本文目录一览：
mongodb是非结构化数据库吗
MongoDB是文档型的非结构化新型数据库，Alan Chhabra表示， 与传统数据库相比，更能满足用户数据存储量大、计算灵活的需求。“在某些客户某些案例上，我们已经取代了传统数据库，比如甲骨文。
Mongodb用于存储非结构化数据，尤其擅长存储json格式的数据。存储的量大概在10亿级别，再往上性能就下降了，除非另外分库。
无结构或半结构化数据：MongoDB的面向文档的特性使得它非常适合存储无结构或半结构化数据。例如，社交媒体数据、物联网数据等，这些数据的结构经常变化，而且很难用传统的关系型数据库来存储。
这类数据库的主要特点是在海量的数据中可以快速的查询数据 文档存储通常使用内部表示法， 可以直接在应用程序中处理， 主要是JSON. JSON文档也可以作为纯文本存储在键值存储或关系数据库系统中.主流代表为MongoDB等。
数据模型自由：MongoDB 允许用户创建自由的数据模型，无需遵循传统的关系型数据库中的严格模式。这使得 MongoDB 非常适合存储非结构化或半结构化数据。
mongodb更新比较频繁,性能下降的厉害怎么办
1、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。
2、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。
3、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。
4、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。
5、在此背景下，更加灵活、性能更加强大的新型数据库在一些领域获得了试验田丰收，并且可以看到，随着客户数据需求的繁杂程度的日益增加，传统数据库也在自我革新，以迎头赶上数据浪潮的大变革。
限制MongoDB使用的内存
1、归结于MongoDB使用的内存映射文件，32位版本只支持2G数据的存储。对于标准的Replica Set，MongoDB只拥有单一的处理策略 —— mongod。如果你想在未来储存2G以上的数据，请使用64位版本的MongoDB。
2、默认情况下，MongoDB 的每个数据库的命名空间保存在一个 16MB 的 .ns 文件中，平均每个命名占用约 628 字节，也即整个数据库的命名空间的上限约为 24000。
3、const int BSONObjMaxUserSize = 16 * 1024 * 1024；到你需要的大小，然后重新编译mongodb。但不要改的太大，因为每一个BSON Object都是要全部读进内存里的。
4、MongoDB 的数据文件比较大，通常会超过默认的 500M。这样看来，缓存用了 58G，这还差不多。Resident Pages 左侧的数字是页的数量，页的数量乘以文件系统页大小才是内存使用量。
北大青鸟java培训:学习Java应该了解的大数据和框架?
1、数据挖掘清洗筛选：大数据工程师，要学习JAVA，Linux，SQL，Hadoop，数据序列化系统Avro，数据仓库Hive，分布式数据库HBase，数据仓库Hive，Flume分布式日志框架，Kafka分布式队列系统课程，Sqoop数据迁移，pig开发，Storm实时数据处理。
2、Hadoop/SparkHadoop是个获得极大应用的大数据框架，是大数据领域标志性的解决方案。Spark通过完善的内存计算和处理优化，极大的提升了速度，是具备流处理能力的下一代批处理框架。
3、大数据运维师只需了解Hadoop、Spark、Storm等主流大数据平台的核心框架，熟悉Hadoop的核心组件：HDFS、MapReduce、Yarn；具备大数据集群环境的资源配置，如网络要求、硬件配置、系统搭建。
4、Java集合框架是主要方法来描述复杂的数据结构。而不是一个指针，Java集合框架描述数组，数组的对象是一个强大和复杂的数据结构。
5、学习框架后，我们可以更迅速、更高效地进行Web应用程序的开发，但是这远远不够，我们为了适应Linux、Maven、Redis、Dubbo、Solr、Hadoop、Spark等多种需求，北大青鸟建议还需要学习更多的知识。
6、Spring Spring是一个开源的应用框架，它包含很多子项目比如SpringMVC，SpringSecurity，SpringData，SpingBoot等等，几乎可以满足你项目上的所有需要。它也是我开发Web项目的首选后端框架。
对比MySQL,什么场景MongoDB更适用
1、成熟度与广泛度：新兴数据库，成熟度较低，Nosql数据库中最为接近关系型数据库，比较完善的DB之一，适用人群不断在增长。
2、对比MySQL，什么场景MongoDB更适用 MySQL 关系型数据库。 在不同的引擎上有不同 的存储方式。 查询语句是使用传统的sql语句，拥有较为成熟的体系，成熟度很高。
3、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。
4、默认情况下，MongoDB更侧重高数据写入性能，而非事务安全，MongoDB很适合业务系统中有大量“低价值”数据的场景。但是应当避免在高事务安全性的系统中使用MongoDB，除非能从架构设计上保证事务安全。
5、使用场景：（1）网站数据：MongoDB适合实时的插入，更新与查询，并具备网站实时数据存储所需的复制及高度伸缩性。（2）缓存：由于性能很高，MongoDB也适合作为信息基础设施的缓存层。
6、对MongoDB来说，关联一般是做成内联的，最大程度发挥其优势。
