MongoDB应用场景及选型

1. MongoDB数据库定位
    * OLTP数据库
    * 原则上Oracle和MySQL能做得事情，MongoDB都能做（包括ACID事务）
    * 优点：横向扩展能力，数据量或并发量增加时候可以自动扩展
    * 优点：灵活模型，适合迭代开发，数据模型多变场景
    * 优点：JSON数据结构，适合微服务/REST API
2. 基于功能选择MongoDB

|                   |    MongoDB   |         关系型数据库                |
|-------------------|--------------|------------------------------------|
|   亿级别以上数据量  |   轻松支持    |   要努力一下，分库分表               |
|   灵活表结构       |   轻松支持    | Entity Key/Value表，关联查询比较痛苦 |
|   高并发读         |   轻松支持    | 需要优化                           |
|   高并发写         |   轻松支持    | 需要优化                           |
|   跨地区集群       |   轻松支持    | 需要定制方案                        |
|   分片集群         |   轻松支持    | 需要中间件                         |
|   地理位置查询     | 比较完整的地理位置 | PG还可以，其他数据库略麻烦       |
|   聚合计算         |  功能强大     | 使用Group By，能力有限             |
|   异构数据         |  轻松支持     | 使用EKV属性表                      |
|   大宽表           |  轻松支持     | 性能受限                          |

3. 基于场景选择MongoDB
    * 移动APP、小程序、电商、内容管理、物联网、SaaS应用、主机分流、实时分析、关系型迁移
4. 移动应用
    * 场景特点
        * 基于REST API / JSON
        * 快速迭代，数据结构变化频繁
        * 地理位置功能
        * 爆发增长可能性
        * 高可用
    * MongoDB选型考量
        * 文档模型可以支持不同的结构
        * 原生地理位置功能
        * 横向扩展能力支撑爆发增长
        * 复制集机制快速提供高可用
        * 膜拜单车/Keep/ADP
5. 商品信息
    * 场景特点
        * 商品信息包罗万象
        * 商品的属性不同品类差异很大
        * 数据库模式设计困难
    * MongoDB选型考量
        * 文档模型可以集成不同商品属性
        * 可变模型适合迭代
        * 京东商城 / 小红书 / GAP
6. 内容管理
   * 场景特点
        * 内容数据多样，文本，图片，视频
        * 扩展困难，数据量爆发增长
   * MongoDB选型考量
        * JSON结构可以支持非结构化数据
        * 分片架构可以解决扩展问题
        * Adobe AEM / Sitecore
7. 物联网
    * 场景特点
        * 传感器的数据结构往往半结构化
        * 传感器数量很大，采集频繁
        * 数据量很容易增长到数亿到百亿
    * MongoDB选型考量
        * JSON结构可以支持半结构化数据
        * 使用分片能力支撑海量数据
        * JSON数据更加容易和其他系统通过REST API进行集成
        * 华为 / Bosch / Mindsphere
8. SaaS应用
    * 场景特点
        * 多租户模式，需要服务很多客户
        * 需求多变，迭代压力大
        * 数据增长快
    * MongoDB选项考量
        * 无模式数据库，适合快速迭代
        * 水平扩展能力可以支撑大量用户增长
        * ADP / Teambition
9. 主机分流
    * 场景特点
        * 金融行业传统采用IBM或小型机
        * 传统瀑布开发流程长成本高
        * 结构不易变，难于适应新需求
        * 根据某银行的统计，99%的数据库操作为读流量
        * 基于MIPS付费，读流量成本高
    * MongoDB选型考量
        * 使用实时同步机制，将数据同步出来到MongoDB
        * 使用MongoDB的高性能查询能力来支撑业务的读操作
        * 相比于关系型数据库，更加容易迁入数据并构建成JSON模型进行API服务
10. 实时分析
    * 场景特点
        * 流数据计算
        * 快速计算，秒级返回
    * MongoDB选型考量
        * 使用MongoDB缓存机制，可以利用内存计算加速
        * 使用MongoDB聚合框架，实现分析功能
        * 使用微分片架构的并发计算来大量缩减计算时间
11. 关系型数据库替换
    * 场景特点
        * 基于Oracle / MySQL / SQLServer的历史应用
        * 数据量增长或者使用者变多以后性能变慢
        * 分库分表需要应用配合
        * 结构死板，增加新需求复杂困难
    * MongoDB选型考量
        * 高性能高并发的数据库性能
        * 无需应用分库分表，集群自动解决扩容问题
        * 动态模型适合快速开发
        * 头条 / 网易 / 百度 / 东航 / 中国银行