本文目录一览：
在kettle中转换mongodb数据,组内存超过限制怎么办
1、调整JVM大小进行性能优化，修改Kettle定时任务中的Kitchen或Pan或Spoon脚本。
2、限制MongoDB使用的内存，可以通过对配置文件某一项添加约束。mongod.conf：定义WiredTiger将用于所有数据的内部缓存的最大大小。索引构建消耗的内存 与WiredTiger缓存内存是分开的。值的范围可以从0.25GB到10000GB。
3、数据扩展 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。
如何将MongoDB改造成内存数据库
接下来要用适当的设置启动MongoDB。为了减小浪费的RAM数量，应该把smallfiles和noprealloc设置为true。既然现在是基于RAM的，这么做完全不会降低性能。此时再使用journal就毫无意义了，所以应该把nojournal设置为true。
在默认的情况下服务器将启动端口27017，你需要在安装过程中创建将数据存储在/data/db目录里。第三步：启动MongoDB shell指令你可以通过运行mongo.exe文件来启动MongoBD shell。
MongoDB属于内存型数据库，在需要读性能要求很高的项目中有着比较不错的表现。
答案是我们不在MongoDB中创建数据库，我们只需要使用具有你需要名称的数据库，并且在数据库中保存单个记录来创建它就可以了。
mongodb的数据是存储在硬盘上的，只不过需要经常读取的数据会被加载到内存中，这样提高查询效率，所谓内存数据映射，所以mongodb本身很吃内存，不过0版本以后会好很多。
连接MongoDB数据库 使用如下命令来连接MongoDB数据库 mongo 图1 连接MongoDB数据库 查看目前所使用的数据库。在MongoDB中，想查看使用的是哪个数据库，可以使用如下命令来查看。
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。
5、不同的培训机构，根据课程内容的不同，当然时间也会有所差异，学习内容大概为Java语言基础、HTML、CSS、JavaWeb和数据库、Linux基础、Hadoop生态体系、Spark生态体系等课程内容。项目实战训练。
linux下我mongodb存储快要满了,怎么扩充存储大小,且不删除原来的数据...
如果是你的硬盘满了，你可以再用别的硬盘跟这个硬盘构成RAID。
更换硬盘：如果以上方法还不够扩充硬盘空间，可以选择更换硬盘，购买比原来硬盘容量更大的硬盘来替换。 使用云存储：将一些常用但占用硬盘空间较大的文件上传至云端，这样不仅能腾出硬盘空间，还能保证数据的安全性。
首先打开我的电脑，在系统桌面上找到“此电脑”的图标，鼠标右键点击这个图标在弹出的菜单中点击“属性”选项。2，在打开的系统页面，点击左侧导航栏中的“高级系统设置”标签。
