13518219792
Mysql库中有一个表，数据量在10亿左右，基本上对于这个表的操作都是没有意义的，因此想测试一下迁移到mongodb的shared架构上是否会有所改善。于是哼哧哼哧的搭建了一个3分片的mongo环境，并将mysql中这个大表的数据导出成了csv的格式，最终使用mongoimport工具成功将10亿多的数据导入mongo集群中去。但是导完后查看了下mongodb中对应的db的信息，差点没吓出尿来，请看：
而我从mysql中导出的数据文件大小只有259GB，格式为csv，如下:
## 大小 $ ll -h total 259G -rw-r--r-- 1 root root 259G Mar 25 16:27 NL_MOB_APP_ERROR_TRACE.txt ## 格式：逗号分隔的csv文件 $ head -2 NL_MOB_APP_ERROR_TRACE.txt "1551445226","2015-02-11 00:00:01","4613","5969","2","19796","1","5397","73","0","0","46000","4","0","499","2","903","1","-370443099","http://pingma.qq.com/mstat/report","nbfs://2015/2/11/4613/4613.0.txt?2444,2#93b" "1551445229","2015-02-11 00:00:01","4611","7259","1","34","2","1038","71","48","4815","16","1","1482","412161","2","903","1","1429877488","http://api.mobile.cosmeapp.cn/cosmeapi","nbfs://2015/2/11/4611/4611.0.txt?38200,750#2c2"这259G的数据在mysql库中的大小如下:
## 数据大小228GB mysql> select sum(data_length)/1024/1024/1024 as size from information_schema.tables where table_name ='NL_MOB_APP_ERROR_TRACE' and table_schema='lens_mobapp_trace'; +-----------------------+ | size | +-----------------------+ | 227.9790587359032 | +-----------------------+ 1 row in set (0.59 sec) ## 数据+索引总大小404GB mysql> select sum(data_length+index_length)/1024/1024/1024 from information_schema.tables where table_name ='NL_MOB_APP_ERROR_TRACE' and table_schema='lens_mobapp_trace'; +-----------------------+ | size | +-----------------------+ | 404.3463549343156 | +-----------------------+ 1 row in set (0.00 sec) ## 记录数 mysql> select count(*) from NL_MOB_APP_ERROR_TRACE; +------------------+ | count(*) | +------------------+ | 1079684226 | +------------------+ 1 row in set (23 min 18.06 sec)看到迁移到mongodb中数据量变为1197.416GB，一开始我是拒绝的，怀疑是加了特技，因为都说mongodb会预分配大文件用于存储，于是到mongos上去看了看后端分片真实的存储状况
mongos> use lens_mobapp_trace switched to db lens_mobapp_trace ## 这里只抽取一个分片来说明问题 mongos> db.stats(); { "raw" : { ........ "udb-q12c20/10.6.14.38:27017" : { "db" : "lens_mobapp_trace", "collections" : 4, "objects" : 352321865, "avgObjSize" : 1005.7750069868641, "dataSize" : 354356526232, "storageSize" : 371299001584, "numExtents" : 711, "indexes" : 3, "indexSize" : 64238570368, "fileSize" : 437856239616, "nsSizeMB" : 16, "dataFileVersion" : { "major" : 4, "minor" : 5 }, "extentFreeList" : { "num" : 4, "totalSize" : 180224 }, "ok" : 1 }, ....... }"objects" : 352321865 ## 该分片上的记录数
"avgObjSize" : 1005.7750069868641 ## 每条记录平均大小
"dataSize" : 354356526232 ## 真实的数据大小
"storageSize" : 371299001584 ## 数据大小+预分配表空间(2G)
"indexSize" : 64238570368 ## 索引的大小
"fileSize" : 437856239616 ## 整个数据文件的大小
可以看到每条记录在mongodb中占用约1k的空间，而在mysql中每条记录的平均大小为227bytes，所以数据迁移到mongodb后数据会变的这么大。那么具体原因是什么呢？mongodb对插入的每一条记录都会自动的添加一个唯一标识的字段_id,该字段大小为12bytes，还有就是mongodb每条记录都会预留一些replace的空间用于记录的更新操作，再有就是预分配功能也会占用一定的空间(大为2GB)。mongodb和mysql对与表空间的管理是不同的，但是有一点是可以肯定的，那就是数据从mysql迁移到mongodb上数据是膨胀的。
我们上面这个测试采用的版本是mongodb2.6.9。mongodb3.0之后对底层存储做了改进，使用WiredTiger作为内建的存储引擎，官方的说这一举措能够为MongoDB带了文档级锁的并发控制和高效的文档压缩功能，且自身性能也有了重大的提升，提升MongoDB 7-10倍的写操作性能、降低了80%的存储占用空间、降低了高达95%操作开销、支持高达50个副本集，好奇心的驱动，于是做了一个简单测试，过程如下：mongodb采用WiredTiger引擎启动，然后导入了5G的数据，最后查看导入后的数据大小。
## mongodb3.0.1采用WiredTiger引擎，启动服务 mongod --dbpath=/data/db/ --logpath=/data/db/logs/mongodb.log --logappend --port=27017 -storageEngine wiredTiger --fork >/dev/null ## 数据样本大小 [root@manager opt]# ll -h xaa -rw-r--r-- 1 root root 5.0G Apr 22 16:57 xaa ## 数据样本记录数 [root@manager opt]# wc -l xaa 21300000 xaa ## 数据样本格式 [root@manager opt]# head -2 xaa "1551445226","2015-02-11 00:00:01","4613","5969","2","19796","1","5397","73","0","0","46000","4","0","499","2","903","1","-370443099","http://pingma.qq.com/mstat/report","nbfs://2015/2/11/4613/4613.0.txt?2444,2#93b" "1551445229","2015-02-11 00:00:01","4611","7259","1","34","2","1038","71","48","4815","16","1","1482","412161","2","903","1","1429877488","http://api.mobile.cosmeapp.cn/cosmeapi","nbfs://2015/2/11/4611/4611.0.txt?38200,750#2c2"采用mongoimport的方式导入mongodb，然后在库中查看库的大小和记录数
## 库中查看 > show dbs; lens_mobapp_trace 2.847GB local 0.000GB > use lens_mobapp_trace switched to db lens_mobapp_trace > show collections; NL_MOB_APP_ERROR_TRACE > db.NL_MOB_APP_ERROR_TRACE.count(); 21300000 ## 查看文件系统中数据目录的大小 [root@manager db]# ll -h total 2.9G -rw-r--r-- 1 mongodb mongodb 16K Apr 22 22:28 collection-0-3862414736807305835.wt -rw-r--r-- 1 root root 2.7G Apr 22 23:03 collection-2-3862414736807305835.wt -rw-r--r-- 1 mongodb mongodb 16K Apr 22 22:28 index-1-3862414736807305835.wt -rw-r--r-- 1 root root 185M Apr 22 23:03 index-3-3862414736807305835.wt drwxr-xr-x 2 mongodb mongodb 4.0K Apr 22 23:03 journal drwxr-xr-x 2 mongodb mongodb 4.0K Apr 22 22:26 logs -rw-r--r-- 1 mongodb mongodb 32K Apr 22 22:31 _mdb_catalog.wt -rwxr-xr-x 1 mongodb mongodb 5 Apr 22 22:27 mongod.lock -rw-r--r-- 1 mongodb mongodb 36K Apr 22 23:05 sizeStorer.wt -rw-r--r-- 1 mongodb mongodb 95 Apr 22 22:27 storage.bson -rw-r--r-- 1 mongodb mongodb 46 Apr 22 22:27 WiredTiger -rw-r--r-- 1 mongodb mongodb 495 Apr 22 22:27 WiredTiger.basecfg -rw-r--r-- 1 mongodb mongodb 21 Apr 22 22:27 WiredTiger.lock -rw-r--r-- 1 root root 886 Apr 22 23:06 WiredTiger.turtle -rw-r--r-- 1 mongodb mongodb 44K Apr 22 23:06 WiredTiger.wt看到这个结果不由得让人欣喜，看来mongodb3.0之后，确实提升了很多，导入5GB数据，压缩比在57%左右，如果导入较大的数据量的话，那么这个压缩比应该是会有所提高，看来与官方说的80%出入不大，这个测试结果是不是又燃起了你对mongodb的信心？哈哈，看来是有必要学习一下3.0的新版本了，新技术层出不穷，it海中漂泊，唯有day day up。
另外有需要云服务器可以了解下创新互联cdcxhl.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
