『 相关软件&技术介绍 』

• 

  Linux下搭建Nginx代理访问MongoDB GridFS图片资源
  • asd

  2
  2
  帖子
  1044
  浏览

  1

  不错的文章，学习了。

• 

  C#与Mongodb的连接和交互操作
  • wai_m

  7
  7
  帖子
  2281
  浏览

  K

  请问为何这个驱动不提供FindOne之类的method呢？

• 

  Unsolved 2017年二月数据库流行度榜单
  • Avon

  9
  9
  帖子
  2279
  浏览

  

  或許全球產業發展方向, 多少影響其排名, 畢竟看用途

• 

  介绍 perf 和 SystemTap 跟踪 MongoDB 访问超时
  • leo

  1
  1
  帖子
  1658
  浏览

  

   

  1. perf

   

  先让 perf 来打头阵。perf top 一下，看看系统内实时的 CPU 消耗（原图丢了，拿个凑数）：

   

  再选择 Annotate，找出热点（可以精确到 CPU 指令）：

   

  对应着源码

   

  如果你关注的程序有调试符号并且能根据调试符号找到源码，那么 perf 会在相关的指令旁边显示源码。

   

  此时能看出大部分的 CPU 都消耗在链表遍历上了。

   

  追链表是个非常缓存不友好的行为，另外还能看到有个字符串的解引用也会占用大量的 CPU，这里只可能是 cache-miss 了。

   

  perf stat -e cache-references,cache-misses -p <TID> 一下那个线程，发现绝大部分都是 cache-miss。（没法上图，忘记保存了）。

   

  关于 CPU cache，有一个非常有意思的页面，可以感性地认识一下内存相对于缓存有多慢。

   

  通过 perf list 可以看到 perf 具体能统计哪些指标

   

   

  # 硬件（CPU 中的 Performance Monitor Unit）指标

  branch-instructions      # 执行的跳转指令数

  branch-misses            # 分支预测失败数

  bus-cycles               # 不知道……（以下用 - 代替）

  cache-misses             # 缓存未命中

  cache-references         # 缓存访问数

  cpu-cycles or cycles     # CPU 时钟周期数

  instructions             # 执行的指令数

  ref-cycles               # - （跟 bus-cycles 有些乱糟的关系）

  stalled-cycles-frontend  # CPU 前端等待（前端是指取指/译码、分支预测、访存等等东西，后端是指执行指令的过程）

   

  # 软件指针

  alignment-faults        # 对齐错误，x86/x64 会自动处理访存不对齐，所以不用关注

  bpf-output              # 跟 eBPF 有关，不知道是干啥的

  context-switches or cs  # 上下文切换数（程序被调度走了）

  cpu-clock               # CPU 时钟（这里是软件统计的，不如上面的准)

  cpu-migrations          # CPU 迁移（程序从 CPU1 执行，但是被调度到 CPU2 上去了）

  dummy                   # -

  emulation-faults        # -

  major-faults            # 主要缺页错误（需要的页不在内存中，要去磁盘上取出再填进去）

  minor-faults            # 次要缺页错误（需要的页在内存中，只是缺页表项，填上页表项就好了）

  page-faults OR faults   # == major-faults + minor-faults

  task-clock              # -

   

  # 硬件指针（Hardware cache event）

  L1-dcache-load-misses      # L1 资料缓存未命中

  L1-dcache-loads            # L1 资料缓存访问数

  L1-dcache-prefetch-misses  # L1 资料缓存预取未命中

  L1-dcache-store-misses     # L1 资料缓存RFO未命中（RFO: read-for-ownership，读取并且失效这个缓存）

  L1-dcache-stores           # L1 数据缓存RFO

  L1-icache-load-misses      # L1 指令缓存未命中

  LLC-load-misses            # LLC: Last Level Cache，即 L2/L3 缓存。

  LLC-loads                  # 这些根据上面的说明看名子应该能知道是什么

  LLC-prefetch-misses        # 就不再一个个解释了

  LLC-prefetches             #

  LLC-store-misses           #

  LLC-stores                 #

  branch-load-misses         # BPU 缓存未命中（BPU：Branch Processing Unit)

  branch-loads               # 与分支预测有关的缓存

  dTLB-load-misses           # 资料 TLB 缓存未命中（TLB: Translation Lookaside Buffer）

  dTLB-loads                 # TLB 是页表的缓存，用来加速虚拟地址->物理地址(VA->PA)转换的

  dTLB-store-misses          # 同不一个个解释了……

  dTLB-stores                #

  iTLB-load-misses           # 指令 TLB 缓存未命中

  iTLB-loads                 #

  node-load-misses           # 本地访存未命中，需要跨 NUMA node（其实就是 CPU）访存

  node-loads                 # 访存数（这里访存数跟 LLC miss 对不上号，因为 LLC miss 后可能会跨 core 取到缓存）

  node-prefetch-misses       #

  node-prefetches            #

  node-store-misses          #

  node-stores                #

   

  找到了热点，下一步就是给 MongoDB 打上补丁，目的主要是优化缓存

  http://link.zhihu.com/?target=...

   

   

   

   

  2. SystemTap

   

  想知道每次 __evict_clear_all_walks （__evict_server 调用了这个函数）具体耗费了多上时间？貌似 perf 不太擅长做这个

   

  那么这时候就可以用 SystemTap 了：

   

   

  global times

   

  probe process("/usr/bin/mongod").function("__evict_clear_all_walks").return {

      times <<< gettimeofday_us() - @entry(gettimeofday_us())

  }

   

  probe timer.s(1) {

      print(@hist_linear(times, 16000, 36000, 500))

  }

  直方图左边的数字是函数执行的时间，单位是 us，右边是落在这个区间内的次数。

   

  【打补丁前】

   

   

  value |-------------------------------------------------- count

  16400 |@                                                    4

  16600 |@@@@                                                14

  16800 |@@@@                                                13

  17000 |                                                     1

  17200 |@                                                    5

  17400 |@@@                                                 10

  17600 |@                                                    3

  17800 |@@@@@@@@                                            24

  18000 |@@@@@@@@@@@@@@@@@@@@@                               63

  18200 |@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@                      92

  18400 |@@@@@@@@@@@@@@@@@                                   53

  18600 |@@@@@@@@@@@@@@@@@@@@@@@@@@                          80

  18800 |@@@@@@@@                                            26

  19000 |@@@@@@@@@@@@@                                       39

  19200 |@@@@@@@@                                            24

  19400 |@@@@                                                12

  19600 |@                                                    3

  19800 |@                                                    5

  20000 |                                                     2

  20200 |@@                                                   7

  20400 |@@@                                                 11

  20600 |@@@                                                  9

  20800 |@@                                                   8

  21000 |@@@                                                 11

  21200 |@@@@@@@                                             21

  21400 |@@@@@@@                                             22

  21600 |@@@@@@@@@@@@@@@@@@@@                                60

  21800 |@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@           121

  22000 |@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@        131

  22200 |@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@                     95

  22400 |@@@@@@@@@@@@@@@@@@@@                                61

  22600 |@@@@@@@@@@@@@@@@@@@@@@@@@@@                         81

  22800 |@@@@@@@@@@@@@@@@@@@@@@@@@@@@@                       87

  23000 |@@@@@@@@@@@@@@@@@@@@@@                              67

  23200 |@@@@@@@@@@@@@@@@                                    50

  23400 |@@@@@                                               15

  23600 |@                                                    4

  23800 |@                                                    4

  24000 |                                                     2

  【打补丁后】

   

   

   4900 |                                                      6

   5000 |@@@@@@@                                             295

   5100 |@@@@@@@@@@@                                         430

   5200 |@                                                    55

   5300 |                                                     17

   5400 |                                                     25

   5500 |                                                     30

   5600 |                                                     13

   5700 |                                                     16

   5800 |                                                     19

   5900 |                                                      8

   6000 |                                                      9

   6100 |                                                     16

   6200 |                                                     14

   6300 |@                                                    67

   6400 |@@@@                                                175

   6500 |@@@@@@@                                             293

   6600 |@@                                                  109

   6700 |@@                                                   78

   6800 |@@                                                   89

   6900 |@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@  1864

   7000 |@@@@                                                171

   7100 |                                                     29

   7200 |                                                     22

   7300 |                                                      8

  SystemTap 是目前 Linux 最强大的 tracer/profiler，可以跟踪内核以及用户态程序中的任意函数、syscall、语句甚至指令，还可以跟踪 DTrace 的 USDT（写在代码中的预定义的 trace point，比如刚才提到的 MongoDB 补丁代码中的那句 DTRACE_PROBE(proton, dhandle_not_file)。

   

• 

  MongoDB中的MapReduce简介
  • asd

  1
  1
  帖子
  1095
  浏览

  

  MongoDB MapReduce

  MapReduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果合并成最终结果（REDUCE）。这样做的好处是可以在任务被分解后，可以通过大量机器进行并行计算，减少整个操作的时间。

  上面是MapReduce的理论部分，下面说实际的应用，下面以MongoDB MapReduce为例说明。

  下面是MongoDB官方的一个例子：

  复制代码代码如下:

  > db.things.insert( { _id : 1, tags : ['dog', 'cat'] } );
  > db.things.insert( { _id : 2, tags : ['cat'] } );
  > db.things.insert( { _id : 3, tags : ['mouse', 'cat', 'dog'] } );
  > db.things.insert( { _id : 4, tags : []  } );
  

  > // map function > map = function(){ ...    this.tags.forEach( ...        function(z){ ...            emit( z , { count : 1 } ); ...        } ...    ); ...};

  > // reduce function > reduce = function( key , values ){ ...    var total = 0; ...    for ( var i=0; i<values.length; i++ ) ...        total += values[i].count; ...    return { count : total }; ...};

  db.things.mapReduce(map,reduce,{out:'tmp'}) {     "result" : "tmp",     "timeMillis" : 316,     "counts" : {         "input" : 4,         "emit" : 6,         "output" : 3     },     "ok" : 1, } > db.tmp.find() { "_id" : "cat", "value" : { "count" : 3 } } { "_id" : "dog", "value" : { "count" : 2 } } { "_id" : "mouse", "value" : { "count" : 1 } }

  例子很简单，计算一个标签系统中每个标签出现的次数。

  这里面，除了emit函数之外，所有都是标准的js语法,这个emit函数是非常重要的，可以这样理解，当所有需要计算的文档（因为在mapReduce时，可以对文档进行过滤，接下来会讲到）执行完了map函数，map函数会返回key_values对，key即是emit中的第一个参数key，values是对应同一key的emit的n个第二个参数组成的数组。这个key_values会作为参数传递给reduce，分别作为第1.2个参数。

  reduce函数的任务就是将key-values变成key-value，也就是把values数组变成一个单一的值value。当key-values中的values数组过大时，会被再切分成很多个小的key-values块，然后分别执行Reduce函数，再将多个块的结果组合成一个新的数组，作为Reduce函数的第二个参数，继续Reducer操作。可以预见，如果我们初始的values非常大，可能还会对第一次分块计算后组成的集合再次Reduce。这就类似于多阶的归并排序了。具体会有多少重，就看数据量了。

  reduce一定要能被反复调用，不论是映射环节还是前一个简化环节。所以reduce返回的文档必须能作为reduce的第二个参数的一个元素。

  （当书写Map函数时，emit的第二个参数组成数组成了reduce函数的第二个参数，而Reduce函数的返回值，跟emit函数的第二个参数形式要一致，多个reduce函数的返回值可能会组成数组作为新的第二个输入参数再次执行Reduce操作。）

  MapReduce函数的参数列表如下：

  代码如下:

  db.runCommand(
   { mapreduce : <collection>,
     map : <mapfunction>,
     reduce : <reducefunction>
     [, query : <query filter object>]
     [, sort : <sort the query.  useful for optimization>]
     [, limit : <number of objects to return from collection>]
     [, out : <output-collection name>]
     [, keeptemp: <true|false>]
     [, finalize : <finalizefunction>]
     [, scope : <object where fields go into javascript global scope >]
     [, verbose : true]
   }
  );

  或者这么写：
  代码如下:

  db.collection.mapReduce(
                           <map>,
                           <reduce>,
                           {
                             <out>,
                             <query>,
                             <sort>,
                             <limit>,
                             <keytemp>,
                             <finalize>,
                             <scope>,
                             <jsMode>,
                             <verbose>
                           }
                         )

  1.mapreduce：指定要进行mapreduce处理的collection 2.map：map函数 3.reduce：reduce函数 4.out：输出结果的collection的名字，不指定会默认创建一个随机名字的collection（如果使用了out选项，就不必指定keeptemp：true了，因为已经隐含在其中了） 5.query：一个筛选条件，只有满足条件的文档才会调用map函数。（query。limit，sort可以随意组合） 6.sort：和limit结合的sort排序参数（也是在发往map函数前给文档排序），可以优化分组机制 7.limit：发往map函数的文档数量的上限（要是没有limit，单独使用sort的用处不大） 8.keytemp：true或false，表明结果输出到的collection是否是临时的，如果想在连接关闭后仍然保留这个集合，就要指定keeptemp为true，如果你用的是MongoDB的mongo客户端连接，那必须exit后才会删除。如果是脚本执行，脚本退出或调用close会自动删除结果collection 9.finalize：是函数，它会在执行完map、reduce后再对key和value进行一次计算并返回一个最终结果，这是处理过程的最后一步，所以finalize就是一个计算平均数，剪裁数组，清除多余信息的恰当时机 10.scope：javascript代码中要用到的变量，在这里定义的变量在map，reduce，finalize函数中可见 11.verbose：用于调试的详细输出选项，如果想看MpaReduce的运行过程，可以设置其为true。也可以print把map，reduce，finalize过程中的信息输出到服务器日志上。

  执行MapReduce函数返回的文档结构如下：

  代码如下:

    { result : <collection_name>,
  

      timeMillis : <job_time>,

      counts : {

                 input : <number of objects scanned>,

                 emit : <number of times emit was called>,

                 output : <number of items in output collection>

       } ,

       ok : <1_if_ok>,

       [, err : <errmsg_if_error>]

  }

  1.result：储存结果的collection的名字,这是个临时集合，MapReduce的连接关闭后自动就被删除了。 2.timeMillis：执行花费的时间，毫秒为单位 3.input：满足条件被发送到map函数的文档个数 4.emit：在map函数中emit被调用的次数，也就是所有集合中的数据总量 5.ouput：结果集合中的文档个数（count对调试非常有帮助） 6.ok：是否成功，成功为1 7.err：如果失败，这里可以有失败原因，不过从经验上来看，原因比较模糊，作用不大

  java代码执行MapReduce的方法：

  代码如下:

  public void MapReduce() {
          Mongo mongo = new Mongo("localhost",27017);
          DB db = mongo.getDB("qimiguangdb");
          DBCollection coll = db.getCollection("collection1");
         
          String map = "function() { emit(this.name, {count:1});}";
                                                                                                                
     
          String reduce = "function(key, values) {";  
          reduce=reduce+"var total = 0;";  
          reduce=reduce+"for(var i=0;i<values.length;i++){total += values[i].count;}";  
          reduce=reduce+"return {count:total};}";  
            
          String result = "resultCollection";  
            
          MapReduceOutput mapReduceOutput = coll.mapReduce(map,  
                  reduce.toString(), result, null);  
          DBCollection resultColl = mapReduceOutput.getOutputCollection();  
          DBCursor cursor= resultColl.find();  
          while (cursor.hasNext()) {  
              System.out.println(cursor.next());  
          }  
      }  

• 

  为你的mongodb砌堵墙吧，防止被攻击和勒索
  • asd

  1
  1
  帖子
  1102
  浏览

  

  起因

  2017年1月，当大家都在为16的逝去写总结，并为17年的到来做计划的时候，一波黑客发动了一轮攻击，攻击的对象瞄准了mongodb数据库。他们删除了所有数据库数据，并留下一个勒索数据库。不幸的是，我也成为这“幸运”的一员。 当收到用户反馈说，无法登陆网站时，我还在奇怪。当我连上线上服务器时，看到了这个： API参考）：

  >mongodump -h dbhost -d dbname -o dbdirectory -h： MongDB所在服务器地址，例如：127.0.0.1，当然也可以指定端口号：127.0.0.1:27017 -d： 需要备份的数据库实例，例如：test -o： 备份的数据存放位置，例如：c:\data\dump，该目录需要提前建立，在备份完成后，系统自动在dump目录下建立一个test目录，这个目录里面存放该数据库实例的备份数据。

  MongoDB数据恢复方式（API参考）：

  mongodb使用 mongorestore 命令来恢复备份的数据。 语法 mongorestore命令脚本语法如下： >mongorestore -h dbhost -d dbname --directoryperdb dbdirectory -h： MongoDB所在服务器地址 -d： 需要恢复的数据库实例，例如：test，当然这个名称也可以和备份时候的不一样，比如test2 --directoryperdb： 备份数据所在位置，例如：c:\data\dump\test，这里为什么要多加一个test，而不是备份时候的dump。 --drop： 恢复的时候，先删除当前数据，然后恢复备份的数据。就是说，恢复后，备份后添加修改的数据都会被删除，慎用哦！

  备份策略

  全量备份：可以最快的时间快速恢复所有数据，缺点是备份成本大，时间长；

  全量备份+增量备份：可以较快的恢复所有数据，缺点是恢复时间长，如果增量数据有问题，无法恢复所有数据；

  搭建从库，直接切换到从库，前提是从库的数据安全可靠。

  后记
  

  通过这次的教训，更加深刻认识到数据库安全的重要性，在以后的工作中一定要更加注重服务器和数据库的安全，做好安全措施。

  谨记，安全，安全，安全。

• 

  MongoDB数据模型和索引学习
  • asd

  1
  1
  帖子
  1095
  浏览

  

  1. MongoDB数据模型：

  MongoDB数据存储结构： MongoDB针对文档（大文件采用GridFS协议）采用BSON（binary json，采用二进制编码）数据格式来存储和交换数据。Bson吸收了JSON schema-less的特点，存储结构松散，不需要像RDB（关系数据）那样事先定义数据存储的元数据结构，另外增加了多种数据类型的支持和优化，使读写更加高效。 (1) BSON 支持的数据类型：

  Double、String、Object、Array、Binary Data、Undefined、Object id、Boolean、Date、Null、Regular Expression、JavaScript、Symbol、JavaScript（with scope）、32-bit integer、Timestamp、64-bitInteger、Min key、Max key

  (2) BSON 在表现形式如下：

  { "_id" : ObjectId("542c2b97bac0595474108b48"), "ts" : Timestamp(1412180887, 1)，"name":"steven"}

  (3) BSON 是MongoDB中的通信协议和数据存储格式： 在MongoDB中客户端和服务端通信采用的是BSON的文档格式，例如查询一段数据，需要这样写：

  db.steven.find({"name":"steven"})

  更新一段数据需要这样写：

  db.steven.update({"name":"steven"},{$set:{"name":"jianying"}})

  删除一段数据需要这样写：

  db.steven.remove({"name":"steven"})

  总之MongoDB中针对文档的CRUD的RPC通信格式均支持采用了BSON的数据格式。并且其存储格式也采用了BSON的格式类似：

  { "_id" : ObjectId("542c2b97bac0595474108b48"), "ts" : Timestamp(1412180887, 1)，"name":"steven"}

  (4) BSON数据格式的编码： BSON的String类型均采用UTF-8编码，其中KV结构中 K值 和 字符串类型的V值，均采用UTF-8格式编码。如果使用的是其他格式则需要转码。并且针对K 值可以采用除以下要求外的任意UTF-8字符：

  a.键不能含有\o(空字符) b.$和.有特殊的含义，只有在特定环境下采用使用 c.以下划线"_"开头的键是保留的（不是严格要求的）

  而其它值类型的编码则按照具体数据类型的内置协议编码。MongoDB在数据模型的组织方式上，支持文档的引用和嵌套。具体介绍如下。

  数据模型设计模式 - 引用 和 嵌套： 以引用的方式存储数据是一种MongoDB组织数据存储结构的模式，即一个文档中存储了检索另一个文档需要的必要信息，举例如下：

  { _id: "joe", name: "Joe Bookreader" } { patron_id: "joe", street: "123 Fake Street", city: "Faketon", state: "MA", zip: "12345" }

  上面的文档是用户joe的信息，而下面那个文档则记录了他的地址信息，要根据joe的name检索地址信息，则需要先检索第一个文档，然后再检索第二个文档。而设计成 嵌套模式则表现为：

  { _id: "joe", name: "Joe Bookreader", addresses: [ { street: "123 Fake Street", city: "Faketon", state: "MA", zip: "12345" } ] }

  这两种设计模式的均有各自的优缺点，引用模式被认为是规范化的模式，减小了数据存储的冗余，结构设计清爽简单。符合我们一般设计原则，但是要获取完整数据的通信开销比较大，而且多个文档操作的原子性在MongoDB层面无法保证。 而被认为非规范化的嵌套设计模式，则具备相反的特性，其有点是减少了通讯的成本，并且原子性在单条文档得以保证，缺点就是数据存在冗余。选择哪种数据组织方式其实是一种权衡（trade-off）。

  注意点： (1) MongoDB 文档的大小必须小于16M，超过这个大小的话，要考虑使用GirdFs。 (2) 加入的文档大小超出原先分配给它的空间，MongoDB会把这个文档移动到磁盘的另外一个位置。迁移文档比原位更新更要耗时，也会因此导致磁盘碎片问题。 (3) 在MongoDB里面，操作的原子性级别保证到 document级别。 (4) Bson 字符串采用UTF-8编码。

  2. MongoDB索引结构：

  MongoDB支持索引的类型: MongoDB采用B树的结构来组织索引（有效的支持等值查询和范围查询），支持针对文档中任意字段构建索引，不论是单值、数组、文本、嵌套结构的字段，均可构建索引。MongoDB 针对BSON存储格式是一种全索引的支持策略。面对多而强大的Mongo索引，索引的设计对性能的提升有比较大的影响。目前最新MongoV3.0版本支持的索引类型有如下几种：

  索引类型 简述 Default _id 默认ID索引：Mongo默认构建唯一性索引的id字段，每个文档都有一个_id字段。 Single Field 单值索引：针对文档的某一字段或或嵌套文档的某一字段构建索引。 Compound Index 组合索引：将多个字段放在一起构建索引，字段索引间组成上下层的树形结构。 Multikey Index 多值索引：针对数组类型的索引结构，为数组的每个值建立一个索引。 Geospatial Index 地理位置索引： 针对地理坐标结构，构建索引，能高效定位坐标范围，属额外福利。 Text indexes 文本索引：类似搜索引擎的文本检索，涉及到分词操作，可惜不支持中文，而且查询语法的支持相对单一。 Hashed Indexes 哈希索引：为了支持 基于Hash的Sharding（一种部署方式）而生，只支持等值检索，不支持范围检索。

  以上介绍了索引的类型，而不同类型的索引又可以带有以下属性,间接如下：

  索引的属性：

  (1) 唯一索引： 和RDB（关系型数据库）的唯一性索引的概念一致，为了避免出现重复的值而设计。 构建方式如：

  db.members.createIndex( { "user_id": 1 }, { unique: true } )

  (2) 稀疏索引： 稀疏索引的稀疏性体现在，其只为那些包含索引字段的文档构建索引Entry。忽略那些不包含索引字段的文档。 构建方式如：

  db.addresses.createIndex( { "xmpp_id": 1 }, { sparse: true } )

  (3) TTL索引： TTL顾名思义是生命周期的意思，即存储的document存储带有过期时间属性，超过生命周期自动删除，像日志数据、系统自动产生的临时数据、会话数据等均符合这一场景。 构建方式如：

  db.log_events.createIndex( { "createdAt": 1 }, { expireAfterSeconds: 3600 } ) 索引结构和特性：

  (1) B树结构，顺序存储：MongoDB的索引均采用B树的结构组织，支持高效的等值查询和范围查询。且内部索引项（entry）是默认有序的，可以天然保证返回结果有序。 (2) 索引的排序：构建索引是可以指定索引项是按照升序或降序构建，升序或降序的选择对于单值索引来说是等效的，但是对于组合索引则不等学效，组合索引被组织成上下级的树形结构，升序或降序选择错误，会对性能产生较大影响。 (3) 索引的交集：2.6版本以后，索引的查询优化策略支持索引的交集，可以将多条索引组合来使用，最高效的检索数据。例如可以构建两条单独的索引，当查询条件关联到这两条索引的时候，索引优化计划会自动组合这两条索引来检索。 例如构建了如下2条索引：

  { qty: 1 } { item: 1 }

  则以下查询语句会命中以上两条索引：

  db.orders.find( { item: "abc123", qty: { $gt: 15 } } )

  另外索引的交集和包括：

  索引的前缀交集：主要针对组合索引，查询计划会优化组合索引的前缀来查询。 索引分析方法：

  (1) 评估RAM容量，尽量保证索引在内存中： 查询索引大小的命令（单位是字节）：

  db.collection.totalIndexSize() db.collection.stats()

  (2) 分析查看索引的计划：

  MongoDB中使用explain和hint可以查看索引的策略：

  db.collection.find().explain()

  可以看出那条索引策略生效，以及索引交集的使用情况。

  db.collection.find().hint({"name":1})

  hint的命令则可以指定强制使用某条索引。

  (3) 索引的管理信息: 每个DB下面都会有一个system.indexes集合，这个集合记录着DB下，索引构建的元数据信息。

  db.system.indexes.find() 注意点：
  (1) 每个索引需要至少8K的空间。 (2) MongoDB 会对 _id字段自动创建唯一索引。 (3) 一个特别的索引类型支撑了TTL集合的实现，TTL依赖一个在Mongod中的后台线程，该线程读取索引中日期类型的值并从集合中删除过期的documents。
• 

  ​什麼是NoSQL​
  • Sol

  2
  2
  帖子
  1333
  浏览

  

  這篇有提到

  http://forum.foxera.com/mongodb/topic/104/nosql介绍

• 

  mongoDB——java操作mongoDB实现文件上传下载
  • asd

  1
  1
  帖子
  1424
  浏览

  

        mongoDB提供的java驱动封装了具体的实现细节，我们操作起来非常简单的。

        对文件的增加、删除和读取，通过一下几个组件来完成：

        GridFS：核心类，提供了对文件的创建、查找和删除操作。

        GridFSDBFile：从数据库中读取的文件，提供了文件的输出、删除操作。

        GridFSFile：要保存的文件，提供了文件的保存、校验、获取文件基本信息等操作。

        DBCollection的两个实例：

                         _filesCollection：文件集合，文件的基本信息。

                       _chunkCollection：块集合，文件的数据

     

  public static void main(String[]args) throws Exception{ Mongo mongo = new Mongo(); DB db = mongo.getDB("mongoDBFile"); //创建数据库连接 GridFS myFS = new GridFS(db,"user1"); //创建GridFS 对mongoDBFile数据库中的user1进行操作，这样文件的读取和删除都是user1中的文件 //保存文件 GridFSFile file = myFS.createFile(new File("D:/image1.jpg")); file.save(); //输出文件 /*GridFSDBFile file =myFS.findOne("image1.jpg"); file.writeTo(new File("D:/image1.jpg"));*/ //删除文件 /*GridFSDBFile file =myFS.findOne("image1.jpg"); myFS.remove((ObjectId) file2.getId());*/ }

       mongoDB的java驱动提供给我们的使用并不复杂，而且涉及到的类也很少，我们在项目中根据具体需要再去找相应的方法就可以了。

      ------------------------------------------------------------------------------------------------------------------

      下面是用java做的一个文件上传、预览、下载、批量打包下载的功能，在项目中经常用的，先看一下运行效果：

       首页面 

       

       上传

        

          显示所有文件列表：

          

       单文件下载：

    

       批量打包下载

      

   压缩包里的文件： 

• 

  基于分布式文件存储的开源数据库系统，MongoDB 3.5.3 发布
  • asd

  2
  2
  帖子
  1365
  浏览

  

  情人節版本ㄟ，不過官網還找不到下載點，之後再來試

• 

  MongDB&SQL语法对照
  mongdb&sql語法對照 • • leo

  3
  3
  帖子
  2320
  浏览

  

  感謝分享...收藏

• 

  php 操作 mongodb
  • asd

  1
  1
  帖子
  869
  浏览

  

  <?php
      //connect to mongodb,default:127.0.0.1
      $dbHost="127.0.0.1";
      $dbPort="27017";
      //if there are not any params inside,the mongo link for default port:27017 and default
      //host:localhost
       
      $conn = new Mongo("$dbHost,$dbPort");
       
       
      //select db
      //$db = $conn->blog;//这样写也是对的
      $db = $conn->selectDB("blog");
       
       
      //select collection
      //$collection = $db->users;
      $collection = $db->selectCollection("users");
       
      //insert,在users集合中有三个字段：name,password,email
      $name="test";
      $password=md5("123");
      $email="test@qq.com";
       
       $newDoc = array(
        "name" => $name,
        "password" => $password,
        "email" => $email
      );
      $ret = $collection->insert($newDoc);
       
       
       
       
       
      //delete
      //删除 name："test"的用户，justOne为true删除第一条，false删除所有name为"test"的用户
      $collection->remove(array('name'=>'test'), array("justOne" => false));
       
       
       
       
       
      //update
      //将集合中name为"zjw"的更新为"zjw1"
      $newdata = array('$set' => array("name" => "zjw1"));
      $collection->update(array("name" => "zjw"), $newdata,array("multiple"=>true));
       
       
       
       
      //find   查询所有的
      $cursor = $collection->find();
      // iterate cursor to display datas of documents
      foreach ($cursor as $document) {
          echo $document["name"] . "\t".$document["password"]."\t".$document["email"]."<br/>";
      }
       
      //find on condition
      //条件查询
      $query = array("name"=>"zjw1");
          $cursor = $collection->find($query); //在$collectio集合中查找满足$query的文档
          while($cursor->hasNext())
          {
            var_dump($cursor->getNext()); //返回了数组
          }
      echo "<br/>";
       
      //findOne 查询一条数据
      $zjw1_Cursor = $collection->findOne(array("name"=>"zjw1"));
       
      echo $zjw1_Cursor["name"]."\t".$zjw1_Cursor["password"]."\t".$zjw1_Cursor["email"]."<br/>";
       
       
      //list db,列出所有数据库
      $dbs = $conn->listDBs();
      $dbsInfo= $dbs["databases"];
      foreach ($dbsInfo as $info) {
          echo $info["name"]."<br/>";
      }
   
       
       
      //close mongodb
      $conn->close();
  ?>

• 

  MongoDB的优缺点
  • asd

  1
  1
  帖子
  2784
  浏览

  

  前言
  MongoDB作为Nosql主流数据库，它的优缺点肯定也跟Nosql的特性有关。其实一个数据库的好坏还是要根据具体业务需求来分析。本文与其说mongodb的优缺点，还不如说是mongodb的特性，但文中会作一些比较，所以还是叫mongodb的优缺点合适。

  MongoDB 优点

  无模式
  它可以减少表的空余字段，减少拆表的必要，例如用户集合可以一条记录带有 admin: true 属性，其他不带有这个属性，而在关系数据库中这类带来大量空余字段的属性最好拆表。如果觉得 admin: true 的例子太简单，可以考虑下怎么储存 gemspec 的内容并让它可索引。
  无模式另一个好处是让代码逻辑管理起来更清晰，可以把属性定义和模型逻辑放在一起：

  class Artist include Mongoid::Document field :name, type: String end

  类似 DataMapper 的库虽然也能实现这样的语法，但始终需要维护一个迁移脚本，需要重复自己。用 Mongoid 的时候我一直觉得打开 Model 文件先看到属性定义很舒服。

  数据类型
  MongoDB 支持的数据类型多于 MySQL，其中最主要是 Array，Hash 类型。而PostgreSQL 原生或通过扩展可以支持 Array 和 Hash，但是配套的操作不如 MongoDB 的简便。
  例如 MongoDB 对 Array 有一个 $addToSet 方法，只有数组不存在某元素时进行插入：

  update( $addToSet: { upvotes_ids: 1 } )

  而 PostgreSQL 要进行同样操作需要组合一些语句：

  SET upvotes_ids = array_append(upvotes_ids ,1) WHERE NOT (upvotes_ids @>array[1])
  所以MongoDB 的语句更简洁。

  MongoDB 缺点

  无模式缺点
  最大坏处就是无法真正掌握数据库中有什么内容，实际上并不是经常需要储存无模式数据，多数是模式化数据。所以即使不需要管理模式迁移，还是要管理数据迁移，每次更改属性相关逻辑时要写数据迁移脚本。这里无模式是好是坏取决于应用场景。

  不支持事务
  也许需不需要数据库事务成了是否选择 MongoDB 的决定性因素，MongoDB 不支持数据库事务。
  有很多应用对数据一致性其实要求不高，例如很多社交应用，大多数应用逻辑只是简单存取（发一段文字，上传一张照片），极少的不一致是不影响应用的。 而一些严肃应用，例如交易系统，就很需要数据库事务的支持了，否则就需要在应用层自己实现一个粗糙的、充满 Bug 的事务支持。如果有兴趣自己实现事务操作，可以看 MongoDB 的文章 Perform Two Phase Commits。
  如果有跨系统的事务操作，就不能完全依赖数据库事务，还要有应用层的重试或回滚操作（例如远程调用支付接口）。数据库层面支持事务的话，起码让维护系统内部数据一致性更轻松。

  查询语法
  MongoDB 的原生查询语法是 JavaScript，JavaScript 程序员可能对此欣喜若狂。我最初感觉也是很新鲜，但久了就觉得很烦躁。JavaScript 太多的括号和花括号，在组合多个查询条件的时候作括号匹配很费神。SQL 是一个查询 DSL，虽然看起来有点古老，但是在查询这个特定领域上做得很好。
  如果应用使用 ORM，可能很多时候不需要写原生查询语句。除了 PHP 社区外，其他社区也不推荐写原生查询。不过少数情况下，复杂查询还是原生语句更高效，而且数据库终端也是调试查询错误的最终手段，所以查询语法至少不能让人难受。

  结语
  从关系数据库到MongoDB，其实应用哪个数据都应该根据具体业务来决定，而不是个人喜好，数据库切换更是如此 。但有一个是可以确定的：如果当前数据库用得很好，就没必要更换。

• 

  robomongo的安装
  • wai_m

  1
  1
  帖子
  2541
  浏览

  

  robomongo是mongodb的一款图形管理软件，本文将在windows 7环境下安装该软件。具体步骤如下：

  1、打开百度首页，搜索“Robomongo-0.8.4-i386.exe”图形化工具，下载安装软件，双击运行 Robomongo-0.8.4-i386.exe，点击“下一步”，如下图所示：
  

  2、点击“我接受(I)”，如下图所示：
  

  3、选择好软件安装位置，然后点击“下一步(N)”，如下图所示：
  

  4、点击"安装(I)"，如下图所示：
  5、直至安装完成，如下图所示：
  6、运行 robomongo，可以在开始菜单找到启动程序 ，点击Create，如下图所示：
  7、如果只连接本地的mongodb，那么什么都不用选择 ，直接“save”即可，如下图所示：
  

  8、选中“本地"，并点击connect,如下图所示：
  

  9、现在可以通过robomongo来管理mongodb数据库了，如下图所示：
  

• 

  MongoVUE的基本配置
  • wai_m

  1
  1
  帖子
  2543
  浏览

  

  前言
  MongoVUE是一款针对MongoDB的客户端工具，现在连接数据库也叫数据模式有2种方法，一种是B/S结构的数据库，通过网页就可以访问。另外一种就是基于C/S客户端的连接方式，本次为大家分享的这一个工具就是属于C/S类型的客户端工具。主要介绍MongoVUE在连接MongoDB时的配置。

  操作步骤

  1、下载安装MongoVUE，安装完成点击桌面MongoVUE的图标，进入工具的主界面，如下图：
  2、进入工具主界面后，在左上角有一个【connect】连接的一个可点选项，点击connect，然后在原有窗口之上会弹出一个小的操作框，框中提示“connect to mongo datebase ”翻译过来就是“连接到mongo数据库”，在下面的列表里可以看到一些配置好的数据库连接列表。
  3、如果需要访问的数据库已经在配置列表里面存在了，则选中相应的配置好的数据库名称，点击【connect】按钮，就完成了mongo数据库的连接。
  4、如果配置列表里面没有想要连接的数据库那么需要先经过配置，点击connect界面上的绿色小加号如下图，点击绿色小按钮后弹出“mongoDB connection”弹窗，依次填写Name（创建名称）server（数据库IP地址）port（端口号）username（数据库登录用户名）password（数据库访问密码）datebase（访问数据库名）
  5、填写完成以后点击弹出框的右下角的【test】按钮，测试一下数据库配置是否正确，能否连接到数据库如下图，提示“successfully”表示连接成功。
  6、配置创建成功后就可以通过第四步的步骤连接mongo数据库了，连接以后在左侧目录会看到连接的数据库名称，点击找到要操作的表，进行操作。
  
• 

  Apache ab 压测
  • asd

  1
  1
  帖子
  1117
  浏览

  

  前言
  ab 的全称是 ApacheBench , 是 apache http server 自带的一个测试工具，专门用于 HTTP Server 的 benchmark testing，可以同时模拟多个并发请求。公司的开发人员也在用它作一些测试，看起来也不错，很简单，也很容易使用。可以对你的 Web 站点进行压力测试，非常小，使用起来很简单。文中数据库使用的是Mongodb。如果你已经安装了 apache，那么在 /bin 目录就能找到 ab，输入 ap --help `, 里面简单几个选项仔细读一下，很快就能上手进行测试。官方使用文档：https://httpd.apache.org/docs/2.4/programs/ab.html
  

  OneAPM
  这个就不用多说了，性能监控软件，如何使用请参考官网的 guide，我分别在不同的平台上都试过接入 OneAPM，比如 node.js，ruby，php，java，使用起来挺简单方便的。

  <code>环境： 内网测试服务器 语言： Ruby Framework： ror 数据库： MongoDB </code>

  总共进行了两轮压测, 测试方式及结果:

  第一轮： 每秒大概 30 个并发, 单页面访问

  第二轮：并发量每秒提升到 100，分别访问 4 个主页面

  使用 ab 进行测试的方式：

  <code> ab -n 1000 -c 30 <your url> </code>

  -n 是指总的 request 数量，-c 是指同一时间并发量
  以下是在添加了OneAPM Ruby agent之后，使用 apache ab 压测结果。

  总体拓扑
  OneAPM 通过拓扑图来展示应用的端到端调用关系、应用服务器与数据库、外部 服务的调用关系以及应用之间的调用关系。同时，通过在拓扑图中将相应模块标记成不同颜色。
  由于只是压测，就没有在测试环境部署相关的后台任务，也没做集群以及 LA , 在我们的 prod 环境中，是有做 cluster 及 Load balance。
  

  总览
  30 并发 /s 的平均响应时间在 200ms 左右，而一旦提升到 100 并发 /s，响应时间瞬间飙升到 800～900ms 左右，对于一个目前 pv 还不算高的网站，还可以接受，但也还有提升空间。
  

  MongoDB
  MongoDB 在单机压力测试下表现还可以，如果说服务器要做性能优化的话，主要就是在 framework 上。
  

  结论
  OneAPM 除了用于定位应用线上的问题，还配合使用 ab 压测在项目上线前提早预知一些可能的性能瓶颈，OneAPM 的 Dashboard 就是一个很好的压测结果报告，压测前后的性能差异一目了然，不需在通过一些命令再去对比 Response time 之类的数据，总之省力很多。
  比较传统的方式是下图这样对比性能，编辑 bench 了一个 url 之后得到输出结果：
  

  客观的从纯性能的角度出发，在生产环境中，Ruby 还是只适合 Small Business 。对于压力较高的服务或应用，就必须投入大量额外的硬件资源才能维持。
  最后的最后：不要在正式环境做压力测试！！！

• 

  MongoDB的图形管理工具
  • wai_m

  1
  1
  帖子
  1359
  浏览

  

  1、简介
  Robomongo是基于Shell的跨平台MongoDB管理工具。Robomongo与MongoDB之间的关系就相当于PHPMyAdmin与MySQL之间的关系。并且Robomongo还 嵌入了 JavaScript 引擎和 MongoDB mogo 。只要你会使用 mongo shell ，你就会使用 Robomongo。提供语法高亮、自动完成、差别视图等。

  2、特性：对MongoDB Shell的完美支持
  Robomongo内置V8引擎来驱动mongo命令行工具，所以你用mongo命令行工具完成的所有操作都可以通过Robomongo来完成，还可以通过按“Ctrl + Enter”只执行被选中部分查询代码。其本身提供语法高亮，自动完成，并且支持不同的结果查询模式（文本，树，或表格），如下图：
  

  3、支持多结果集查询
  Robomongo命令行可以通过编写多条查询语句来一次性获取多个查询结果集，还可以通过按“F10”改变结果集的展示方式，即水平和垂直方向的切换。如下图:
  

  4、支持命令自动完成
  Robomongo支持对所有的对象和函数的自动完成功能，还可以通过输入函数名，然后按“Ctrl + Enter”来获取函数的具体定义，如下图：
  

  5、多命令行窗口
  Robomongo也支持多命令行窗口，可以在Robomongo打开多个命令行窗口，并通过按“Ctrl + T”复制命令行窗口。

• 

  Python和mongodb的交互
  • wai_m

  1
  1
  帖子
  1469
  浏览

  

  前言

  这篇文章主要介绍了如何使用Python脚本操作MongoDB，需要的朋友可以参考下。

  1、连接数据库
  MongoClient VS Connection
  1.1、使用MongoClient连接数据库，语法如下：

  <code> class MongoClient(pymongo.common.BaseObject) Connection to MongoDB. Method resolution order: MongoClient pymongo.common.BaseObject __builtin__.object </code>

  1.2、用子类Connection去继承MongoClient，再连接数据库，语法如下：

  <code> class Connection(pymongo.mongo_client.MongoClient) Connection to MongoDB. Method resolution order: Connection pymongo.mongo_client.MongoClient pymongo.common.BaseObject __builtin__.object </code>

  从这两个类的继承来看，1.2中的connection是继承了MongoClient的（这样的话，MongoClient能使用的，connection也可以用），建议使用MongoClient而不是使用Connection。

  1.3、同时我们也可以通过字典的方式访问数据库和集合，语法如下：

  <code>>>> from pymongo import MongoClient >>> client = MongoClient('192.168.40.87', 27037) >>>db_name = 'test_db' >>>db = client.test_db >>>collection = db.test_collection </code>

  本帖部分内容已隐藏，请登入并回覆，以查看隐藏内容！
  

• 

  安装RockMongo
  • wai_m

  1
  1
  帖子
  1746
  浏览

  

  前言
  RockMongo, 一个用PHP5写的MongoDB管理工具，据说是PHP+MongoDB最好的工具，很类似PHPMyAdmin。
  0、 预备工作
  操作系统: Windows7
  所需软件：

  nginx 下载地址 http://nginx.org/en/download.html PHP5.6 下载地址 http://windows.php.net/download#php-5.6 (Windows版) PHP MongoDB 下载地址 http://pecl.php.net/package/mongo/1.6.11/windows RockMongo 下载地址 http://rockmongo.com/downloads
  本文MongoDB安装在 D:/MongoDB/Server/3.0

  1、安装配置nginx
  Windows版的Nginx不用安装，解压缩放在一个目录即可。本文是放在D:/nginx。

  1.1、打开D:/nginx目录，运行该文件夹下的nginx.exe

  1.2、测试是否启动nginx。打开浏览器访问http://localhost 或 http://127.0.0.1，看看是否出现“Welcome to nginx!”，出现的证明已经启动成功了。没有启动的话，看看80端口是不是被占用了。
  

  1.3、nginx默认目录在“D:/nginx/html/”下

  1.4、关键是配置nginux，修改d:/nginx/conf/nginx.conf文件：

  1.4.1、改root路径，在Server { 段里，大致在43行开始，去掉注释，修改root路径，添加index.php（其实是否添加index.php不重要）。
  location / { root D:/nginx/html; index index.html index.htm index.php; }

  1.4.2、增加PHP支持，在65行左右，去掉注释，同样将root html;改为root D://nginx/html;。再把“/scripts”改为“$document_root”，“$document_root”就是指前面“root”所指的站点路径。修改后看起来这样的：

  # pass the PHP scripts to FastCGI server listening on 127.0.0.1:9000 location ~ /.php$ { root D:/nginx/html; fastcgi_pass 127.0.0.1:9000; fastcgi_index index.php; fastcgi_param SCRIPT_FILENAME $document_root$fastcgi_script_name; include fastcgi_params; }

  那个端口9000，建议没事别改它。

  2、 安装配置PHP
  2.1、 Windows版的PHP也一样，解压缩后直接放个目录好了，放在D:/php-5.6.15。记得把PHP安装路径追加到Windows的PATH环境变量里。
  2.2 、php.ini-development改名为：php.ini，一系列修改：

  搜索 "extension_dir"，去掉行首注释，改成 extension_dir = "D:/php-5.6.15/ext"

  搜索 "date.timezone"，去掉行首注释，改成 date.timezone = Asia/Shanghai搜索 "enable_dl"，去掉行首注释，改成 enable_dl = On

  搜索 "cgi.force_redirect"，去掉行首注释，改成 cgi.force_redirect = 0

  搜索 "fastcgi.impersonate"，去掉行首注释，改成 fastcgi.impersonate = 1

  搜索 "cgi.rfc2616_headers"，去掉行首注释，改成 cgi.rfc2616_headers = 0

  搜索 "php_mysql",找到 extension=php_mysql.dll 和 extension=php_mysqli.dll， 去掉行首注释

  2.3 启动PHP
  d:/php-5.6.15/php-cgi.exe -b 127.0.0.1:9000 -c d:/php-5.6.15/php.ini 应该是无误的了。

  2.4 验证PHP+Nginx
  在d:/nginx/html/里建立一个 index.php， 内容

  <? php phpinfo(); ?>

  打开浏览器，输入 http://127.0.0.1/index.php 能加载如下网页，说明PHP配合Nginx没问题了。
  

  3、 安装 PHP-Mongo3.1
  Windows版的照旧是编译好的，下载后解开压缩包。找到php_mongo.dll，拷贝到D:/php-5.6.15/ext/。修改D:/php-5.6.15/php.ini文件，在extension那里，加一行extension=php_mongo.dll。重启PHP，重启Nginx。3.2 验证PHP_Mongo安装结果，打开http://127.0.0.1/index.php，这时候phpinfo里多了一段关于MongoDB的信息，说明安装成功了。
  

  4、安装Rock-mongo
  4.1、下载rock-mongo安装包，解压缩后拷贝到D:/nginx/html，或者新建一个文件夹D:/nginx/html/rockmongo。不用重启服务。
  4.2、修改config.php文件，主要改 name, host, port, control_users几项即可。
  4.3、 打开 http://127.0.0.1/rockmongo/index.php ，出现下图所示界面，说明RockMongo已经配置完成。
  

  4.4、 用户名、密码登陆进去，RockMongo的界面长得这样的。
  

  5、总结
  平时运行服务时候，Nginx还好说，双击就自动后台运行了，但是PHP的不能总占用一个cmd窗口吧？我们可以用Windows自带工具（start /b）即可：

  c:/>start /b d:/php-5.6.15/php-cgi.exe -b 127.0.0.1:9000 -c d:/php-5.6.15/php.ini

  当然，如果读者能添加成Windows服务也是可以的！

• 

  Java如何与MongoDB建立连接
  • wai_m

  1
  1
  帖子
  1149
  浏览

  

  前言
  据TIOBE编程语言社区公布的数据显示Java是目前使用人数最多的编程语言，作为目前最流行的非关系型数据库MongoDB，如何在Java程序中建立连接则是本文所要讨论的。其中建立连接主要使用的是MongoDB Java Driver API，然所学较浅，错误难免，希望得到大家的指正。

  1、建立连接
  在MongoDB Java Driver API中，要操作MongoDB的第一步和使用其他DB Java Driver类似，都需要首先和数据库建立连接。在MongoDBJava Driver API中，建立连接的类为com.mongodb.MongoClient.在讨论连接字符串等内容之前，我们来看看它最简单的使用方式:

  <code>MongoClient client = new MongoClient(); </code>

  一个构造函数不带任何参数的版本。使用这个构造函数连接到的是本地的MongoDB服务，即/127.0.0.1:27017,当然你如果改变了MongoDB服务的端口，那么这里显示的端口就是你的端口了。
  我们可以通过以下单元测试代码进行验证：

  <code> @Test public void testConstruactors() throws UnknownHostException { MongoClient client; client = new MongoClient(); assertEquals(new ServerAddress(), client.getAddress()); client.close(); } </code>

  目前不需要关心ServerAddress类型，它主要作用于MongoDB服务相关的信息。注意，跟其他DB Java Driver一样，记得关闭连接。
  当然，我们也可以指定连接的Host,看下面的单元测试:

  <code> client = new MongoClient("127.0.0.1"); assertEquals(new ServerAddress("127.0.0.1"), client.getAddress()); client.close(); </code>

  这里，我指定的是本机，你可以使用任何有效的IP.

  2、 设置连接的各项属性
  和其他DB Java Driver的连接一样，MongoDB Java Driver的连接也提供了很多属性。要设置MongoClient有关连接的属性，我们需要用到com.mongodb.MongoClientOpations类。这个类包含了MongoClient建立连接时，与连接相关的所有属性。该类提供了一Builder模式的方式创建并设置这些属性的值。

  <code> MongoClientOptions customClientOptions = new MongoClientOptions.Builder().connectionsPerHost(50).build(); </code>

  分析下上面的代码，MongoClientOptions.Builder()得到的是一个MongoClientOptions的Builder,通过该Builder可以设置各种Options。其中的connectionsPerHost(50）为设置连接池中连接个数，需要注意的是，每个属性的设置方法的返回类型是一个Builder,这意味着我们可以采用类似下面的链式调用：

  <code> MongoClientOptions customClientOptions = new MongoClientOptions.Builder().connectionsPerHost(50).maxWaitTime(2000).build() </code>

  最后，当我们将需要的各项值设定好后，就调用Builder的builder()方法，得到一个MongoClientOptions对象。

  本帖部分内容已隐藏，请登入并回覆，以查看隐藏内容！