1、MongoDB技术特点及典型应场景哪些场景适合MongoDB？RDBMS, MongoDB?NoSQL, MongoDB?核特点Document Model最佳的数据管理式Run Anywhere由得运于任意平台Distributed System智能得将数据放在需要的地档模型模型易_id : 123456 ,first_name : Mark ,last_name : Smith,city : San Francisco ,phones: number : 1-212-777-1212,dnc : true,type : home,number : “1-212-777-1213”,type
2、 : cell举例融业资产管理案例 关系模型传统关系型设计模式传统案1：宽表客户ID100001名称地址xxxxxxxx组织机构代码 营业执照矿井储量开积.发电量多多的电xxxxxxxxxxxxxxxxxxxx100002 的地产xxxx传统案2：主从表客户ID100001名称地址客户IDMETRIC_NAMEMETRIC_VALUEmtsc017深深的煤业100001100001100001100002产许可证矿井储量xxxx2000000矿井位置138.2031 -124.49042%百万吨死亡率档模型档类型设计模式档1档2name: “深深的矿业”,name: “的地产”,orgId:
3、“70107890X”,industryInfo: type: “采矿”orgId: “565425429”,industryInfo: type: “地产”,coalCertificate: “mtsc017”,location: 38.2031, -120.4904 ,mineReserves：2000000,estateCertificate: “fdczz0000001”,areaPerYear：897600.00，salesAreaPerYear : 300000.00deathsByMT: 0.02储量于2000万吨：db.collection.find( industryInfo
4、. mineReserves : $lt: 20000000 )档模型https:/ client.start_session() as s:s.start_transaction()try:任何应都可以使个表或多个表中的多个档都适collection.insert_one(doc1, session=s)collection.insert_one(doc2, session=s)mit_transaction()ACID 保证要么全成功，要么全失败except Exception:s.abort_transaction()版本要求MongoDB 4.0, 持复制集MongoDB 4.2: 持
5、分档模型性能强、功能丰富性能强功能丰富档模型、动分地理位置查询图查询列表查询PB级数据库持分布式扩展复制集 & 分复制集持2-50个节点动恢复关键能：可-容灾维护升级任务隔离：联机与分析作业隔离持不同存储引擎（WireTiger 、 In-memory）分布式扩展复制集 & 分分策略：范围、哈希、标签弹性扩展与收缩数据动均衡应完全透明分布式扩展复制集 & 分库多地理分布不同节点持不同应弹性扩展按地域就近读写海量数据与并发资源最佳分配冷热数据动归档任意部署本地、云端、移动端核特点最佳的数据管理式档模型易智能的将数据放在需要的地可复制集由的运于任意平台服务器模型变更零代价性能表现优异查询功能丰富分
6、弹性扩展库多云（Atlas）容器可插拔引擎就近数据读写移动端统视图Single View融互联零售分析户资产、信、盈利、投资数据，控制险，提供增值业务。全渠道户信息清洗合并，成标签信息，个性化活动推送与服务。根据户为与浏览内容，实时推荐感兴趣的商品、内容。统视图Single View功能要求MongoDB数据模型数据模型数据来源于多个系统，数据格式差异随着业务发展，需要动态调整数据模式档模型持丰富的数据结构（Attribute Pattern）灵活模式变更成本-查询查询丰富的查询、索引、聚合数据可视化：MongoDB Charts & BI ConnectorAI: Spark connect
7、or、R & Python Drivers-查询条件、类型多变数据算法分析&快速可视化-性能与安全性能与安全动扩展分架构鉴权、权限、加密、审计基于Zone的分区-新数据源持续集成，数据量增迅速敏感数据安全与保护-05物联 & 时序数据IoT & Time-series DataIoT交易数据志基础架构及应系统产的志分析，提升运维效率降低故障率。可穿戴设备、联、等传感器数据，包含了量数据价值。情数据、交易为分析，提供相似K线，智能投顾等增值业务。物联 & 时序数据IoT & Time-series Data功能要求MongoDB数据模型数据模型时序类数据，并发写数据结构随着软/硬件版本的更新发变
8、化档模型持丰富的数据结构（Bucket Pattern）灵活模式变更成本-扩展与性能扩展性数据量，随设备全球分布持续在线读写实时性要求分布式架构auto-shardingrang hash zone的分策略-计算分析计算分析实时写与实时分析数据量计算分析库多丰富的查询、索引、聚合数据可视化：MongoDB Charts & BI ConnectorAI: Spark connector、R & Python Drivers-产品录 & 内容管理Product Catalog & Content Management产品录内容管理移动应SKUs、F/X标的，设备等。属性和metadata频繁更新
9、。组织管理任何形式的数据：本、视频、频、图等。移动/现代应快速开发、快速上线、快速迭代。产品录 & 内容管理Product Catalog & Content Management功能要求MongoDB数据模型数据模型对象有复杂多变的属性，元数据应快速迭代，频繁更新数据模型档模型持丰富的数据结构灵活模式变更成本，应版本快速迭代上线GridFS持存储进制数据-户体验户体验户查询请求条件组合多变促销、秒杀等活动期间数据库性能不能降低7*24在线丰富的查询、索引、聚合分布式架构auto-sharding，户就近访问数据库多：复制集同时满在线交易与分析型需求-实时分析实时分析户个性化推荐实时统计销售指
10、标与内容消费情况聚合Aggregation PiplineAI: Spark connector、R & Python Drivers数据可视化：MongoDB Charts & BI Connector-主机下移 & 数据中台Mainframe Offload & Operational Data Layer成本敏捷体验量查询压转移到ODL上，更好的性能与扩展性，降低成本。快速响应业务变化，ODL数据平台提升开发效率3-5倍。7*24，满不断增的户和数据量增。主机下移 & 数据中台Mainframe Offload正在使户案例情况实时交易分析整合全分散交易数据，实现客户层本帐收实时汇总交易额
11、，秒级响应千亿级别数据实时处理-中台系统&策略量化户全局数据、共享数据、标签、字典，处理三端微30000/s的并发请求产品资讯信息，模拟盘数据情数据存放与分析，量化交易-旅客数据旅客多数据源的快速集成（航信、程、李、投诉、贵宾厅、站、App等）Spark和MongoDB集成，幅提升数据分析合处理速度旅客敏感数据集中到MongoDB中，成为唯户数据来源-正在使户案例情况机票缓存机票价格缓存在MongoDB内存引擎中，快速响应票价请求利TTL索引，动删除过期票价分架构应弹性对压增-盘存放盘件的metadata元数据3PB数据量分架构应弹性对压增-智能捷创平台保证普华永道全球所有户能够协同作持跨区读写档、附件；读写性能，低延迟基于地理位置的分集群-低代码、低花费、快速开发
