【赵渝强老师】大数据技术的理论基础
本文介绍了大数据平台的核心思想，包括Google的三篇重要论文：Google文件系统（GFS）、MapReduce分布式计算模型和BigTable大表。这些论文奠定了大数据生态圈的技术基础，进而发展出了Hadoop、Spark和Flink等生态系统。文章详细解释了GFS的架构、MapReduce的计算过程以及BigTable的思想和HBase的实现。
【赵渝强老师】MongoDB的In-Memory存储引擎
MongoDB的In-Memory存储引擎将数据存储在内存中，显著减少查询延迟，提高性能。该引擎不会将数据持久化到硬盘，仅在内存中存储，因此重启后数据会丢失。本文通过创建目录、配置文件、启动服务、插入数据和查询等步骤，详细演示了如何使用In-Memory存储引擎。
【赵渝强老师】MongoDB的WiredTiger存储引擎
MongoDB WiredTiger存储引擎自3.2版本起成为默认选择，提供文档级别的并发控制、检查点、数据压缩和本地加密等功能。本文详细介绍了WiredTiger的并发控制机制、预写日志与检查点、内存使用、数据压缩及磁盘空间回收等特性。
【赵渝强老师】MongoDB的MMAPv1存储引擎
在MongoDB 3.2版本之前，默认使用MMAPv1存储引擎。MMAPv1包括Database、Namespace、数据文件、Extent和Record等组件。每个Database由名称空间文件和数据文件组成，数据文件按编号递增，大小从64MB到2GB。每个数据文件被划分为多个Extent，每个Extent包含多个Record，对应MongoDB中的文档。通过一个示例展示了如何配置和使用MMAPv1存储引擎。
【赵渝强老师】MongoDB的存储引擎
存储引擎是MongoDB的核心组件，负责管理数据在硬盘和内存中的存储方式。从3.2版本起，MongoDB支持WiredTiger、MMAPv1和In-Memory三种存储引擎。WiredTiger为默认引擎，提供文档级并发控制和数据压缩；MMAPv1在3.2版本前为默认引擎，4.x版本后不再支持；In-Memory引擎将数据存储在内存中，减少查询延迟。
【赵渝强老师】部署MongoDB复制集
本文介绍了如何在单个节点上搭建MongoDB复制集环境，通过监听不同端口实现多节点配置。详细步骤包括创建数据目录、编辑配置文件、启动节点、初始化复制集、查看状态以及测试主从库的读写操作。文中还提供了视频讲解和代码示例，帮助读者更好地理解和操作。
【赵渝强老师】MongoDB复制集中的成员
MongoDB复制集通常由一个主库和两个从库组成，可选添加仲裁者。主库负责所有写操作并记录Oplog日志，从库异步同步主库的Oplog日志并应用操作。仲裁者不存储数据，主要用于保证复制集中成员数量为奇数，参与选举投票。视频讲解详见B站链接。
【赵渝强老师】MongoDB复制集的体系架构
MongoDB的复制集是一种集群技术，由一个Primary节点和多个Secondary节点组成，实现数据的高可用性。Primary节点处理写入请求，Secondary节点同步数据。当Primary节点故障时，Secondary节点可通过选举成为新的Primary节点。视频讲解和示意图详见正文。
【赵渝强老师】MongoDB的客户端工具
MongoDB 是一个基于分布式文件存储的 NoSQL 数据库，提供了命令行客户端工具 mongoshell 和图形化工具 MongoDB Compass。mongoshell 可以进行数据查询和管理操作，而 MongoDB Compass 则支持可视化查询、聚合和数据分析。本文介绍了如何使用 mongoshell 连接 MongoDB 服务器、创建数据库和集合、插入数据以及配置命令提示符。同时，还展示了 MongoDB Compass 的主界面及其功能。
【赵渝强老师】MongoDB的安装与访问
本文介绍了在Linux系统上安装和部署MongoDB的详细步骤，包括安装依赖包、解压安装包、配置环境变量、创建数据目录及启动服务等。文中还提供了相关命令示例和注意事项，帮助用户顺利完成MongoDB的安装与配置。