3.1.3　MongoDB

除了HBase这样的列式存储，NoSQL的数据库中还有一部分采用的是文档型存储，MongoDB就是其中的一个典型代表。MongoDB（https://www.mongodb.org/）是基于分布式文件存储的数据库，最新版本已经超过3.0，由C++语言编写，其目标是为Web应用提供可扩展的高性能数据存储。它的主要功能特性为面向集合存储，且拥有自由的Schema模式定义方式。所谓的“面向集合”，意思是数据被分组存储在数据集中，该数据集称为一个集合（Collection）。每个集合在数据库中都有一个唯一的标识名，并且可以包含无限数目的文档。集合的概念类似关系型数据库里的表，不同的是Schema模式的定义。与HBase类似，MongoDB并没有关系型数据库那样的关系模型，也没有很严格的Schema模式和数据一致性的限制，而是提供了更为灵活的数据格式和扩展能力。这意味着对于存储在MongoDB数据库中的文件来说，使用者不一定要知道它的结构定义，甚至还可以将不同结构的文件存储在同一个数据库里。不过，MongoDB和HBase也存在差异，具体差异如下。

• 底层的支持：HBase是架构在HDFS之上的，它会将数据按照列拆分开来存储，对MapReduce支持得非常好。而MongoDB则会直接将整个数据存储在文件系统之上，与HDFS没有关联。MongoDB的底层也存在大型文件存储的概念，称为GridFS。不过GridFS只是一个规范，具体的内容还是通过MongoDB来实现的。
• 数据模型：HBase的数据模型和关系型的二维表非常相似，其灵活性体现在列式存储上，它对列（或者说属性、字段）的定义没有严格要求，而且可以通过超多的列族来构建一个超宽的表格，代替关系型数据库中的Join等复杂操作。而MongoDB的数据模型是以文档为基本单位的，其灵活性体现在文档可以支持多种复杂的结构。在IT领域，“文档”本身就是一个宽泛的概念，在本书中也会多次提及（在第5章的信息检索部分还会提及，基本概念相当，但是具体内容和此处稍有不同）。这里的文档可以简单地理解为一堆属性或字段的集合，与二维表中的行相对应，不过最大的区别在于，MongoDB文档中的属性或字段并不局限于特定的类型，如第一篇文档的“俱乐部”属性可以是一个字符串，而第二篇文档的“俱乐部”属性就变成了一个新的复合对象，包括俱乐部的名称、成立时间、负责人等。这在关系型数据库中一般都是通过Join来实现的，而HBase需要做的就是将嵌套的内容转化成扁平的列族。图3-8展示了关系型数据表、HBase的宽表和MongoDB文档表的对比情况。
• 对数据的拆分：HBase将列族进行拆分，分布在HDFS的不同资源节点上。MongoDB的设计者可能考虑到了嵌入多级文档的复杂性，对文档的大小做了限制，而且不会将单个文档的数据再进行切分和分布式存储，这点更接近行式存储。不过，文档的灵活定义仍然保证了对非关系型数据的支持。

图3-8　关系表、HBase和MongoDB的数据模型对比

除了面向文档和模式更灵活，MongoDB最大的特点是它支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系型数据库单表查询的绝大部分功能，而且还支持对任意字段的数据建立多级索引（还包括基于地理空间的索引），能够大幅地提升处理效率。当然，即使没有架构于HDFS和Hadoop生态之上，MongoDB仍然提供了良好的并行处理和高扩展性，支持数据的复制和恢复，实现了故障恢复等功能。