mongodb与mysql命令对比 传统的关系数据库一般由数据库（database）、表（table）、记录（record）三个层次概念组成，MongoDB是由数据库（database）、集合（collection）、文档对象（document）三个层次组成。MongoDB对于关系型数据库里的表，但是集合中没有列、行和关系概念，这体现了模式自由的特点。 

进行了一下Mongodb亿级数据量的性能测试，分别测试如下几个项目：  （所有插入都是单线程进行，所有读取都是多线程进行） 1） 普通插入性能 （插入的数据每条大约在1KB左右） 2） 批量插入性能 （使用的是官方C#客户端的InsertBatch），这个测的是批量插入性能能有多少提高 3） 安全插入功能 （确保插入成功，使用的是SafeMode.True开关），这个测的是安全插入性能会差多少 4） 查询一个索引后的数字列，返回10条记录（也就是10KB）的性能，这个测的是索引查询的性能 5） 查询两个索引后的数字列，返回10条记录（每条记录只返回20字节左右的2个小字段）的性能，这个测的是返回小数据量以及多一个查询条件对性能的影响 6） 查询一个索引后的数字列，按照另一个索引的日期字段排序（索引建立的时候是倒序，排序也是倒序），并且Skip100条记录后返回10条记录的性能，这个测的是Skip和Order对性能的影响 7） 查询100条记录（也就是100KB）的性能（没有排序，没有条件），这个测的是大数据量的查询结果对性能的影响 8） 统计随着测试的进行，总磁盘占用，索引磁盘占用以及数据磁盘占用的数量 并且每一种测试都使用单进程的Mongodb和同一台服务器开三个Mongodb进程作为Sharding（每一个进程大概只能用7GB左右的内存）两种方案 其实对于Sharding，虽然是一台机器放3个进程，但是在查询的时候每一个并行进程查询部分数据，再有运行于另外一个机器的mongos来汇总数据，理论上来说在某些情况下性能会有点提高

一.mongodb的监控 mongostat是mongdb自带的状态检测工具，在命令行下使用。它会间隔固定时间获取mongodb的当前运行状态，并输出。如果你发现数据库突然变慢或者有其他问题的话，你第一手的操作就考虑采用mongostat来查看mongo的状态。 它的输出有以下几列： inserts/s 每秒插入次数 query/s 每秒查询次数 update/s 每秒更新次数 delete/s 每秒删除次数 getmore/s 每秒执行getmore次数 command/s 每秒的命令数，比以上插入、查找、更新、删除的综合还多，还统计了别的命令 flushs/s 每秒执行fsync将数据写入硬盘的次数。 mapped/s 所有的被mmap的数据量，单位是MB， vsize 虚拟内存使用量，单位MB res 物理内存使用量，单位MB faults/s 每秒访问失败数（只有Linux有），数据被交换出物理内存，放到swap。不要超过100，否则就是机器内存太小，造成频繁swap写入。此时要升级内存或者扩展 locked % 被锁的时间百分比，尽量控制在50%以下吧 idx miss % 索引不命中所占百分比。如果太高的话就要考虑索引是不是少了 q t|r|w 当Mongodb接收到太多的命令而数据库被锁住无法执行完成，它会将命令加入队列。这一栏显示了总共、读、写3个队列的长度，都为0的话表示mongo毫无压力。高并发时，一般队列值会升高。 conn 当前连接数 time 时间戳 二.mongodb的优化 mongodb可以通过profile来监控数据，进行优化。

有点标题党的意思，不过下面三招确实比较实用，内容来自Conversocial公司的VP Colin Howe在London MongoDB用户组的一个分享。 申请：下面几点并非放四海皆准的法则，具体是否能够使用，还需要根据自己的应用场景和数据特点来决定。 1.使用组合式的大文档 我们知道MongoDB是一个文档数据库，其每一条记录都是一个JSON格式的文档。比如像下面的例子，每一天会生成一条这样的统计数据： { metric: "content_count", client: 5, value: 51, date: ISODate("2012-04-01 13:00") } { metric: "content_count", client: 5, value: 49, date: ISODate("2012-04-02 13:00") } 而如果采用组合式大文档的话，就可以这样将一个月的数据全部存到一条记录里： { metric: "content_count", client: 5, month: "2012-04", 1: 51, 2: 49, ... } 通过上面两种方式存储，预先一共存储大约7GB的数据（机器只有1.7GB的内存），测试读取一年信息，这二者的读性能差别很明显：

1.客户端常用命令    #mongo   >help                       //列出帮助   >db.help()                //db级别的帮助 >db.mycollection.help()  //collection 级别的帮助   常用命令：   >show dbs                     //show database names   >show collections          //show collections in current database   >use <db_name>          //set current database   >db.foo.find()                //list objects in collection foo   >db.foo.find({a:1})        //list objects in foo where a == 1   >db.createCollection(name, { size : ..., capped : ..., max : ... } )   //创建collection   >db.dropDatabase()    //删除库   >db.collection.count()  //统计colleciton的数量   >db.collection.drop()    //删除此colleciton   >db.foo.find().count     //某个数据的数量   >db.collection.find(...).limit(n) MongoDB与MySQL的对应关系如下表所示:

在上文中，我们了解了教你如何利用MySQL学习MongoDB之授权和权限，本文中我们继续我们的学习之旅，学习两者的导入和导出。 1、MySQL导入和导出 (1)、mysqlimport 此工具位于mysql/bin目录中，是MySQL的一个载入(或者说导入)数据的一个非常有效的工具。这是一个命令行工具。有两个参数以及大量的选项可供选择。这个工具把一个文本文件(text file)导入到你指定的数据库和表中。比方说我们要从文件student.txt中把数据导入到数据库class中的表 student中： mysqlimport class.student student.txt (2)、load data infile 这个命令与mysqlimport非常相似，但这个方法可以在MySQL命令行中使用。 如mysqlimport工具一样，这个命令也有一些可以选择的参数。比如您需要把自己的电脑上的数据导入到远程的数据库服务器中，您可以使用下面的命令： Load data local infile "d:\student.txt" into table student;