本文主要介紹Mongodb中CRUD常用操作、存儲引擎、數據模型，以及如何使用java Driver。
一、BSON
Mongodb中數據存儲格式爲BSON，和JSON非常類似，可以說在整體的結構幾乎一樣，只不過BSON定義了更多的數據類型，這對面向對象編程語言非常友好。
{
"_id": {
"$oid": "55f6c87fdefdd10de72fc024"
},
"name": "zhangsan",
"age": 30,
"is_alive": true,
"addresses": [
"beijing",
"shanghai"
],
"created": {
"$date": 1442236543707
}
} 文檔格式大概如上所示，如果數據類型時JSON不支持的，那麼數據類型也將寫入文檔中，比如date。BSON中有2個比較特殊的類型，其中date對應java中的Date，array對於java中List。其他類型比如boolean，string，int等與java都一一對應。
在mongodb中，一條數據稱爲一個document，其API類爲org.bson.Document，當然Document也是Bson的子類，同時也實現了Map接口，其內部有一個LinkedHashMap作爲數據支撐（所以mongodb中字段是有順序的）。
Document user = new Document()
.append("name", "zhangsan")
.append("age", 30)
.append("is_alive",true)
.append("addresses", Arrays.asList("beijing","shanghai"))
.append("created", new Date()); 上述就是創建一個Document的過程，這和操作一個Map其實並沒有太大區別。
二、java driver示例
如下簡單展示如何使用mongodb java客戶端開發，因爲下面的例子都是基於JAVA的。具體參見：“mongodb java”
<dependency>
<groupId>org.mongodb</groupId>
<artifactId>mongodb-driver</artifactId>
<version>3.0.3</version>
</dependency> 創建MongoClient的方式有多種，可以參看MongoClient的構造方法即可。最終歸結來由2個主要方式，一個是MongClient + MongoClientOptions，另一個是MongClient + conenctionString。例子如下，如果想在spring環境中使用，請你繼續封裝。關於授權登陸，SSL方面，稍後會專門介紹，此處僅爲示例：
MongoClient mongoClient = new MongoClient("127.0.0.1", 27017);
//MongoClient mongoClient = new MongoClient(new MongoClientURI("mongodb://127.0.0.1:27017"));
MongoDatabase db = mongoClient.getDatabase("test");//獲取DB
MongoCollection<Document> collection = db.getCollection("user");//獲取collection（表）
//通過collection進行CRUD操作 CRUD的例子將會在下文中列舉。
三、Read操作
即從mongodb中讀取一條或者多條數據，可以在query中使用多種複合查詢條件，這種查詢條件的組合類似於SQL，我們也可以使用“projection”過濾器來指定需要返回的結果中包含（不包含）哪些字段，以提升IO效率，因爲Mongodb可以使用衆多的類似於SQL的查詢操作，而且支持多種indexes，這或許就是mongodb的亮點所在。（Mongodb之上的SQL引擎：Drill，即使用sql查詢mongodb數據）
MongoCollection<Document> collection = db.getCollection("user");//獲取collection（表）
//通過collection進行CRUD操作
Bson parent = Filters.eq("name", "zhangsan");
parent = Filters.and(parent,Filters.gt("age", 10));
MongoCursor<Document> cursor = collection.find(parent).sort(new Document("age", 1)).skip(10).limit(5).iterator();
try {
while (cursor.hasNext()) {
Document item = cursor.next();
System.out.println(item.toJson());
}
} finally {
cursor.close();//must be
} 上面例子就是一個典型的query，我們基本上可以通過多種組合，即可完成複雜的查詢。我們使用了Filters API來構建查詢條件，這是一個便捷的方式。當然開發者也可以自己使用mongodb的“比較指令”來自己封裝：
Document filter = new Document("name",new Document("$eq","zhangsan")); 自己封裝不僅繁瑣而且易於出錯，建議使用Filters。
1、比較符
mongodb支持如下幾種比較操作，它們均可以在query的查詢條件中：$eq（相等，逐字節比較），$gt（大於），$gte（大於等於），$lt（小於），$lte（小於等於），$ne（不等於），$in（值是否在指定的數組中），$nin（值不在制定的數組中）。
2、邏輯判斷符
$or：邏輯or，如果document匹配多個條件判斷中的一個或者多個，則將此document返回。
$and：邏輯and，document必須匹配全部的判斷條件。
$not：邏輯!，$and取反，如果document不匹配條件，則返回此document。比如："age":{$not:{$gt:16}}表示“獲取age不大於16的document”，它的內部檢測過程就是“如果此document存在age字段，且大於16的，一律不返回”，言外之意是：如果document中不包含age字段，或者age的值小於等於16的均會返回。
$nor：not or。
3、元素
$exists：檢測文檔中是否存在此字段，比如: "name":{$exists:true}表示如果name字段存在，則返回此文檔。
$type：檢測文檔中字段的類型，比如："age":{$type:16}表示如果age字段的類型爲int則返回此文檔，參見BSON Types
4、數組
$all：如果字段的值是數組，$all表示此數組中包含指（不一定必須等於）定的所有元素。比如："addresses":{$all:["beijing","shanghai"]}，首先addresses字段值是一個數組，且同時包含“beijing”、“shanghai”兩個元素。
$elemMatch：數組中至少包含一個元素同時滿足條件，比如："item":{$elemMatch:{$gt:25,$lt:60}}，這表示數組item至少包含一個元素大於25且小於60，item:[15,26,70]這個文檔就符合要求，而item:[16,62]就不符合要求。
$size：數組的元素個數滿足條件，比如"item":{$size:2}則會返回item中元素個數爲2的文檔。
此外，我們可以在表達式中指定index位置來獲取數組中的元素：
collection.find(new Document("addresses.0","beijing")) 表示獲取addresses這個數組中第0個位置的元素值爲“beijing”的文檔。
5、運算與表達式
$mod：取模運算，比如"price":{$mod:[4,0]}即獲取price與4取模爲0的文檔。
$regex：正則匹配，基於PCRE，首先參與匹配的field必須建立索引，否則性能受限。語法樣例爲：{<field>:{$regex:/pattern/,$options:'<options>'}}，比如{"name":{$regex:/^liu/,$option:i}}表示查詢去name字段值以“liu”開頭的文檔。其中$regex表示正則表達式，表達式需要以“/”開頭和結尾，$option表示輔助選項，它有4個可選值：“i”表示不區分大小寫；“m”表示“多行匹配”，其中行符爲"\n"；“s”表示“.”符號可以匹配所有字符包括換行符，“x”表示忽略空白符。
表達式可以簡寫爲{<field>:{$regex:/pattern/options}}。如果表達式中不包含正則匹配符（比如$，^，*等，參見PCRE）,表示字符串完全匹配，而且正則表達式可以在字符串比較操作中直接使用。
比如："name":/zhangsan/，表示name中包含完整字符串"zhangsan"的文檔，"name":/^zhang/，表示以zhang開頭的文檔。
"name"/^zhang/i，這是正則的簡寫形勢，表示以zhang開頭且不區分大小寫。
"description":"/^S/m"，我們指定了選項值爲m，它可以匹配多行字符串，只要每行爲S開頭即可。比如文檔"description":"Fist line \nSecond line"將匹配成功。
6、projection
$：這個符號，很特殊，對於query而言，用於獲數組中匹配比較表達的第一個元素。這是一個“projection”操作，稍後我們會詳解。比如文檔"number":[16,31,6,88]，對於描述“如果number中存在30~100的元素，則獲取第一個匹配的元素”，我們可以使用$與elemMatch：
Document filter = new Document()
.append("$gt",30)
.append("$lt",100);
MongoCursor<Document> cursor = collection.find(Filters.elemMatch("number",filter)).projection(new Document("number.$",1)).iterator(); 結果將輸出：{"number":[31]}。projection表示需要在結果中包含（不包含）那些字段。
projection是mongodb提供了用於過濾返回字段的操作，1表示包含字段，0表示不包含。
$slice：限定返回結果中數組元素的數量，可以只返回數據的起止位置之間的元素。
Document document = new Document("number",new Document("$slice",Arrays.asList(2,5)));
MongoCursor<Document> cursor = collection.find().projection(document).iterator(); 如上例，對於number數組，只需返回位置2之後的5個元素，默認起始位置爲0，語法爲$slice:[skip，limit]。"number":{$slice:2}則表示返回位置2之後的元素，其中skip可以爲負數，表示從尾部計數，比如$slice:[-20,5]表示從尾部計數第20個開始取5個元素。
7、find()方法：返回一個FindIterable對象，我們通常根據FindIterable獲取一個Cursor，我們就可以遍歷此cursor，依次讀取結果集，FindIterable中有很多方法有用的方法：
1）batchSize(int size)：每次網絡請求返回的document條數，比如你需要查詢500條數據，mongodb不會一次性全部load並返回給client，而是每次返回batchSize條，遍歷完之後後再通過網路IO獲取直到cursor耗盡。默認情況下，首次批量獲取101個document或者1M的數據，此後每次4M，當然我們可以通過此方法來覆蓋默認值，如果文檔尺寸較小，則建議batchSize可以大一些。
2）skip(int number)、limit(int number)：同SQL中的limit字句，即表示在符合匹配規則的結果集中skip一定數量的document，並最終返回limit條數據。可以實現分頁查詢。
3）maxTime(int time,TimeUnit unit)：表示此次操作保持的最長時間，即server端保持cursor狀態的最長時間，如果超時server端將移除此cursor，即在此通過此cursor遍歷數據將會error。
4）sort(Bson bson)：根據指定field排序，參與排序的字段最好是索引，如果不是，將會在內存中排序，如果參與排序的數據尺寸大於32M，將會拋出error。1表示正序，-1表示倒敘，比如"age":1表示按照age正序排序。
5）noCursorTimeout(boolean timeout)：如果cursor空閒一定時間後（10分鐘），server端是否將其移除，默認爲false，即server會將空閒10分鐘的cursor移除以節約內存。如果爲true，則表示server端不需要移除空閒的cursor，而是等待用戶手動關閉。無論如何，開發者都需要注意，手動關閉cursor。
6）partial(boolean partial)：對於sharding集羣，如果一個或者多個shard不可達，是否允許返回部分數據（只從正常的shard中獲取數據）。
7）cursorType()：指定cursor類型，當cursor遍歷完畢後是否關閉cursor，默認是關閉，無論何時都建議手動關閉cursor（不管是否耗盡curosr）；當然有些開發場景可能需要保持cursor的活性，遍歷到cursor的最後一條後，不關閉cursor，繼續等待，此後一段時間內如果有新數據插入到cursor之後，則可以繼續遍歷，這就是Tailable Cursor，通常對於Capped Collection中使用。目前支持支持3種類型的Cursor：NonTailable、Tailable、TailableAwait。
8）projection(Bson bson)：限定返回結果中需要包含的filed或者數組元素。在6）中我們已經看到相關的幾個例子。默認情況下，將會返回document的所有字段，1表示包含，0表示不包含。
MongoCursor<Document> cursor = collection.find().projection(new Document("name",0)).iterator();表示文檔中不包含name字段。
MongoCursor<Document> cursor = collection.find().projection(new Document("address",1)).iterator(); 表示結果中只包含address字段。通過例子比較，我們會發現“包含”和“不包含”互爲排斥，通常只會在projection使用一種。
8、內嵌文檔：內嵌文檔可以通過"."來表達路徑，比如文檔：
{
"_id": 1,
"addressess":{
"zip_code":100010,
"city"："beijing"
}
} 可以通過查詢內部文檔：
collection.find(new Document("addresses.zip_code",10010)); 9、查詢優化：和其他數據庫一樣，mongodb也支持查詢優化，也支持輔助索引，同時_id字段是唯一索引，通常我們需要根據查詢條件，來創建合適的輔助索引，比如在單字段索引或者多個字段的組合索引，索引的作用最終是避免對整個collection（磁盤IO）全量掃描。合適的索引將會匹配較少比例的數據，否則不當的索引事實上並不能有效的篩選數據，比如一個字段status，最多有3個不同的值，那麼對status建立索引並不能提高查詢性能，因爲query根據status不能過濾掉大量數據，這就是“基準”。
覆蓋查詢（Cover query）表示查詢使用了索引，且所有需要返回的字段都是索引的一部分，這意味着只需要索引就可以篩選並獲得結果內容，這一過程均會在內存中進行，無需進行磁盤查詢整個document，這是性能比較高的。不過，如果對數組做索引，即“multi-key index”將不支持覆蓋查詢；如果查詢條件或者projection包含了內置document字段，則也不支持覆蓋查詢。比如文檔：
{"_id":1,user:{login:"testuser"}，如果對"user.login"建立索引，那麼如下查詢仍將不會使用查詢覆蓋：
collection.find(Filters.eq("user.login","testuser")).projection(new Document("userlogin",1)) 不過這個查詢仍然會使用到user.login索引，但不會覆蓋查詢。
在sharding環境中，如果index中不包含shard key，將不支持覆蓋查詢；_id除外，如果查詢中僅用_id查詢且返回結果中只包含_id字段，仍會使用覆蓋查詢。
mongodb也提供了explain，用來分析query的查詢計劃，通常我們可以使用explain來判定此query的性能。具體請參看explain結果分析以及explain介紹。
9、分佈式查詢：mongodb的分佈式模型分爲replica set和sharded cluster。
sharded集羣中將read根據sharding key（分片鍵）轉發到指定的shard節點，read操作非常高效；當然如果query中沒有包含sharding key，那麼此次read將會被轉發到所有的shard節點上，並有mongos server負責merge結果（包括排序），所以這種情況性能較差（俗稱scatter、gather），對於大型集羣，這種查詢通常是不可行的。
對於replica set而言，只是涉及到將read操作路由到哪個secondary上，默認情況下，read請求總是在primary上發生，我們可以通過指定“read preference mode”來調整這一行爲。
collection.withReadPreference(ReadPreference.secondaryPreferred()).find(); 上述代碼表示儘可能從 secondary上讀取，如果所有的secondary都失效則從primary上讀取。可以實現“讀寫分離”。目前支持的read模式：
1）primary：讀操作只發生在primary上，默認的read模式。如果primary失效，則返回error。
2）primaryPreferred：讀操作發生在primary上，如果primary失效，則由secondary接收read請求。這是一種比較良好的模式，
3）secondary：讀操作只發生在secondary上，如果所欲哦的secondary都失效，則返回error。
4）secondaryPreferred：讀操作通常發生在secondary上，如果所有的secondary都失效，則由primary接收read請求。
5）nearest：讀取“最近”的節點，mongodb客戶端將評估與每個節點的網絡延遲，有限選擇延遲最小的節點，primary和secondary都有可能接收到read請求（不同的Client或許延遲不同）。
四、Write操作
write操作包括insert、update，replace,remove四種類型，需要清楚的是mongodb並不支持事務，所以如果write操作影響多條document，那麼它們之間的變更並非原子性的，即有可能幾條document修改（插入）成功但是其他的或許失敗；對於一個document而言，是原子性的，不可能存在一個documnet被部分更新的情況。
Document document = new Document()
.append("number", Arrays.asList(15, 20, 44, 60, 80));
collection.insertOne(document); 對於insert操作，mongodb會檢測文檔中是否指定了_id，如果沒有指定，server端將會根據一定的算法（ObjectId方法）生成一個並保存，如果開發者自己指定_id，需要確保全局唯一。
update操作可以根據查詢條件，更新相應的一條或者多條documents。java Driver中提供了updateOne、updateMany、findAndModify等方法。可以在UpdateOptions中指定upsert來實現“如果存在就更新，否則就插入”的語義：
UpdateResult result = collection.updateOne(Filters.eq("name", "zhangsan"),
new Document("$set",new Document("modified", new Date())),
new UpdateOptions().upsert(true));
if(result.getModifiedCount() > 0) {
System.out.println("found and modified!");
} replace就是“替換”，將整個文檔，全部替換爲指定的document。
1、$isolated：隔離，這涉及到mongodb lock機制，mongodb允許同時有多個read、write操作交錯執行，當write操作影響到多條記錄時，我們可以使用"$islolated"避免這種情況，此時write操作將持有全局鎖，直到此操作涉及到的所有的document都變更完畢，此期間其他client將不會看到變更的數據，直到此write操作結束或者error退出。isolated將會較長時間的持有lock，會對整體的併發能力帶來負面影響；此外，它並不表達事務中的“all-or-nothing”語義，即如果write操作更新一部分數據之後，其他document失敗了，並不會“回滾”操作，那些成功的document將仍會被保留。isolated在sharded集羣中不生效。
collection.updateMany(new Document("name", "zhangsan").append("$isolated",1),new Document("$set",new Document("modified", new Date())); 2、Fields更新：
1）$inc：對字段的值自增，語法格式：{$inc:{<field1>:amount1,<field2>:amount2}}，正負數值都可以，負值表示自減，如果指定的filed不存在，則增加此字段且設定爲指定的值。如果字段的值爲null，使用inc操作將會拋出錯誤。
2）$mul：乘法。
3）$rename：更改字段的名稱，語法：{$rename:{<field1>:<newName1>,<field2>:<newName2>}}，新字段不能與原字段名一樣，對於內嵌文檔，可以使用“.”表示路徑。如果文檔中已經存在newName，則首先移除那個字段，然後再將指定的Field重命名。如果指定的字段不存在，則什麼都不做。
4）$set：update操作，更新指定字段的值，如果字段不存在則添加此字段和值。
5）$unset：將指定字段從文檔中移除，語法：{$unset:{<field1>:"",....}}。
6）$min：如果指定的值比字段的當前值要小，那麼將字段的值修改爲指定的值。比如{$min:{"score":60}}，如果文檔中score的值 > 60，那麼$min將會把score的值修改位60。
7）$max：語義同$min。
8）$currentDate：比較有用的指令，將指定字段的值修改爲當前時間，類型可以爲Date或者Timestamp，默認爲Date，語法爲：{$currentDate:{<field1>:<type>,....}}，需要使用到$type。
##使用Date類型，只需要字段值爲true即可,當然也可以使用$type:date
##如果是timestamp類型，需要使用$type
{$currentDate:{
"modified_date":true,
"modified_timestamp":{$type:"timestamp"}
}
}
3、Array操作：
1）$addToSet：將元素添加到指定的數組中，如果數組中已經存在此元素值則不添加。如果此字段不是數組，則操作失敗。如果此字段不存在，則創建此字段且將設定爲指定的數組元素。語法：{$addToSet:{<field>:<item>}}，其中item需要是一個單值，如果是數組，需要藉助$each修飾符來拆解。比如：{$addToSet:{<field>:{$each:[item1,item2]}}}，此時item1、item2均會分別添加到<field>的數組中。
2）$pop：從數組的頭或者尾部移除一個元素，就像操作雙端隊列一樣。-1表示移除第一個元素，1表示移除最後一個元素。語法：{$pop:{<field>: -1 | 1}}。
3）$pull：從數據中移除符合條件的所有元素，即有條件的移除。語法:{$pull:{<field1}: <value | condition>,<field2>:<value | condition>....}，如果指定的是condition，那麼只有某個元素同時滿足所有條件才能被刪除。比如數組{"item"[{"size":10,"color":"read"},[{"size":30,"color":"black"}]}，那麼{$pull:{"item":{"size":{$gt:20},"color":"black"}}}將會移除第二個元素。詳細參見“pull”。
4）$push：將元素追加到數組的尾端。語法：{$push:{<field1>:<value1>,<field2>:<value2>,...}}，如果需要對一個數組添加多個元素（子數組），那麼需要使用$each修飾符。
4、modifiers（修飾符）：
1）$each：可以在$addToSet和$push操作中配合使用，例子參見上。
2）$slice：我們在read操作中已經瞭解了slice可以用來限制返回的數組元素個數，那麼在write操作中，也可以用過更新後，保留最新的num個元素，它需要配合$push和$each一起使用。
#語法
{
$push: {
"field" : {
$each:[item1,item2,item3],
$slice:<num>
} 其中slice的值爲0表示將數組置爲空，正數表示保留最後num個元素，負數表示保留最前的num個元素。
3）$sort：同$slice一樣，必須配合$push和$each一起使用，表示push之後根據指定的方式對數組進行重排序。1表示正序，-1表示倒序，如果數組元素爲內嵌文檔，可以使用內嵌文檔的字段排序，語法和$slice一樣，只是sort部分可以爲：$sort: <1 | -1>或者$sort: {<field>: <1 | -1>}
4）$position：配合$push和$each一起使用，表示push時將元素列表添加到哪個位置，默認爲原數組的尾部。$position:0表示添加到第0個元素位置（即首個元素之前）。
5、writeConcern：
Write connern是mongodb提供了一種保障機制，當write操作成功後可以獲得通知。mongodb有多個level的擔保，這個有點類似於事務級別。當write操作使用較弱的concern，那麼操作可以更快的返回（阻塞更少的時間），但有可能數據並沒有持久化（寫入磁盤），有丟失的風險；較強的concern需要等待較長的時間但是數據持久能力更強，更不容易丟失。詳細請參考“write concern”
每個write concern包含三個參數：
1）w選項：默認值爲1，即{w:1}，即當客戶端發送write操作後等待server返回確認信息，write操作只需要在primary上寫入成功即可；“0”表示不需要向客戶端返回確認信息，即當write操作發送後，客戶端不需要等待server的執行結果，但是網絡異常這種error仍然可以拋出；“majority”表示當write操作在primary執行成功後，並傳播給“大多數”的secondary且執行成功後才返回確認信息，對於replica set架構而言，這種方式是最佳的，可以有效的避免write數據丟失的問題；如果w的值設置成任何>1的值，適合在replica set架構中使用，表示write操作在指定個數的nodes上執行成功後才返回確認信息（包括primary），如果集羣中沒有足夠的nodes在線，則等待足額的節點加入且執行成功後返回。
2）、j選項
j選項用來控制mongod實例將數據寫入磁盤上的journal日誌（注意，是寫入磁盤，直接flush），這可以確保在mongod異常關閉後數據不會丟失，如果此選項設置爲true，則mongod必須開啓journal功能，否則將會報錯。當write操作寫入journal日誌且flush到磁盤後，才向客戶端發送確認消息。
3）、wtimeout選項
指定write操作的耗時，毫秒，僅當w選項的值 > 1時適用。當write操作超時後，將會返回error，或許此write操作最終成功了（比如primary等待secondary的返回信息，此時超時，則返回給客戶端error，不過最終此write可能會在secondary上成功執行，只是還沒有來得及向primary返回成功消息），不過mongodb在timeout之後不會撤銷已經成功的數據更新。如果設置爲0或者沒有設置此值，那麼write操作將會等待直到滿足條件。（可能導致數據不一致）
collection.withWriteConcern(WriteConcern.MAJORITY).updateMany(...) 6、分佈式寫入操作：
對於sharded集羣中的一個shared collection（即collection允許分片存儲），write操作將會由相應的shard節點負責執行，這由config server來決定。參見“分佈式寫入”。
對於replica set而言，write操作只能有primary負責接收，並異步的方式傳播給secondary，大量的寫入操作可能導致secondary不能及時的跟進，那麼發生在secondary上的read操作可能會讀取到舊的數據，如果primary失效，將會failover其中一個secondary成爲primary，爲了保證讀取一致性也有可能觸發rollbacks（即在primary上寫入成功，但是在secondary上沒有，但是primary失效了，此後primary再次加入，則需要rollback並與secondary保持一致，這也意味着此前的某些write操作丟失）。爲了避免這個問題，開發者需要指定合適“write concern”，以確保足夠多的secondary能夠跟進primary，通過降低write的吞吐量來提高數據一致性（避免網絡分區，CAP），此外還需要server端的一些額外的支持，比如oplog、journal等。
7、write操作性能
如果write操作影響到了索引，那麼還需要對相應的索引進行變更。比如insert操作將會導致索引文件中新增條目，update操作中修改了索引的值也會觸發索引的調整。所以這也是write操作對性能的影響之一。（高效索引設計有個要求，就是最好不要修改索引的值，是一種低效的操作）
有些update可能會導致document的尺寸增長，對於MMAPV1引擎而言，如果文檔大小超過了原來分配的size，那麼mongodb將會重新分配一個連續的磁盤空間來保存此文檔（廢棄以前的文檔空間，可以被其他document重用），這也會需要額外消耗一些性能。在mongodb 3.0之後，MMAPV1引擎默認使用了“Power of 2 Size Allocations”以及自動padding，即爲每個document分配的size爲2的次冪（稍後詳解），剩餘空間被padding，這可以幫助mongodb高效的重用那些刪除文檔而產生的空閒空間，以及在很多情況下可以減少了重新分配空間的可能。
畢竟Mongodb是一個存儲系統，高效的磁盤對提升性能有極大的幫助，影響存儲性能的因素包括：磁盤介質（SSD，HDD）、磁盤緩存、預讀以及RAID配置等。
mongodb通過使用一種稱爲journal的預寫日誌來保證write操作的可靠性，在數據寫入實際的數據文件之前，首先將變更寫入journal（journal日誌是append操作，性能較高；但對應實際的數據文件是隨機寫，性能較低，所以對於數據文件的修改通常是批量 + 延遲寫入）。在write concern中開啓journal選項，這可以保證write操作的持久性，但是會大大降低整體的write吞吐量。我們可以修改mongod的“commitIntervalMs”，即journal日誌flush到磁盤的間隔時間，此值越小，flush的頻率越高，持久能力越強，即丟失數據的可能越低，但是對磁盤的IO卻越大；此值越大，所來帶的問題就是當異常crash時，mongodb丟失數據的風險就越高，因爲上次一次flush之後的write尚沒有被持久寫入journal文件，將可能會丟失。這是一個在性能與可靠性之間的權衡。
8、Bulk write
mongodb支持批量write操作，即多個write操作批量發送到mongod，同樣mongod不會保證這些操作原子性的執行（事務性），只是提高了IO交互的性能。可以將insert、update、remove、replace等多種類型的write批量提交到mongd。
List<WriteModel<Document>> bulks = new ArrayList<WriteModel<Document>>();
bulks.add(new InsertOneModel<Document>(new Document("name","zhangsan")));
bulks.add(new UpdateOneModel<Document>(new Document("name","lisi"),new Document("modified",new Date())));
collection.withWriteConcern(WriteConcern.MAJORITY).bulkWrite(bulks,new BulkWriteOptions().ordered(false)); Bulk write可以分爲ordered或者unordered，通過BulkWriteOptions指定。如果設定了有序性，那麼mongod將會依次執行列表中的write操作，如果出錯，mongodb將會返回那些尚未執行的操作列表。對於unordered，mongodb則會將它們並行執行，如果出錯，也將返回沒有執行的操作。由此可見，ordered執行相對較慢，只有其中一個執行成功，纔會執行下一個。
五、Document
mongodb中每條document的最大尺寸爲16MB，對於超過16MB的數據建議使用Gridfs，一個高效的文件系統。我們稍後再介紹GridFS。
上文中我們已經提到，Document是BSON結構，key-value對，java中實現爲LinkedHashMap，mongodb在保存document時，將儘可能保持字段的順序；但是_id字段總是在第一個位置，插入時如果沒有指定_id則由mongodb生成，有些操作可能會影響字段的順序，比如$rename。
六、其他
Replica set：複製集，mongodb的架構方式之一 ，通常是三個對等的節點構成一個“複製集”集羣，有“primary”和secondary等多中角色（稍後詳細介紹），其中primary負責讀寫請求，secondary可以負責讀請求，這有配置決定，其中secondary緊跟primary並應用write操作；如果primay失效，則集羣進行“多數派”選舉，選舉出新的primary，即failover機制，即HA架構。複製集解決了單點故障問題，也是mongodb垂直擴展的最小部署單位，當然sharding cluster中每個shard節點也可以使用Replica set提高數據可用性。
Sharding cluster：分片集羣，數據水平擴展的手段之一；replica set這種架構的缺點就是“集羣數據容量”受限於單個節點的磁盤大小，如果數據量不斷增加，對它進行擴容將時非常苦難的事情，所以我們需要採用Sharding模式來解決這個問題。將整個collection的數據將根據sharding key被sharding到多個mongod節點上，即每個節點持有collection的一部分數據，這個集羣持有全部數據，原則上sharding可以支撐數TB的數據。
系統配置：1）建議mongodb部署在linux系統上，較高版本，選擇合適的底層文件系統（ext4），開啓合適的swap空間 2）無論是MMAPV1或者wiredTiger引擎，較大的內存總能帶來直接收益。3）對數據存儲文件關閉“atime”（文件每次access都會更改這個時間值，表示文件最近被訪問的時間），可以提升文件訪問效率。 4）ulimit參數調整，這個在基於網絡IO或者磁盤IO操作的應用中，通常都會調整，上調系統允許打開的文件個數（ulimit -n 65535）。
轉載自：http://shift-alt-ctrl.iteye.com/blog/2243695