本文目录一览：
mongodb适用于什么场景
1、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。
2、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。
3、● 物流场景：使用MongoDB存储订单信息，订单状态在运送过程中会不断更新，以MongoDB内嵌数组的形式来存储，一次查询就能将订单所有的变更读取出来。
谈谈redis,memcache,mongodb的区别和具体应用场景
1、Redis只能使用单线程，性能受限于CPU性能，故单实例CPU最高才可能达到5-6wQPS每秒（取决于数据结构，数据大小以及服务器硬件性能，日常环境中QPS高峰大约在1-2w左右）。
2、Redis跟memcache不同的是，储存在Redis中的数据是持久化的，断电或重启后，数据也不会丢失。
3、常见的nosql数据库有Redis、Memcache、MongoDb。
4、MongoDB和Redis的区别是什么内存管理机制Redis 数据全部存在内存，定期写入磁盘，当内存不够时，可以选择指定的 LRU 算法删除数据。
5、事务性系统适用场景：Redis 最佳应用场景：适用于数据变化快且数据库大小可遇见（适合内存容量）的应用程序。
mongodb对机器配置的最低要求是什么?比如我的vps是500M内存,6G硬盘...
1、MongoDB使用分片技术对数据进行扩展，MongoDB能自动分片、自动转移分片里面的数据块，让每一个服务器里面存储的数据都是一样大小。
2、大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数数百或甚至数千的电脑分配工作。
3、Spark：它是用来弥补基于MapReduce处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。
4、【大数据】需要学习的课程：大数据存储阶段：hbase、hive、sqoop。大数据架构设计阶段：Flume分布式、Zookeeper、Kafka。大数据实时计自算阶段：Mahout、Spark、storm。大数据zd数据采集阶段：Python、Scala。
