本文目录一览：
mongodb插入效率会随集合数据增大而变慢吗
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。
会的。会让效率更高。因为如果你不embed在这个collection的doc里，就需要另一个collection来存这个数据。这样就会需要两个query才能得到数据。
开源数据库的份额在不断增加，mysql的份额页在持续增长。缺点就是在海量数据处理的时候效率会显著变慢。（2）mongodb数据库：非关系型数据库（nosql ），属于文档型数据库。
MongoDB提供了Journaling日志的概念，实际上像mysql的bin-log日志，当需要插入的时候会先往日志里面写入记录，再完成实际的数据操作，这样如果出现停电，进程突然中断的情况，可以保障数据不会错误，可以通过修复功能读取Journaling日志进行修复。
数据库性能对软件整体性能的影响是不言而喻的，那么，当我们使用MongoDB时改如何提高数据库性能呢？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。
MongoDB是否适合数据仓库
◆传统的商业智能应用：针对特定问题的BI数据库会对产生高度优化的查询方式。对于此类应用，数据仓库可能是更合适的选择。
嵌套文档，业务数据比较复杂，适合嵌套文档式存储，那么mongodb非常合适，这个关系型数据库比较难搞，虽然MySQL和pg也有文档存储，但MySQL的不成熟，pg毕竟现在生产中使用还是偏少，个人也不了解，这里不谈。
因此，MongoDB可能是一个非常适合这种应用的数据库。
如何正确的使用MongoDB并优化其性能
1、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。
2、“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。
3、MongoDB的主从同步机制是确保数据一致性和可靠性的重要机制。其同步的基础是oplog，类似MySQL的binlog，但是也有一些差异，oplog虽然叫log但并不是一个文件，而是一个集合（Collection）。
用mongodb作为数据库服务器访问时非常慢?
1、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。
2、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。
3、如果与服务器（这里指数据库）请求建立连接的时间超过ConnectionTimeOut，就会抛 ConnectionTimeOutException，即服务器连接超时，没有在规定的时间内建立连接。如果与服务器连接成功，就开始数据传输了。
4、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。但通过多核CPU，在单个服务器使用Hadoop风格来并行作业非常有优势。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。
NineData是如何解决MongoDB迁移问题的?
1、进行数据对比：迁移完成后，可配置数据对比任务，对迁移的MongoDB数据进行一致性校验。NineData会对每个文档内容进行精准对比，快速找出差异并生成订正脚本。
2、NineData是一种高效可靠的MongoDB迁移及同步方案。它通过NineData的数据管理平台，可以实现MongoDB的业务不停服数据迁移，并具备增量数据的采集复制能力。
3、可以使用NineData数据迁移方案来实现不同MongoDB实例间的数据复制。
