前言
本文重点叙述下mongodb存储特性和内部原理， 下一篇文章咱们一起来搭建下Replica Sets+Sharded Cluster的集群
存储引擎
wiredTiger引擎
1、3.0新增引擎 推荐使用 2、可以支撑更高的读写负载和并发量
所有的write请求都基于“文档级别”的lock， 因此多个客户端可以同时更新一个colleciton中的不同文档， 这种更细颗粒度的lock，可以支撑更高的读写负载和并发量。 因为对于production环境，更多的CPU可以有效提升wireTiger的性能， 因为它是的IO是多线程的
3、配置缓存
可以通过在配置文件中指定“cacheSizeGB”参数设定引擎使用的内存量， 此内存用于缓存工作集数据（索引、namespace，未提交的write，query缓冲等）
4、journal即预写事务日志
a、journal就是一个预写事务日志，来确保数据的持久性
b、wiredTiger每隔60秒（默认）或者待写入的数据达到2G时，mongodb将对journal文件提交一个checkpoint（检测点，将内存中的数据变更flush到磁盘中的数据文件中，并做一个标记点，表示此前的数据表示已经持久存储在了数据文件中，此后的数据变更存在于内存和journal日志）
c、对于write操作，首先被持久写入journal，然后在内存中保存变更数据，条件满足后提交一个新的检测点，即检测点之前的数据只是在journal中持久存储，但并没有在mongodb的数据文件中持久化，延迟持久化可以提升磁盘效率，如果在提交checkpoint之前，mongodb异常退出，此后再次启动可以根据journal日志恢复数据
d、journal日志默认每个100毫秒同步磁盘一次，每100M数据生成一个新的journal文件，journal默认使用了snappy压缩，检测点创建后，此前的journal日志即可清除。
e、mongod可以禁用journal，这在一定程度上可以降低它带来的开支；对于单点mongod，关闭journal可能会在异常关闭时丢失checkpoint之间的数据（那些尚未提交到磁盘数据文件的数据）；对于replica set架构，持久性的保证稍高，但仍然不能保证绝对的安全（比如replica set中所有节点几乎同时退出时）
MMAPv1引擎
1、原生的存储引擎 直接使用系统级的内存映射文件机制（memory mapped files）
2、对于insert、read和in-place update（update不导致文档的size变大）性能较高
3、不过MMAPV1在lock的并发级别上，支持到collection级别 所以对于同一个collection同时只能有一个write操作执行 这一点相对于wiredTiger而言，在write并发性上就稍弱一些
4、对于production环境而言，较大的内存可以使此引擎更加高效，有效减少“page fault”频率
5、但是因为其并发级别的限制，多核CPU并不能使其受益
6、此引擎将不会使用到swap空间，但是对于wiredTiger而言需要一定的swap空间
7、对于大文件MAP操作，比较忌讳的就是在文件的中间修改数据，而且导致文件长度增长，这会涉及到索引引用的大面积调整
8、所有的记录在磁盘上连续存储，当一个document尺寸变大时，mongodb需要重新分配一个新的记录（旧的record标记删除，新的记record在文件尾部重新分配空间）
9、这意味着mongodb同时还需要更新此文档的索引（指向新的record的offset），与in-place update相比，将消耗更多的时间和存储开支。
10、由此可见，如果你的mongodb的使用场景中有大量的这种update，那么或许MMAPv1引擎并不太适合
11、同时也反映出如果document没有索引，是无法保证document在read中的顺序（即自然顺序）
12、3.0之后，mongodb默认采用“Power of 2 Sized Allocations”，所以每个document对应的record将有实际数据和一些padding组成，这padding可以允许document的尺寸在update时适度的增长，以最小化重新分配record的可能性。此外重新分配空间，也会导致磁盘碎片（旧的record空间）
Power of 2 Sized Allocations
1、默认情况下，MMAPv1中空间分配使用此策略，每个document的size是2的次幂，比如32、64、128、256...2MB，如果文档尺寸大于2MB，则空间为2MB的倍数（2M,4M,6M等）
2、2种优势
- 那些删除或者update变大而产生的磁盘碎片空间（尺寸变大，意味着开辟新空间存储此document，旧的空间被mark为deleted）可以被其他insert重用
- 再者padding可以允许文档尺寸有限度的增长，而无需每次update变大都重新分配空间。
3、mongodb还提供了一个可选的“No padding Allocation”策略（即按照实际数据尺寸分配空间），如果你确信数据绝大多数情况下都是insert、in-place update，极少的delete，此策略将可以有效的节约磁盘空间，看起来数据更加紧凑，磁盘利用率也更高
备注：mongodb 3.2+之后，默认的存储引擎为“wiredTiger”，大量优化了存储性能，建议升级到3.2+版本
Capped Collections
1、尺寸大小是固定值 类似于一个可循环使用的buffer
如果空间被填满之后，新的插入将会覆盖最旧的文档，通常不会对Capped进行删除或者update操作，所以这种类型的collection能够支撑较高的write和read
2、不需要对这种collection构建索引，因为insert是append（insert的数据保存是严格有序的）、read是iterator方式，几乎没有随机读
3、在replica set模式下，其oplog就是使用这种colleciton实现的
4、Capped Collection的设计目的就是用来保存“最近的”一定尺寸的document
db.createCollection("capped_collections", new CreateCollectionOptions() .capped(true) .maxDocuments(6552350) .usePowerOf2Sizes(false).autoIndex(true));//不会涉及到更新，所以可以不用power of 2
5、类似于“FIFO”队列，而且是有界队列 适用于数据缓存，消息类型的存储
6、Capped支持update，但是我们通常不建议，如果更新导致document的尺寸变大，操作将会失败，只能使用in-place update，而且还需要建立合适的索引
7、在capped中使用remove操作是允许的
8、autoIndex属性表示默认对_id字段建立索引
