本文目录一览：
Mongodb的MapReduce很慢,有没有办法提高性能
基本上没有机会在RAM中进行reduce，相反，它将不得不通过一个临时collection来将数据写回磁盘，然后按顺序读取并进行reduce。使用多线程 MongoDB对单独的MR作业并不使用多线程——它仅仅对多作业使用多线程。
reduce。相反，它将不得不把所有文章写入一个临时收集的磁盘，然后按顺序读取并reduce。
我们需要做的是把输入分成几块，通过各个块来加速一个MR作业。
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。
排除方式七：查看mongodb数据文件，看是否已经很大？经查看，总大小才64M，这比32位文件上限的2G来讲，可以基本忽略；排除方式八：连接字符串。
优化 MongoDB 集群负载均衡：在实际生产环境中，数据访问热度和节点性能差异可能导致某些节点超载。
从windows服务中移除MongoDB服务 C：\Users\Administrator mongod --remove 5）通过mongod --help查看更多的配置命令选项。
mongodb的find查询10万条以上的数据有卡顿现象,请问如何选择优化的方式...
这样的设计方式是在非关系型数据库中常用的，也就是我们所说的范式化设计。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。
找出元凶经过前面的问题定位，我们已经能确定是MongoManager的定时器搞的鬼了。
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。
使用方式：db.collection.count（query）或者db.collection.find（query）.count（）参数说明：其中query是用于查询的目标条件。
MongoDB的集合（collection）可以看做关系型数据库的表，文档对象（document）可以看做关系型数据库的一条记录。但两者并 不完全对等。
mongodb与mysql区别(超详细)
1、Mongodb和MySQL数据库的对比 传统的关系数据库一般由数据库（database）、表（table）、记录（record）三个层次概念组成，MongoDB是由数据库（database）、集合（collection）、文档对象（document）三个层次组成。
2、稳定性 索引，索引放在内存中，能够提升随机读写的性能。
3、mongodb 会比mysql快的多，原因是：首先是内存映射机制，数据不是持久化到存储设备中的，而是暂时存储在内存中，这就提高了在IO上效率以及操作系统对存储介质之间的性能损耗。
4、默认情况下，对比事务安全，MongoDB更关注高的插入速度。如果你需要加载大量低价值的业务数据，那么MongoDB将很适合你的用例。但是必须避免在要求高事务安全的情景下使用MongoDB，比如一个1000万美元的交易。
如何正确的使用MongoDB并优化其性能
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。
“n”则表明了实际返回的文档数量。“nscanned“描述了MongoDB在执行这个查询时搜索了多少文档。”cursor“本查询返回值为”BasicCursor“则说明该查询未使用索引，所以才会搜索了所有的文档。
因此，对于需要高性能的应用，如实时分析、在线游戏等，MongoDB也是一个不错的选择。 水平扩展能力：MongoDB的分片功能不仅可以用来存储大量数据，还可以提高数据库的读写性能。
在经过$limit管道后，管道内的文档数量个数会“提前”减小，这样会节省内存，提高内存利用效率。$limit提前后，$sort紧邻$limit这样的话，当进行$sort的时候当得到前“$limit”个文档的时候就会停止。
影响写性能 用户没写入一条数据，就会在对应索引生成一条索引KV，实现索引与数据的一一对应，索引KV数据写入Index索引文件过程加剧写入负载。 影响读性能 MongoDB内核查询优化器原理是通过候选索引快速定位到满足条件的数据，然后采样评分。
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。
用mongodb作为数据库服务器访问时非常慢?
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。
这样的设计方式是在非关系型数据库中常用的，也就是我们所说的范式化设计。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。
默认情况下，一个客户端连接对应后端MongoDB服务器上的一个线程（ net.serviceExecutor 配置为synchronous）。创建、切换和销毁线程都是消耗较大的操作，当连接数过多时，线程会占用MongoDB服务器较多的资源。
优势：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！MySQL是关系型数据库。优势：在不同的引擎上有不同 的存储方式。
使用JSON风格语法，易于掌握和理解：MongoDB使用JSON的变种BSON作为内部存储的格式和语法。针对MongoDB的操作都使用JSON风格语法，客户端提交或接收的数据都使用JSON形式来展现。相对于SQL来说，更加直观，容易理解和掌握。
MongoDB数据结构比较单一，但是支持丰富的数据表达，索引，最类似关系型数据库，支持的查询语言非常丰富。性能：redis更适用于较小数据量的性能及运算mongodb则在海量数据的访问下性能更优可靠性：二者均支持持久化。
