MongoDB 与 MySQL 对比
由于公司系统使用MongoDB，虽然之前了解，但并没有深入学习MongoDB。见此机会，参考《MongoDB 权威指南》深入学习，结合对比MySQL，加深对两种不同数据库的理解。特把学习过程记录和大家分享。
一、 表结构对比
| 表结构对比 | MongoDB | MySQL |
|---|---|---|
| 表 | collections | tables |
| 行 | documents | rows |
| 主键 | _id | id 与业务无关的值作为主键。如果没有显式地在表定义时指定主键，InnoDB存储引擎会为每一行生成一个6字节的ROWID |
| 主键生成策略 | 24位的字符串(time + machine + pid + inc),自己指定 | UUID, 自增 |
| 面向Documents数据库 | T | F |
| 面向行数据库 | F | T |
| 约束 | 无 | 主键约束，外键约束 |
二、 数据类型对比
| 数据类型对比 | MongoDB | MySQL |
|---|---|---|
| 整形 | NumberInt("3"),NumberLong("3") | TINYINT, SMALLINT, MEDIUMINT, INT, BIGINT |
| 浮点 | 默认使用64位浮点型数值 | FLOAT, DOUBLE, DECIMAL |
| 字符 | utf8 字符串 | VARCHAR, CHAR |
| 日期/时间 | new Date(), 自新纪元依赖经过的毫秒数，不存储时区 | DATE, DATETIME, TIMESTAMP |
| NULL | null | 不支持（null与null不相等） |
| 布尔类型 | true/false | 不支持 |
| 正则表达式 | 支持 { "x" : /foobar/i } | 不支持 |
| 数组 | 支持 { "x" : ["a", "b", "c"]} | 不支持 |
| 二进制数据 | 支持 GridFS | BLOB, TEXT |
| 代码片段 | { "x" : function() { /... / } } | 不支持 |
三、 SHELL终端对比
| 对比项 | MongoDB | MySQL |
|---|---|---|
| 启动 | mongo | mysql -u root -p |
| 查看库 | show dbs | show databases |
| 使用库 | use test | use test |
| 查看表 | show collections | show tables |
四、 查询对比
| 查询对比 | MongoDB | MySQL |
|---|---|---|
| 检索单列 | db.users.find({ "age" : 27 }) | SELECT * FROM users WHERE age = 27; |
| 检索多列 | db.users.find({ "age" : 27, "username" : "joe" }) | SELECT * FROM users WHERE age = 27 and username = 'joe'; |
| 指定需要返回的键 | db.users.find({}, { "username" : 1, "email" : 1 }) | SELECT username, email FROM users; |
| 范围检索 | db.users.find({"age" : { "$gte" : 18, "$lte" : 30 }}) $lt, $lte, $gt, $gte 分别对应 <, <=, >, >= | SELECT * FROM users WHERE age >= 18 AND age <=30; |
| 不匹配检索 | db.users.find({ "username" : { "$ne" : "joe" } }) | SELECT * FROM users WHERE username <> 'joe'; |
| IN 操作符 | db.raffle.find({ "ticket_no" : { "$in" : [725, 542, 390] } }) $in非常灵活，可以指定不同类型 的条件和值。 例如在逐步将用户的ID号迁移成用户名的过程中， 查询时需要同时匹配ID和用户名 | SELECT ticket_no FROM raffles WHERE ticket_no IN (725, 542, 390); |
| NOT IN 操作符 | db.raffle.find({ "ticket_no" : { "$nin" : [725, 542, 390] } }) | SELECT * FROM raffles WHERE ticket_no not in (725, 542, 390); |
| OR 操作符 | db.raffle.find({ "$or" : [{ "ticket_no" : 725 }, { "winner" : true }] }) | SELECT * FROM raffles WHERE ticket_no = 725 OR winner = 'true'; |
| 空值检查 | db.c.find({"y" : null}) null不仅会匹配某个键的值为null的文档 ，而且还会匹配不包含这个键的文档。 所以，这种匹配还会返回缺少这个键的所有文档。 如果 仅想要匹配键值为null的文档， 既要检查改建的值是否为null, 还要通过 $exists 条件 判定键值已经存在 db.c.find({ "z" : { "$in" : [null], "$exists" : true }}) | SELECT * FROM cs WHERE z is null; |
| 多列排序 | db.c.find().sort({ username : 1, age: -1 }) | SELECT * FROM cs ORDER BY username ASC, age DESC; |
| AND操作符 | db.users.find({ "$and" : [{ "x" : { "$lt" : 1 }, { "x" : 4 } }] }) 由于查询优化器不会对 $and进行优化， 所以可以改写成下面的 db.users.find({ "x" : { "$lt" : 1, "$in" : [4] } }) | SELECT * FROM users WHERE x > 1 AND x IN (4); |
| NOT 操作符 | db.users.find({ "id_num" : { "$not" : { "$mod" : [5,1] } } }) | SELECT * FROM users WHERE id_num NOT IN (5,1); |
| LIKE 操作符(正则匹配) | db.blogs.find( { "title" : /post?/i } ) MongoDB 使用Perl兼容的正则表达式(PCRE) 库来匹配正则表达式， 任何PCRE支持表达式的正则表达式语法都能被MongoDB接受 | SELECT * FROM blogs WHERE title LIKE "post%"; |
五、 函数对比
{ "_id" : 1, "item" : "abc", "price" : 10, "quantity" : 2 }
{ "_id" : 2, "item" : "jkl", "price" : 20, "quantity" : 1 }
{ "_id" : 3, "item" : "xyz", "price" : 5, "quantity" : 5 }
{ "_id" : 4, "item" : "abc", "price" : 10, "quantity" : 10 }
{ "_id" : 5, "item" : "xyz", "price" : 5, "quantity" : 10 }
| 函数对比 | MongoDB | MySQL |
|---|---|---|
| COUNT | db.foo.count() | SELECT COUNT(id) FROM foo; |
| DISTINCT | db.runCommand({ "distinct": "people", "key": "age" }) | SELECT DISTINCT(age) FROM people; |
| MIN | db.sales.aggregate( [ { $group: { _id: {}, minQuantity: { $min: "$quantity" } } } ]); 结果： { "_id" : { }, "minQuantity" : 1 } | SELECT MIN(quantity) FROM sales; |
| MAX | db.sales.aggregate( [ { $group: { _id: {}, maxQuantity: { $max: "$quantity" } } } ]); | SELECT MAX(quantity) FROM sales; |
| AVG | db.sales.aggregate( [ { $group: { _id: {}, avgQuantity: { $avg: "$quantity" } } } ]); | SELECT AVG(quantity) FROM sales; |
| SUM | db.sales.aggregate( [ { $group: { _id: {}, totalPrice: { $sum: "$price" } } } ]); | SELECT SUM(price) FROM sales; |
六、 CURD 对比
| CURD 对比 | MongoDB | MySQL |
|---|---|---|
| 插入数据 | post = {"title" : "My Blog Post", "content" : "Here`s my blog post"}; db.blog.insert(post) 如果blog 这个集合不存在，则会创建 | INSERT INTO blogs(title, blog_content) VALUES ('My Blog Post', 'Here`s my blog post.') |
| 批量插入 | db.blog.batchInsert([{ "title" : "AAA", "content" : "AAA---" }, { "title" : "BBB", "content" : "JJJJ--" }]) 当前版本的MongoDB能接受最大消息长度48MB， 所以在一次批量插入中能插入的文档是有限制的。 并且在执行批量插入的过程中，有一个文档插入失败， 那么在这个文档之前的所有文档都会成功插入到集合中， 而这个文档以及之后的所有文档全部插入失败。 | INSERT INTO blogs(title, blog_content) VALUES('AAA', 'AAA---'), ('BBB', 'BBB---'); |
| 查询数据 | db.blog.find(); db.blog.findOne(); | SELECT * FROM blogs; SELECT * FROM blogs LIMIT 1; |
| 更新旧数据 | post.blog_content = "十一"; db.blog.update({title: "My Blog Post"}, post) | UPDATE set blog_content = "十一" WHERE title = "My Blog Post"; |
| 更新新增COLUMN | post.comments = "very good"; db.blog.update({title : "My Blog Post"}, post) | ALTER table blogs ADD COLUMN comments varchar(200); UPDATE blogs set comments = "very good" WHERE title = 'My Blog Post'; |
| 删除数据 | db.blog.remove({ title : "My Blog Post" }) | DELETE FROM blogs WHERE title = 'My Blog Post' |
| 校验 | post.blog_visit = 123; db.blog.update({title : "My Blog Post"}, post); post.blog_visit = "asd.123aaa"; db.blog.update({title : "My Blog Post"}, post) 插入的时候，检查大小。所有的文档都必须小于16MB。 这样做的目的是为了防止不良的模式设计，并且保持性能一直。由于MongoDB只进行最基本的检查，所以插入非法的数据很容易。 | 类型校验，长度校验。 ALTER table blogs ADD COLUMN blog_visit INT(10); UPDATE blogs SET blog_visit = "asdasd" WHERE id = 1; ERROR 1366 (HY000): Incorrect integer value: 'asdasd' for column 'blog_visit' at row 1 |
| 删除表 | db.blog.remove({}), db.blog.drop() | DELETE from blogs; drop table blogs; |
七、有的没的
MongoDB:
-
GridFS
可以用来存储大文件(>16M), 与MySQL BLOB，TEXT 类似。
-
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执行，然后再将结果合并成
最终结果。MongoDB提供的MapReduce
非常灵活，对于大规模数据分析也相当实用。
-
时间有限的集合
MongoDB 2.2 引入一个新特性--
TTL集合，TTL集合支持失效时间设置，使用expireAfterSeconds 来实现
当超过指定时间后，集合自动清除超时的文档，这用来保存一些诸如session会话信息
的时候非常有用，或者存储数据使用。 -
无JOIN
MongoDB 为了更快的读，以及更方便的分布式，抛弃了JOIN操作。
JOIN开销其实很大。 -
关于锁
当资源被代码的多个部分所共享时，需要确定这处资源只能在一个地方被操作。
就版本的MongoDB(pre
2.0)拥有一个全局的写入锁。这就意味着贯穿整个服务器只有一个地方做写操作。
这就可能导致数据库因为某个地方锁定超负载而停滞。这个问题在2.0版本中得到
了显著的改善，并且在2.2版本中得到了进一步的加强。MongoDB
2.2使用数据库级别的锁再这个问题上迈进了一大步。图中是两个不同版本的MongoDB，写入性能对比。
MySQL InnoDB使用行级锁，有效提高并发。
-
无事务
不像MySQL
这些多行数据原子操作的传统数据库。MongoDB只支持单个文件的原子修改。
但这也正是MongoDB可以更快地读的原因，没有事务这些负载的处理。MongoDB
可以轻松处理TB级别的数据。 -
磁盘消耗
MongoDB
会消耗太多的磁盘空间了。当然，这与它的编码方式有关，因为MongoDB会通过预分配
大文件空间来避免磁盘碎片问题。它的工作方式是这样：在创建数据库时，系统会创建
一个名为[db_name].0的文件，当该文件有一半以上被使用时，系统会再次创建一个名
为[db_namel].1的文件，该文件的大小是方才的两倍。这个情况会持续不断的发生，因此
256、512、1024、2048大小的文件会被写到磁盘上。
MySQL:
-
强大的引擎
InnoDB 引擎： MySQL默认的事务性引擎。它被设计用来处理大量的短期事务，短期
事务大部分情况是正常提交的，很少会被回滚。InnoDB采用MVCC来支持高并发。MyISAM 引擎： 5.1以及之前的默认版本。全文索引，压缩，空间函数，但是MyISAM不支持事务和
行级锁。MyISAM最整张表加锁，而不是针对行。读取时会对需要读到的所有表加
共享锁，写入时则对表加排它锁。Memory 引擎：比MyISAM表块一个数量级，因为所有的数据都保存在内存中，不需要进行磁盘I/O。数据会丢失
Infobright 是最有名的面向列的存储引擎。但该引擎不支持索引。
-
事务
确保数据库的状态从一个一致状态转变为另一个一致状态。一致状态的含义是数据库中
的数据应满足完整性约束。
-
schema
有利于数据整理，数据存储，并执行正规化的行为。 保证数据的完整性，一致性。
描述了数据存储的模板，比如创建table。
校验数据的格式，比如整形的column 就不能存放字符串数据。
八、 MySQL 与 MongoDB 写入对比
| options | MySQL | MongoDB |
|---|---|---|
| Time taken for tests: | 548.281 seconds | 661.318 seconds |
| Total transferred: | 44000000 bytes | 44200000 bytes |
| Requests per second: | 182.39 [#/sec] | 151.21 [#/sec] |
| Time per request: | 274.141 [ms] | 330.659 [ms] |
| Time per request(across all concurrent requests): | 5.483 [ms] | 6.613 [ms] |
| Transfer rate: | 78.37 [Kbytes/sec] received | 65.27 [Kbytes/sec] received |
在本测试例子中，MySQL 写入情况好于 MongoDB
压测参考命令：
ab -c 50 -n 100000 http://127.0.0.1:6666/deals/mysql_write
ab -c 50 -n 100000 http://127.0.0.1:6666/deals/mongodb_write
九、 MySQL 与 MongoDB 读取对比
| options | MySQL | MongoDB |
|---|---|---|
| Time taken for tests: | 1181.881 seconds | 606.406 seconds |
| Failed requests: | 2239 | 0 |
| Non-2xx responses: | 2239 | 0 |
| Total transferred: | 359397490 bytes | 44100000 bytes |
| Requests per second: | 84.61 [#/sec] | 164.91 [#/sec] |
| Time per request: | 590.941 [ms] | 303.203 [ms] |
| Time per request(across all concurrent requests): | 11.819 [ms] | 6.064 [ms] |
| Transfer rate: | 296.96 [Kbytes/sec] received | 71.02 [Kbytes/sec] received |
在本测试例子中， MySQL 读取性能没有 MongoDB好
压测参考命令:
ab -c 50 -n 100000 http://127.0.0.1:6666/deals/mysql_read
ab -c 50 -n 100000 http://127.0.0.1:6666/deals/mongodb_read
参考
