/sys/vm/drop_caches 
            # free
                         total       used       free     shared    buffers     cached
            Mem:      30689876    6292780   24397096          0       1044    5817368
            -/+ buffers/cache:     474368   30215508
            Swap:            0          0          0
            

            可以看到,在已使用的6.3GB的RAM中,有5.8GB用于了文件系統的緩存(緩沖區,buffer)。為什么即使在清除所有緩存之后,系統中仍然還有5.8GB的文件系統緩存??其原因是,Linux非常聰明,她不會在tmpfs和緩存中保存重復的數據。太棒了!這就意味著,你在RAM只有一份數據。下面我們訪問一下所有的document,并驗證一下,RAM的使用情況不會發生變化:

            > db.foo.find().itcount()
            4000000
            
            # free
                         total       used       free     shared    buffers     cached
            Mem:      30689876    6327988   24361888          0       1324    5818012
            -/+ buffers/cache:     508652   30181224
            Swap:            0          0          0
            # ls -l /ramdata/
            total 5808780
            -rw-------. 1 root root  16777216 Apr 30 15:52 local.0
            -rw-------. 1 root root  16777216 Apr 30 15:52 local.ns
            -rwxr-xr-x. 1 root root         5 Apr 30 15:52 mongod.lock
            -rw-------. 1 root root  16777216 Apr 30 16:00 test.0
            -rw-------. 1 root root  33554432 Apr 30 16:00 test.1
            -rw-------. 1 root root 536608768 Apr 30 16:02 test.10
            -rw-------. 1 root root 536608768 Apr 30 16:03 test.11
            -rw-------. 1 root root 536608768 Apr 30 16:03 test.12
            -rw-------. 1 root root 536608768 Apr 30 16:04 test.13
            -rw-------. 1 root root 536608768 Apr 30 16:04 test.14
            -rw-------. 1 root root  67108864 Apr 30 16:00 test.2
            -rw-------. 1 root root 134217728 Apr 30 16:00 test.3
            -rw-------. 1 root root 268435456 Apr 30 16:00 test.4
            -rw-------. 1 root root 536608768 Apr 30 16:01 test.5
            -rw-------. 1 root root 536608768 Apr 30 16:01 test.6
            -rw-------. 1 root root 536608768 Apr 30 16:04 test.7
            -rw-------. 1 root root 536608768 Apr 30 16:03 test.8
            -rw-------. 1 root root 536608768 Apr 30 16:02 test.9
            -rw-------. 1 root root  16777216 Apr 30 15:52 test.ns
            drwxr-xr-x. 2 root root        40 Apr 30 16:04 _tmp
            # df
            Filesystem           1K-blocks      Used Available Use% Mounted on
            /dev/xvde1             5905712   4973960    871756  86% /
            none                  15344936         0  15344936   0% /dev/shm
            tmpfs                 16384000   5808780  10575220  36% /ramdata
            

            果不其然! :)


            復制(replication)呢?

            既然服務器在重啟時RAM中的數據都會丟失,所以你可能會想使用復制。采用標準的副本集(replica set)就能夠獲得自動故障轉移(failover),還能夠提高數據讀取能力(read capacity)。如果有服務器重啟了,它就可以從同一個副本集中另外一個服務器中讀取數據從而重建自己的數據(重新同步,resync)。即使在大量數據和索引的情況下,這個過程也會足夠快,因為索引操作都是在RAM中進行的 :)

            有一點很重要,就是寫操作會寫入一個特殊的叫做oplog的collection,它位于local數據庫之中。缺省情況下,它的大小是總數據量的5%。在我這種情況下,oplog會占有16GB的5%,也就是800MB的空間。在拿不準的情況下,比較安全的做法是,可以使用oplogSize這個選項為oplog選擇一個固定的大小。如果備選服務器宕機時間超過了oplog的容量,它就必須要進行重新同步了。要把它的大小設置為1GB,可以這樣:

            oplogSize = 1000
            


             

            分片(sharding)呢?

            既然擁有了MongoDB所有的查詢功能,那么用它來實現一個大型的服務要怎么弄?你可以隨心所欲地使用分片來實現一個大型可擴展的內存數據庫。配置服務器(保存著數據塊分配情況)還還是用過采用基于磁盤的方案,因為這些服務器的活動數量不大,老從頭重建集群可不好玩。

            注意事項

            RAM屬稀缺資源,而且在這種情況下你一定想讓整個數據集都能放到RAM中。盡管tmpfs具有借助于磁盤交換(swapping)的能力,但其性能下降將非常顯著。為了充分利用RAM,你應該考慮:

            • 使用usePowerOf2Sizes選項對存儲bucket進行規范化
            • 定期運行compact命令或者對節點進行重新同步(resync)
            • schema的設計要相當規范化(以避免出現大量比較大的document)

            結論

            寶貝,你現在就能夠將MongoDB用作內存數據庫了,而且還能使用她的所有功能!性能嘛,應該會相當驚人:我在單線程/核的情況下進行測試,可以達到每秒20K個寫入的速度,而且增加多少個核就會再增加多少倍的寫入速度。


            posted on 2014-05-29 22:57 楊粼波 閱讀(492) 評論(0)  編輯 收藏 引用

            久久国产精品无码一区二区三区 | 久久se精品一区精品二区国产| 麻豆成人久久精品二区三区免费| 日韩精品久久久肉伦网站| .精品久久久麻豆国产精品| 国产亚洲美女精品久久久| 久久国产色av免费看| 国产叼嘿久久精品久久| 欧洲成人午夜精品无码区久久| 91精品国产91热久久久久福利 | 久久成人国产精品一区二区| 国产精品国色综合久久| 久久婷婷人人澡人人| 亚洲va中文字幕无码久久不卡| 久久久精品午夜免费不卡| 欧美一区二区久久精品| 国产成人精品久久亚洲高清不卡 国产成人精品久久亚洲高清不卡 国产成人精品久久亚洲 | 国内精品久久久久伊人av| 欧美国产精品久久高清| 国产精品久久久久久久 | 精品久久久无码人妻中文字幕豆芽| 久久AⅤ人妻少妇嫩草影院| 国产精品久久久久久久久| 狠狠色噜噜色狠狠狠综合久久| 99久久精品九九亚洲精品| 国内精品人妻无码久久久影院| 久久国产劲爆AV内射—百度| 思思久久99热免费精品6| 久久激情五月丁香伊人| 国产99久久久久久免费看| 九九久久99综合一区二区| 国产精品免费福利久久| 久久久无码精品亚洲日韩按摩 | 久久久国产精品亚洲一区| 久久亚洲AV成人无码软件| 亚洲午夜久久久| 日批日出水久久亚洲精品tv| 日本亚洲色大成网站WWW久久 | 久久精品中文字幕久久| 青青草国产精品久久| 办公室久久精品|