前言

今天搜索spark mongo的資料，意外發現了MongoDB的一些知識，這些都是之前沒有接觸過的，所以專門記錄下。 (๑• . •๑)

下面話不多說了，來一起看看詳細的介紹吧

一、BSON文檔

• BSON文檔尺寸：一個document文檔最大尺寸為16M；大于16M的文檔需要存儲在GridFS中。
• 文檔內嵌深度：BSON文檔的結構（tree）深度最大為100。

二、Namespaces

• collection命名空間：.，最大長度為120字節。這也限定了database和collection的名字不能太長。
• 命名空間的個數：對于MMAPV1引擎，個數最大為大約為24000個，每個collection以及index都是一個namespace；對于wiredTiger引擎則沒有這個限制。
• namespace文件的大?。簩τ贛MAPV1引擎而言，默認大小為16M，可以通過在配置文件中修改。wiredTiger不受此限制。

三、indexes

• index key：每條索引的key不得超過1024個字節，如果index key的長度超過此值，將會導致write操作失敗。
• 每個collection中索引的個數不得超過64個。
• 索引名稱：我們可以為index設定名稱，最終全名為..$，最長不得超過128個字節。默認情況下為filed名稱與index類型的組合，我們可以在創建索引時顯式的指定index名字，參見createIndex()方法。
• 組合索引最多能包含31個field。

四、Data

• Capped Collection：如果你在創建“Capped”類型的collection時指定了文檔的最大個數，那么此個數不能超過2的32次方，如果沒有指定最大個數，則沒有限制。
• Database Size：MMAPV1引擎而言，每個database不得持有超過16000個數據文件，即單個database的總數據量最大為32TB，可以通過設置“smallFiles”來限定到8TB。
• Data Size：對于MMAVPV1引擎而言，單個mongod不能管理超過最大虛擬內存地址空間的數據集，比如linux（64位）下每個mongod實例最多可以維護64T數據。wiredTiger引擎沒有此限制。
• 每個Database中collection個數：對于MMAPV1引擎而然，每個database所能持有的collections個數取決于namespace文件大小（用來保存namespace）以及每個collection中indexes的個數，最終總尺寸不超過namespace文件的大小（16M）。wiredTiger引擎不受到此限制。

五、Replica Sets

• 每個replica set中最多支持50個members。
• replica set中最多可以有7個voting members。（投票者）
• 如果沒有顯式的指定oplog的尺寸，其最大不會超過50G。

六、Sharded Clusters

• group聚合函數，在sharding模式下不可用。請使用mapreduce或者aggregate方法。
• Coverd Queries：即查詢條件中的Fields必須是index的一部分，且返回結果只包含index中的fields；對于sharding集群，如果query中不包含shard key，索引則無法進行覆蓋。雖然_id不是“shard key”，但是如果查詢條件中只包含_id，且返回的結果中也只需要_id字段值，則可以使用覆蓋查詢，不過這個查詢似乎并沒有什么意義（除非是檢測此_id的document是否存在）。
• 對于已經存有數據的collections開啟sharding（原來非sharding），則其最大數據不得超過256G。當collection被sharding之后，那么它可以存儲任意多的數據。
• 對于sharded collection，update、remove對單條數據操作（操作選項為multi:false或者justOne），必須指定shard key或者_id字段；否則將會拋出error。
• 唯一索引：shards之間不支持唯一索引，除非這個“shard key”是唯一索引的最左前綴。比如collection的shard key為{“zipcode”:1,”name”: 1}，如果你想對collection創建唯一索引，那么唯一索引必須將zipcode和name作為索引的最左前綴，比如：collection.createIndex({“zipcode”:1,”name”:1,”company”:1},{unique:true})。
• 在chunk遷移時允許的最大文檔個數：如果一個chunk中documents的個數超過250000（默認chunk大小為64M）時，或者document個數大于 1.3 *（chunk最大尺寸（有配置參數決定）/ document平均尺寸），此chunk將無法被“move”（無論是balancer還是人工干預），必須等待split之后才能被move。

七、shard key

• shard key的長度不得超過512個字節。
• “shard key索引”可以為基于shard key的正序索引，或者以shard key開頭的組合索引。shard key索引不能是multikey索引（基于數組的索引）、text索引或者geo索引。
• Shard key是不可變的，無論何時都不能修改document中的shard key值。如果需要變更shard key，則需要手動清洗數據，即全量dump原始數據，然后修改并保存在新的collection中。
• 單調遞增（遞減）的shard key會限制insert的吞吐量；如果_id是shard key，需要知道_id是ObjectId()生成，它也是自增值。對于單調遞增的shard key，collection上的所有insert操作都會在一個shard節點上進行，那么此shard將會承載cluster的全部insert操作，因為單個shard節點的資源有限，因此整個cluster的insert量會因此受限。如果cluster主要是read、update操作，將不會有這方面的限制。為了避免這個問題，可以考慮使用“hashed shard key”或者選擇一個非單調遞增key作為shard key。（rang shard key 和hashed shard key各有優缺點，需要根據query的情況而定）。

八、Operations

• 如果mongodb不能使用索引排序來獲取documents，那么參與排序的documents尺寸需要小于32M。
• Aggregation Pileline操作。Pipeline stages限制在100M內存，如果stage超過此限制將會發生錯誤，為了能處理較大的數據集，請開啟“allowDiskUse”選項，即允許pipeline stages將額外的數據寫入臨時文件。

九、命名規則

• database的命名區分大小寫。
• database名稱中不要包含：/ .‘'$*<>:|?
• database名稱長度不能超過64個字符。
• collection名稱可以以“_”或者字母字符開頭，但是不能包含”$”符號，不能為空字符或者null，不能以“system.”開頭，因為這是系統保留字。
• document字段名不能包含“.”或者null，且不能以“$”開頭，因為$是一個“引用符號”。

最后記錄下json嵌套中含有列表的查詢方法，樣例數據：

{ "_id" : ObjectId("5c6cc376a589c200018f7312"), "id" : "9472", "data" : { "name" : "測試", "publish_date" : "2009-05-15", "authors" : [   {  "author_id" : 3053,  "author_name" : "測試數據"  } ], }}

我要查詢authors中的author_id，query可以這樣寫：

db.getCollection().find({'data.authors.0.author_id': 3053})

用0來代表第一個索引，點代表嵌套結構。但是spark mongo中是不能這樣導入的，需要使用別的方法。

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，如果有疑問大家可以留言交流，謝謝大家對武林網的支持。