將MongoDB作為Redis式的內(nèi)存數(shù)據(jù)庫的使用方法

更新時間：2015年06月29日 15:16:41 投稿：goldensun

這篇文章主要介紹了將MongoDB作為Redis式的內(nèi)存數(shù)據(jù)庫的使用方法,原理其實只是將內(nèi)存虛擬作為磁盤,需要的朋友可以參考下

基本思想

將MongoDB用作內(nèi)存數(shù)據(jù)庫（in-memory database），也即，根本就不讓MongoDB把數(shù)據(jù)保存到磁盤中的這種用法，引起了越來越多的人的興趣。這種用法對于以下應用場合來講，超實用：

置于慢速RDBMS系統(tǒng)之前的寫操作密集型高速緩存
嵌入式系統(tǒng)
無需持久化數(shù)據(jù)的PCI兼容系統(tǒng)
需要輕量級數(shù)據(jù)庫而且?guī)熘袛?shù)據(jù)可以很容易清除掉的單元測試（unit testing）

如果這一切可以實現(xiàn)就真是太優(yōu)雅了：我們就能夠巧妙地在不涉及磁盤操作的情況下利用MongoDB的查詢/檢索功能?？赡苣阋仓?，在99％的情況下，磁盤IO（特別是隨機IO）是系統(tǒng)的瓶頸，而且，如果你要寫入數(shù)據(jù)的話，磁盤操作是無法避免的。

MongoDB有一個非?？岬脑O計決策，就是她可以使用內(nèi)存影射文件（memory-mapped file）來處理對磁盤文件中數(shù)據(jù)的讀寫請求。這也就是說，MongoDB并不對RAM和磁盤這兩者進行區(qū)別對待，只是將文件看作一個巨大的數(shù)組，然后按照字節(jié)為單位訪問其中的數(shù)據(jù)，剩下的都交由操作系統(tǒng)（OS）去處理！就是這個設計決策，才使得MongoDB可以無需任何修改就能夠運行于RAM之中。

實現(xiàn)方法

這一切都是通過使用一種叫做tmpfs的特殊類型文件系統(tǒng)實現(xiàn)的。在Linux中它看上去同常規(guī)的文件系統(tǒng)（FS）一樣，只是它完全位于RAM中（除非其大小超過了RAM的大小，此時它還可以進行swap，這個非常有用！）。我的服務器中有32GB的RAM，下面讓我們創(chuàng)建一個16GB的 tmpfs：

復制代碼代碼如下:

# mkdir /ramdata

# mount -t tmpfs -o size=16000M tmpfs /ramdata/

# df

Filesystem           1K-blocks      Used Available Use% Mounted on

/dev/xvde1             5905712   4973924    871792  86% /

none                  15344936         0  15344936   0% /dev/shm

tmpfs                 16384000         0  16384000   0% /ramdata

接下來要用適當?shù)脑O置啟動MongoDB。為了減小浪費的RAM數(shù)量，應該把smallfiles和noprealloc設置為true。既然現(xiàn)在是基于RAM的，這么做完全不會降低性能。此時再使用journal就毫無意義了，所以應該把nojournal設置為true。

復制代碼代碼如下:

dbpath=/ramdata

nojournal = true

smallFiles = true

noprealloc = true

MongoDB啟動之后，你會發(fā)現(xiàn)她運行得非常好，文件系統(tǒng)中的文件也正如期待的那樣出現(xiàn)了：

復制代碼代碼如下:

# mongo
MongoDB shell version: 2.3.2
connecting to: test
> db.test.insert({a:1})
> db.test.find()
{ "_id" : ObjectId("51802115eafa5d80b5d2c145"), "a" : 1 }

# ls -l /ramdata/
total 65684
-rw-------. 1 root root 16777216 Apr 30 15:52 local.0
-rw-------. 1 root root 16777216 Apr 30 15:52 local.ns
-rwxr-xr-x. 1 root root 5 Apr 30 15:52 mongod.lock
-rw-------. 1 root root 16777216 Apr 30 15:52 test.0
-rw-------. 1 root root 16777216 Apr 30 15:52 test.ns
drwxr-xr-x. 2 root root 40 Apr 30 15:52 _tmp

現(xiàn)在讓我們添加一些數(shù)據(jù)，證實一下其運行完全正常。我們先創(chuàng)建一個1KB的document，然后將它添加到MongoDB中4百萬次：

復制代碼代碼如下:

> str = ""

> aaa = "aaaaaaaaaa"
aaaaaaaaaa
> for (var i = 0; i < 100; ++i) { str += aaa; }

> for (var i = 0; i < 4000000; ++i) { db.foo.insert({a: Math.random(), s: str});}
> db.foo.stats()
{
        "ns" : "test.foo",
        "count" : 4000000,
        "size" : 4544000160,
        "avgObjSize" : 1136.00004,
        "storageSize" : 5030768544,
        "numExtents" : 26,
        "nindexes" : 1,
        "lastExtentSize" : 536600560,
        "paddingFactor" : 1,
        "systemFlags" : 1,
        "userFlags" : 0,
        "totalIndexSize" : 129794000,
        "indexSizes" : {
                "_id_" : 129794000
        },
        "ok" : 1
}

可以看出，其中的document平均大小為1136字節(jié)，數(shù)據(jù)總共占用了5GB的空間。_id之上的索引大小為130MB?，F(xiàn)在我們需要驗證一件非常重要的事情：RAM中的數(shù)據(jù)有沒有重復，是不是在MongoDB和文件系統(tǒng)中各保存了一份？還記得MongoDB并不會在她自己的進程內(nèi)緩存任何數(shù)據(jù)，她的數(shù)據(jù)只會緩存到文件系統(tǒng)的緩存之中。那我們來清除一下文件系統(tǒng)的緩存，然后看看RAM中還有有什么數(shù)據(jù)：

復制代碼代碼如下:

# echo 3 > /proc/sys/vm/drop_caches 

# free

             total       used       free     shared    buffers     cached

Mem:      30689876    6292780   24397096          0       1044    5817368

-/+ buffers/cache:     474368   30215508

Swap:            0          0          0

可以看到，在已使用的6.3GB的RAM中，有5.8GB用于了文件系統(tǒng)的緩存（緩沖區(qū)，buffer)。為什么即使在清除所有緩存之后，系統(tǒng)中仍然還有5.8GB的文件系統(tǒng)緩存？？其原因是，Linux非常聰明，她不會在tmpfs和緩存中保存重復的數(shù)據(jù)。太棒了！這就意味著，你在RAM只有一份數(shù)據(jù)。下面我們訪問一下所有的document，并驗證一下，RAM的使用情況不會發(fā)生變化：

復制代碼代碼如下:

> db.foo.find().itcount()
4000000

# free
             total       used       free     shared    buffers     cached
Mem:      30689876    6327988   24361888          0       1324    5818012
-/+ buffers/cache:     508652   30181224
Swap:            0          0          0
# ls -l /ramdata/
total 5808780
-rw-------. 1 root root 16777216 Apr 30 15:52 local.0
-rw-------. 1 root root 16777216 Apr 30 15:52 local.ns
-rwxr-xr-x. 1 root root         5 Apr 30 15:52 mongod.lock
-rw-------. 1 root root 16777216 Apr 30 16:00 test.0
-rw-------. 1 root root 33554432 Apr 30 16:00 test.1
-rw-------. 1 root root 536608768 Apr 30 16:02 test.10
-rw-------. 1 root root 536608768 Apr 30 16:03 test.11
-rw-------. 1 root root 536608768 Apr 30 16:03 test.12
-rw-------. 1 root root 536608768 Apr 30 16:04 test.13
-rw-------. 1 root root 536608768 Apr 30 16:04 test.14
-rw-------. 1 root root 67108864 Apr 30 16:00 test.2
-rw-------. 1 root root 134217728 Apr 30 16:00 test.3
-rw-------. 1 root root 268435456 Apr 30 16:00 test.4
-rw-------. 1 root root 536608768 Apr 30 16:01 test.5
-rw-------. 1 root root 536608768 Apr 30 16:01 test.6
-rw-------. 1 root root 536608768 Apr 30 16:04 test.7
-rw-------. 1 root root 536608768 Apr 30 16:03 test.8
-rw-------. 1 root root 536608768 Apr 30 16:02 test.9
-rw-------. 1 root root 16777216 Apr 30 15:52 test.ns
drwxr-xr-x. 2 root root        40 Apr 30 16:04 _tmp
# df
Filesystem           1K-blocks      Used Available Use% Mounted on
/dev/xvde1             5905712   4973960    871756 86% /
none                  15344936         0 15344936   0% /dev/shm
tmpfs                 16384000   5808780 10575220 36% /ramdata

果不其然！ :)

復制（replication）呢？

既然服務器在重啟時RAM中的數(shù)據(jù)都會丟失，所以你可能會想使用復制。采用標準的副本集（replica set）就能夠獲得自動故障轉(zhuǎn)移（failover），還能夠提高數(shù)據(jù)讀取能力（read capacity）。如果有服務器重啟了，它就可以從同一個副本集中另外一個服務器中讀取數(shù)據(jù)從而重建自己的數(shù)據(jù)（重新同步，resync）。即使在大量數(shù)據(jù)和索引的情況下，這個過程也會足夠快，因為索引操作都是在RAM中進行的 :)

有一點很重要，就是寫操作會寫入一個特殊的叫做oplog的collection，它位于local數(shù)據(jù)庫之中。缺省情況下，它的大小是總數(shù)據(jù)量的5%。在我這種情況下，oplog會占有16GB的5%，也就是800MB的空間。在拿不準的情況下，比較安全的做法是，可以使用oplogSize這個選項為oplog選擇一個固定的大小。如果備選服務器宕機時間超過了oplog的容量，它就必須要進行重新同步了。要把它的大小設置為1GB，可以這樣：

復制代碼代碼如下:

oplogSize = 1000

分片（sharding）呢？

既然擁有了MongoDB所有的查詢功能，那么用它來實現(xiàn)一個大型的服務要怎么弄？你可以隨心所欲地使用分片來實現(xiàn)一個大型可擴展的內(nèi)存數(shù)據(jù)庫。配置服務器（保存著數(shù)據(jù)塊分配情況）還還是用過采用基于磁盤的方案，因為這些服務器的活動數(shù)量不大，老從頭重建集群可不好玩。
注意事項

RAM屬稀缺資源，而且在這種情況下你一定想讓整個數(shù)據(jù)集都能放到RAM中。盡管tmpfs具有借助于磁盤交換（swapping）的能力，但其性能下降將非常顯著。為了充分利用RAM，你應該考慮：