最近业务可能会用到mongodb，因此将mongodb的一些特性和常用命令整理一下。
mongodb是一种非关系型数据库中最像关系数据库的，但我用mongodb仍然只把它当做KV存储，其他的关系一概不做，对于关系，还是让MySQL去做吧！关于mongo集群的搭建已经有运维帮我搭建好了，我就直接用了，但是在用之前，了解mongo集群的搭建十分有必要。
关于Mongos，Mongod
Mongos：起着路由的作用，根据分片key找到数据所存放的分片位置
Mongod：数据存放的位置
关于索引
索引在任何数据库都起着至关重要的作用，没有索引的数据只能是一堆杂乱无章的集合，在mongo的集合中，可以创建索引，创建索引的命令是ensureIndex
创建索引
mongos> use test
switched to db test
mongos> db.log.ensureIndex({"id":1})
//成功信息，如果索引已经存在，则会失败
这里用了use命令，use是选择数据库，如果数据库存在则会切换到该数据库，不存在则会进行创建。
还可以创建唯一key
mongos> db.log.ensureIndex({"id":1},{"unique":true})
创建唯一key的时候如果有重复的，还可以消除重复，但并不推荐
mongos> db.log.ensureIndex({"id":1},{"unique":true,"dropDups":true})
同时也可以创建复合做引
mongos> db.test.ensureIndex({"id":1,"content":1},{"unique":true})
如果需要在线上增加索引，就需要在后台创建索引了，可以使用
mongos> db.test.ensureIndex({"id":1}, {background:true});
删除索引
有创建就有删除，上面我们创建了id索引，那么删除索引的命令是
db.test.dropIndexe({"id":1})
还可以一次性删除所有的索引
db.test.dropIndexes()
分片
设想一个情景，当你的数据库大小已经达到TB级别了，一台机器存储全量对磁盘和内存都存在很大的压力，一个比较好的方案是将这些数据分摊到多个机器上面，在使用mysql我们可能会这样做：指定一个字段，将这个字段进行哈希，然后根据哈希值映射到不同的机器，这样就达到了多台机器存储的目的了。mongo的分片与此类似，我们可以指定一个片键让mongo根据这个片键进行自动分片，免去了手动在业务里面分片的操作，整个数据库就好像是存储在同一台机器上一样。
添加分片
mongos> db.runCommands({"addshard":"localhost:10000","allowLocal":true})
开启数据库分片
我们只是添加分片了，但是数据库还没有分片
mongos> db.runCommands({"enablesharding":"tests"})
PHP的使用
由于我使用的语言是php，因此会有这么一个小段落。php推荐使用MongoDB扩展，这个扩展最初使用起来可能会比较困难，但是习惯了之后会发现这个扩展用起来非常灵活。
你可能还喜欢下面这些文章
从连接mongo开始，熟悉一下命令行下面的mongo使用连接普通连接mongo mongodb://ip:port查看数据库show dbs选择或者创建数据库use mydb创建一个集合比如创建一个mycollection的集合db.createCollection('mycollection')显示数据库中所有的集合show collections向集合中写入数据假设我们创建了一个mycollection集合，实际上当我们没有创建mycollection集合的时候，执行下面的命令mongo会自动创建一个mycollection集合db.mycollection.insert({"foo",'
在使用mysql的客户端之后，手动输入语句的机会减少太多，比如mysql的alter语句竟然想不起来怎么用了，于是重新学习一下。alter是用来修改表结构的语句。既然是修改，那么可分为增加，修改，删除这几种。大致的操作如下ALTER TABLE 表名称 操作(ADD|DROP|CHANGE|RENAME) 操作内容列操作相关1.增加列ALTER TABLE table_name ADD new_column_name VARCHAR(255) NOT NULL2.删除列ALTER TABLE table_name DROP a_column3.修改列ALTER TABLE table_name
python的基本数据类型有整型，浮点型，字符串，布尔，列表，元组，字典，集合。它们占用内存和定义方式如下表：类型占用内存如何定义整型(int)动态长度>=24字节a = 1浮点型(float)动态长度>=24字节a = 1.0字符串(string)动态长度，>=37字节，增加一个字符加1字节a = 'str'布尔(boolean)24字节a = True列表(list)动态长度，>=72字节a = []元组(tupe)动态长度，>=56字节a = ()集合(set)动态长度，>=232字节a = set([])占用的内存通过sys.getsizeof()获
项目做多了之后，可能会慢慢总结出自己的代码库出来，当在新的项目中使用的时候，总不能一直是复制粘贴。这个时候，composer就能派上用场了。一个项目开始，使用composer就能够加载所需要的依赖，非常方便。这个时候，来做一个自己的包吧！使用命名空间composer自动加载需要用到命名空间，因此所有的代码库都需要使用命名空间，如果没有，那就改吧！使用命名空间之后你可能会打开新世界的大门。创建composer.json我假设你已经安装了composer，并且已经会使用了。创建自己的包我们首先需要创建一个composer.json，示例文件如下上面的composer.json有一个比较重要的是au
布隆过滤器(bloom filter)介绍以及php和redis实现布隆过滤器实现方法
引言在介绍布隆过滤器之前我们首先引入几个场景。场景一在一个高并发的计数系统中，如果一个key没有计数，此时我们应该返回0。但是访问的key不存在，相当于每次访问缓存都不起作用了。那么如何避免频繁访问数量为0的key而导致的缓存被击穿？有人说， 将这个key的值置为0存入缓存不就行了吗？这是确实是一种解决方案。当访问一个不存在的key的时候，设置一个带有过期时间的标志，然后放入缓存。不过这样做的缺点也很明显：浪费内存和无法抵御随机key攻击。场景二在一个黑名单系统中，我们需要设置很多黑名单内容。比如一个邮件系统，我们需要设置黑名单用户，当判断垃圾邮件的时候，要怎么去做。比如爬虫系统，我们要记录下
程序员难免要经常画流程图，状态图，时序图等。以前经常用 visio 画，经常为矩形画多大，摆放在哪等问题费脑筋。有时候修改文字后，为了较好的显示效果不得不再去修改图形。今天介绍的工具是如何使用 Sublime + PlantUML 的插件画流程图，状态图，时序图等。这是一种程序员看了就会爱上的画图方式：自然，高效。什么是 PlantUMLPlantUML 是一个画图脚本语言，用它可以快速地画出：时序图流程图用例图状态图组件图简单地讲，我们使用 visio 画图时需要一个一个图去画，但使用 PlantUML 只需要用文字表达出图的内容，然后就可以直接生成图片。看一个最简单的例子：软件安装这些软件
Excel宏使用的是vba，基本上就是运行在Excel里面的vb。所以学习vba和学习一门编程语言没有什么区别。所以我们最开始需要学的的就是一些基础语句。为了不让学习显得太枯燥，我们从一个hello world开始。首先需要打开Microsoft Excel，找到开发工具->宏，输入一个宏名称，点击创建创建了新的宏之后，就会出现一个编辑器界面Sub test()End Sub使用一个弹窗弹出hello worldSub test()MsgBox("hello world")End Sub到这里，一个简单的宏就创建完成了，虽然它现在什么也不能做，但是别着急，后面宏会为你做很多很多的事情，能
在使用PDO的时候，一条sql语句打死都不执行，dump一下errorInfo试试，出现这样的错误信息问题描述居然告诉我还有语句没有执行完成？当前的查询未能执行，逗我么！考虑使用fetchAll，或者开启缓冲查询，行，你说得对....问题出现的使用场景服务器服务器为linux，安装了一个什么面板套件之类的，不是自家机器，也懒得去折腾，在本地的windows环境并没有该问题。程序笔者在对数据库的一个计数字段进行更新的时候，首先会先查询这个记录是否存在，如果存在则进行更新，如果不存在则先插入。问题就出现在记录不存在的时候，当我查询这条不存在的记录时候，发现这个记录不存在，然后进行插入，发现之前的查
varnishstat是一个查看当前varnish实例的实时运行状态信息。命令以及参数如下：varnishstat 以下选项可用： -1不再显示不断更新的显示，而是将统计信息打印到stdout。-f <glob>Field inclusion glob. Use backslash to escape characters. If the argument starts with '^' it is used as an exclusion glob. Multiple -f arguments may be given, and they will be ap
作为一个博客系统，wordpress在易用性和可扩展性上都非常出色。后题用户体验是非友好，插件众多。然而由于定位的问题，wordpress无法支撑大量文章。当文章数量达到上万的时候，有些主题的前台可能会非常卡。当文章数量达到数十万的时候，wordpress后台可能会特别卡。更何况大部分插件并没有在性能上下功夫，插件越多，wordpress越卡。那么有没有什么方案能让wordpress支撑大量文章？十万，百万，甚至更多？支撑百万数据并不是存入一百万文章就可以了。实际上百万文章对mysql来说毫无压力。在mysql中，百万文章仅仅是百万条记录而已。导致缓慢的是mysql的查询。对于百万条记录的数据
赞赏
微信赞赏
支付宝赞赏
