1、MongoDB高级应用场景及技术特点锦木信息唐峰MongoDB+PostgreSQL 中文社区南京大会RDBMS,MongoDB?NoSQL,MongoDB?哪些场景适合MongoDB？核心特点Document Model最佳的数据管理方式Distributed System智能得将数据放在需要的地方Run Anywhere自由得运行于任意平台文档模型模型易用 _id:123456,first_name:Mark,last_name:Smith,city:San Francisco,phones:number:1-212-777-1212,dnc:true,type:home,number:“

2、1-212-777-1213”,type:cell 举例金融行业资产管理案例?关系模型传统关系型设计模式客户ID名称地址组织机构代码营业执照矿井储量开工面积.发电量100001多多的电力xxxxxxxxxxxxxxxx100002大大的地产xxxxxxxxxxxxxxxx传统方案1：宽表客户ID名称地址100001深深的煤业xxxx客户IDMETRIC_NAMEMETRIC_VALUE100001生产许可证mtsc017100001矿井储量2000000100001矿井位置138.2031-124.4904100002百万吨死亡率2%传统方案2：主从表文档模型文档类型设计模式文档1 name:

3、“深深的矿业”,orgId:“70107890X”,industryInfo:type:“采矿”coalCertificate:“mtsc017”,location:38.2031,-120.4904 ,mineReserves：2000000,deathsByMT:0.02 文档2 name:“大大的地产”,orgId:“565425429”,industryInfo:type:“地产”,estateCertificate:“fdczz0000001”,areaPerYear：897600.00，salesAreaPerYear:300000.00 储量小于2000万吨：db.collect

4、ion.find(industryInfo.mineReserves:$lt:20000000 )事务支持4.0版本支持多文档事务with client.start_session()as s:s.start_transaction()try:collection.insert_one(doc1,session=s)collection.insert_one(doc2,session=s)mit_transaction()except Exception:s.abort_transaction()和关系数据库的事务操作一样语法基本一样任何应用都可以使用一个表或多个表中的多个文档都适用 ACID

5、 保证要么全成功，要么全失败 版本要求MongoDB 4.0,支持复制集，已经发布MongoDB 4.2:支持分片，预计19年发布文档模型性能强大、功能丰富性能强大功能丰富文档模型、自动分片PB级数据库支持地理位置查询图查询列表查询分布式扩展复制集&分片复制集支持2-50个节点自动恢复关键能力：-高可用-容灾-维护升级任务隔离：联机与分析作业隔离支持不同存储引擎（WireTiger、In-memory）分布式扩展复制集&分片分片策略：范围、哈希、标签弹性扩展与收缩数据自动均衡应用完全透明分布式扩展复制集&分片弹性扩展海量数据与高并发资源最佳分配冷热数据自动归档地理分布按地域就近读写一库多用不同

6、节点支持不同应用任意部署本地、云端、移动端核心特点最佳的数据管理方式智能的将数据放在需要的地方自由的运行于任意平台文档模型易用模型变更零代价性能表现优异查询功能丰富高可用复制集分片弹性扩展一库多用可插拔引擎就近数据读写服务器云（Atlas）容器移动端统一视图Single View金融互联网零售分析用户资产、信用、盈利、投资数据，控制风险，提供增值业务。根据用户行为与浏览内容，实时推荐感兴趣的商品、内容。全渠道用户信息清洗合并，生成标签信息，个性化活动推送与服务。统一视图Single View05功能要求MongoDB数据模型-数据来源于多个系统，数据格式差异大-随着业务发展，需要动态调整数据模

7、式数据模型-文档模型支持丰富的数据结构（Attribute Pattern）-灵活模式无变更成本查询-查询条件、类型多变-数据算法分析&快速可视化查询-丰富的查询、索引、聚合-数据可视化：MongoDB Charts&BI Connector-AI:Spark connector、R&Python Drivers性能与安全-新数据源持续集成，数据量增长迅速-敏感数据安全与保护性能与安全-自动扩展分片架构-鉴权、权限、加密、审计-基于Zone的分区物联网&时序数据IoT&Time-series DataIoT交易数据日志可穿戴设备、车联网、等传感器数据，包含了大量数据价值。行情数据、交易行为分析

8、，提供相似K线，智能投顾等增值业务。基础架构及应用系统产生的日志分析，提升运维效率降低故障率。物联网&时序数据IoT&Time-series Data功能要求MongoDB数据模型-时序类数据，大并发写入-数据结构随着软/硬件版本的更新发生变化 数据模型-文档模型支持丰富的数据结构（Bucket Pattern）-灵活模式无变更成本扩展与性能-数据量大，随设备全球分布-持续在线-读写实时性要求高扩展性-分布式架构auto-sharding-rang hash zone的分片策略计算分析-实时写入与实时分析-大数据量计算分析 计算分析-一库多用-丰富的查询、索引、聚合-数据可视化：MongoDB

9、 Charts&BI Connector-AI:Spark connector、R&Python Drivers产品目录&内容管理Product Catalog&Content Management产品目录内容管理移动应用SKUs、F/X标的，设备等。属性和metadata频繁更新。组织管理任何形式的数据：文本、视频、音频、图片等。移动/现代应用快速开发、快速上线、快速迭代。产品目录&内容管理Product Catalog&Content Management功能要求MongoDB数据模型-对象有复杂多变的属性，元数据-应用快速迭代，频繁更新数据模型数据模型-文档模型支持丰富的数据结构-灵活模

10、式无变更成本，应用版本快速迭代上线-GridFS支持存储二进制数据用户体验-用户查询请求条件组合多变-促销、秒杀等活动期间数据库性能不能降低-7*24在线用户体验-丰富的查询、索引、聚合-分布式架构auto-sharding，用户就近访问数据-一库多用：复制集同时满足在线交易与分析型需求实时分析-用户个性化推荐-实时统计销售指标与内容消费情况实时分析-聚合Aggregation Pipline-AI:Spark connector、R&Python Drivers-数据可视化：MongoDB Charts&BI Connector主机下移&数据中台Mainframe Offload&Opera

11、tional Data Layer成本敏捷体验大量查询压力转移到ODL上，更好的性能与扩展性，降低成本。快速响应业务变化，ODL数据平台提升开发效率3-5倍。7*24，满足不断增长的用户和数据量增长。主机下移&数据中台Mainframe Offload正在使用用户案例情况用户交易-整合全行分散交易数据，实现客户层面一本帐-收支实时汇总交易金额，秒级响应-千亿级别数据实时处理中台系统&策略量化-用户全局数据、共享数据、标签、字典，处理三端一微30000/s的并发请求-产品资讯信息，模拟大盘数据-行情数据存放与分析，量化交易旅客数据-旅客多数据源的快速集成（航信、行程、行李、投诉、贵宾厅、网站、App等）-Spark和MongoDB集成，大幅提升数据分析合处理速度-旅客敏感数据集中到MongoDB中，成为唯一用户数据来源正在使用用户案例情况机票缓存-机票价格缓存在MongoDB内存引擎中，快速响应票价请求-利用TTL索引，自动删除过期票价-分片架构应弹性对压力增长网盘-存放网盘文件的metadata元数据-3PB数据量-分片架构应弹性对压力增长智能捷创平台-保证普华永道全球所有用户能够协同工作-支持跨区读写文档、附件；读写高性能，低延迟-基于地理位置的分片集群-低代码、低花费、快速开发谢谢