本文目录一览：
mongodb查询速度慢是什么原因
你查看一下，如果数据文件大于系统内存，查询速度会下降几个数量级，因为mongodb是内存数据库。我以前测试过，1000万数据的时候没有索引情况下查询可能会几秒钟甚至更久。
这个原因很多，可以从查询优化和硬件优化入手，比如建立索引，合理的数据结构，增加机器内存，使用SSD硬盘等都可以提高查询效率。
数量过小。几个大型数据库的写入速度都很快的，性能主要看并发量的吧，比如100w的数据写入要多少秒，mongodb在数据量大的时候，并发还是杠杠的，比mysql要强，不过mongodb在数据统计上面还是有些缺陷的，没有mysql好用。
在MongoDB中我们将与主键没有直接关系的图书单独提取到另一个集合，用存储主键的方式进行关联查询。当我们要查询文章和评论时需要先查询到所需的文章，再从文章中获取评论id，最后用获得的完整的文章及其评论。
mongodb为什么比mysql快
另外，MongoDB还有一个最大的缺点，就是它占用的空间很大，因为它属于典型空间换时间原则的类型。
在适量级的内存的MongoDB的性能是非常迅速的，它将热数据存储在物理内存中，使得热数据的读写变得十分快。MongoDB的高可用和集群架构拥有十分高的扩展性。
MongoDB比MySQL快在它有Memory-Mapping以及它不用处理事物 MySQL适用于传统的对关联要求高的方面，MongoDB更多用于Logging、SNS等以K-V居多的需求，但是两种数据库其实都能胜任大多数需求。
快速！在适量级的内存的Mongodb的性能是非常迅速的，它将热数据存储在物理内存中，使得热数据的读写变得十分快。高扩展性，存储的数据格式是json格式！缺点：不支持事务，而且开发文档不是很完全，完善。
mongodb更新比较频繁,性能下降的厉害怎么办
范式化与反范式化 在项目设计阶段，明确集合的用途是对性能调优非常重要的一步。
对于速度比较慢的查询来说，它是最重要的性能分析工具之一。通过查看一个查询的explain（）输出信息，可以知道查询使用了哪个索引，以及是如何使用的。
在短时间内完成 MongoDB 差异数据对比，可以采用以下方法： 使用专业的数据对比工具：市场上有一些专业的中间件工具，如 NineData，提供了一种高效且易于使用的 MongoDB 数据对比功能。
MongoDB如何优化查询性能?
通过查看一个查询的explain（）输出信息，可以知道查询使用了哪个索引，以及是如何使用的。对于任意查询，都可以在最后添加一个explain（）调用（与调用sort（）或者limit（）一样，不过explain（）必须放在最后）。
建立好合适索引，尽量使用更多的精确查询搭配模糊查询一起，不需要返回的字段要屏蔽，增大机器内存，使用固态硬盘，海量数据使用集群部署。
在MongoDB中我们将与主键没有直接关系的图书单独提取到另一个集合，用存储主键的方式进行关联查询。当我们要查询文章和评论时需要先查询到所需的文章，再从文章中获取评论id，最后用获得的完整的文章及其评论。
为什么mongodb不能替代elasticsearch区别
与MongoDb不同， Elasticsearch 默认没有提供安全特性，如认证和授权。Elasticsearch和 Logstash & Kibana 一起称为ELK stack，用于快速查询数据并可视化展现分析数据。
MongoDB的核心优势是灵活的文档模型，高可用性复制集和可扩展的碎片集群。天通苑java培训建议可以尝试以多种方式了解MongoDB，例如MongoDB工具的实时监控，内存使用和页面错误，连接，数据库操作，复制集等。
当比较Elasticsearch中的文档和MongoDB中的文档，你会发现两者都可以有不同的结构，但Elasticsearch的文档中，相同字段必须有相同类型。这意味着，所有包含title字段的文档，title字段类型都必须一样，比如string。
mongodb和memcached不是一个范畴内的东西。mongodb是文档型的非关系型数据库，其优势在于查询功能比较强大，能存储海量数据。mongodb和memcached不存在谁替换谁的问题。和memcached更为接近的是redis。
可以用mongdbTemplate，elasticSearchTemplate。MongoDB与Elasticsearch都属于文档型数据库，Bson类同与Json，_objectid与_id原理一样。所以主数据与从数据迁移到Elasticsearch平台，数据模型几乎无需变化。
mongodb适用于什么场景
1、mongodb使用场景：游戏场景，使用MongoDB存储游戏用户信息，用户的装备、积分等直接以内嵌文档的形式存储，方便查询、更新。
2、MongoDB适用于需要处理大量数据，特别是无结构或半结构化数据的场景，同时需要高性能和水平扩展能力的应用场景。 处理大量数据：MongoDB是一个面向文档的数据库，采用BSON（二进制JSON）格式存储数据。
3、高伸缩性的场景：MongoDB适合由数十或数百台服务器组成的数据库。（5）用于对象及JSON数据的存储：MongoDB的BSON数据格式适合文档化格式的存储及查询。mongodb设计特点：（1）面向集合存储，容易存储对象类型的数据。
4、物联网场景：使用MongoDB存储所有接入的智能设备信息，以及设备汇报的日志信息，并对这些信息进行多维度的分析。 ● 视频直播：使用MongoDB存储用户信息、礼物信息等。
5、MongoDB 通常用于处理大量数据、高并发、复杂查询等场景，适用于各种类型的应用程序，包括 Web 应用程序、移动应用程序、物联网设备等。与关系型数据库相比，MongoDB 更加适合处理大量的数据和高并发的场景。
6、◆高伸缩性的场景：Mongo非常适合由数十或数百台服务器组成的数据库。Mongo的路线图中已经包含对MapReduce引擎的内置支持。◆用于对象及JSON数据的存储：Mongo的BSON数据格式非常适合文档化格式的存储及查询。
