一、MongoDB的应用场景及实现原理
二、MongoDB的常用命令及配置
三、手写基于MongoDB的ORM框架
四、基于MongoDB实现网络云盘实战
五、MongoDB 4.0新特性
什么是MongoDB
MySQL
memory 内存引擎
NoSQL最大的特点：
1、默认支持分布式（内置分布式解决方案）
2、高性能，高可用性和可伸缩性
在NoSQL界，
MongoDB是一个最像关系型数据库的非关系型数据库
MongoDB应用场景
适用范围
1）网站实时数据: 例如：日志、Timeline、用户行为（代替方案：用日志）
2）数据缓存:缓存的数据，它一定是临时的 (关系型数据有一份已经持久化)
3）大尺寸、低价值数据存储: 搜索引擎的图片文件、视频文件(结构化)，
一份存磁盘、一份存Mongo
4）高伸缩性场景：机器可以任意的增减
5）对象或JSON数据存储: 完全可以选择用Redis
不适用范围
1）高度事务性系统: 例如：金融系统的核心数据
高机密的用户数据（只能选择传统关系型数据库）
2）传统的商业智能应用:结构化查询要求非常高，经常做关联查询统计
（如果都是单表查询，用Java程序来实现关联）
Map,List (id_az_a)
MongoDB 4.0 支持事务操作（分布式事务的一种解决方案）
学习，不要老是找乱七八糟的博客
看不懂，给大家补软肋（新东方英语）
来自文艺界
勤奋、思考（万变不离其宗）
mongo 客户端
mongos 路由器
mongod 数据存储
zookeeper 分布式协调（路由）
把整个集群下面的所有已经注册机器的信息，人手持一份（区块链）
leader选取（leader不存配置信息，监控）
套路差不多
mongos，协调所有的mongod
统一管理配置中心
Master
副本集，认为就是一台存储数据的机器（mongo），
一个副本集数据一定是一个完整的整体
Image镜像
高可用：把一个服务部署多份（一台坏了，另一台可以顶上）
M-S
M-A-S
数据热点：
数据的平均存储问题（传一个视频，切成四份分别存到四张表里面去）
每张表存储的极限（遇到瓶颈）
类似于Map（拆分）Reduce（归并）（Hadoop里面）
怎么切，那是策略
P2P？原来要1个小时，只需要1分钟
分表、分区？
微观的维度（你看不到的一个维度）
chunk（块）-->shard(片) --> Replica Set(副本) --> Data(数据)
宏观的维度（你能看到的）
Field（字段） --> Document(文档) --> Collection(集合) --> DataBase（数据库）
mongodb自3.0版本后新增了wiredTiger的数据存储引擎, 3.2版本后默认采用的wiredTiger, 但是linux32bit不支持此引擎
既然默认的wiredTiger不能用, 那么采用指定引擎为mmapv1吧
mongod --dbpath=/root/mongodb/data --storageEngine=mmapv1