存储数千个中型文档的最有效的面向文档的数据库引擎是啥？

Posted 2023-03-25

【中文标题】存储数千个中型文档的最有效的面向文档的数据库引擎是啥？

【英文标题】：What's the most efficient document-oriented database engine to store thousands of medium sized documents?存储数千个中型文档的最有效的面向文档的数据库引擎是什么？

【发布时间】：2011-07-02 17:23:11

【问题描述】：

MongoDB 还是 Redis？

我听说我应该在 MongoDB 中保持较小的集合以实现更好的索引（以及适合 RAM 的索引），并且我听说 redis “速度极快”，但如果您有更大的集合，MongoDB 会更好。

如果我有几千个集合，比如几千个哈希，那么最有效的方法是什么？

我之所以这么问，是因为在我的项目中，现在还没有可用的数据进行基准测试还为时过早，而且我可能会设计糟糕的基准测试脚本，因为我不太了解这两个数据库引擎的理论概念，特别是 Redis。

感谢所有回答这个问题的人。

【参考方案1】：

这在很大程度上取决于具体的用例。如果您希望能够根据 ID 以外的其他内容查询您的文档，那么您不应该选择 Redis。使用 Redis，您必须实现自己的索引方案，而这是不必要的。

对于我认为您的用例而言，实际上很少有 Redis 会是更好的选择（并不是说 Redis 有什么问题，我经常同时使用 Redis 和 Mongo，但用于不同的事情）。在我看来，您有可以表示为哈希的对象。 Mongo 和 Redis 都可以存储哈希，但 Mongo 可以做的更多。使用 Mongo，您可以在其任何字段上搜索文档，您可以添加索引以加快速度，并且字段甚至不必是字符串，它可以是数字、日期、列表，甚至是文档（或文档列表），并且所有文档都不必放入 RAM 中（尽管当 Redis 的磁盘存储功能完成时这会改变）。 Redis 没有这些。你必须自己实现索引才能进行搜索，除了字符串之外你不能存储任何东西（这有时真的很不方便），除了平面哈希之外你不能存储任何东西（不求助于实现或使用某种映射层如Ohm)。

您还提到了速度。 Redis 速度非常快，Mongo 也不错，但是，对于您的用例，使用 Mongo 可能会更快。请注意，我说 使用 Mongo，并不是说 Mongo 本身会更快。问题是，如果您使用 Redis 并且仍然希望能够使用不是主键的字段来搜索文档，那么正如我上面提到的，您必须自己实现这一点。然后，搜索必须向 Redis 发出至少两个请求，一个用于查找索引，另一个用于获取文档。如果搜索结果包含多个文档，则您必须单独为每个文档提出请求。发出所有这些请求的开销可能会使使用 Redis 比使用 Mongo 更糟糕。根据我的经验，除了最简单的缓存、队列或类似的东西之外，任何东西都需要向 Redis 发出多个请求才能获得所需的一切。

所以，在我掌握的信息有限的情况下，我推荐 MongoDB。

【讨论】：

太棒了！谢谢 :) 我已经阅读了很多关于此的内容，直到现在我才理解键值存储的概念:)

您可以在 Redis 中一次性使用多个命令，而无需网络往返。

这个答案不再相关。

@Frisbetarian：你能解释一下为什么它现在不相关了吗？

因为 Redis 的进步。

【参考方案2】：

Mongodb 应该没问题：

http://kkovacs.eu/cassandra-vs-mongodb-vs-couchdb-vs-redis

【参考方案3】：

文档大小虽然很重要，但不应该是您选择 Mongo 或 Redis 的最重要因素。在 Mongo 中你很少会达到 4MB 的限制，如果你这样做了，这可能表明你的文档没有被充分分解。 Redis 更加通用，因此如果您打算将数据存储用于应用程序状态中的特定领域（建议框、缓存等），Redis 可能更适合。如果持久化更丰富的项目，那些超出 Redis 的原生数据类型和结构的项目，Mongo 可能更适合。

说实话，Redis 和 Mongo 都非常出色，而且启动和运行起来都非常简单。考虑到它处于您生命周期的早期阶段，请尝试两者的尺码，看看哪种感觉更好。

【讨论】：

顺便说一句，MongoDB v1.8rc0 将于 2011 年 2 月下旬发布，现在每个文档的限制为 16Mb。

【参考方案4】：

我将再向环中添加一个选项：Berkeley DB XML。它是一个占用空间小的 C++ 库，带有提供 XML 数据管理、XQuery 和 XPath 查询的 C++ 和 Java API。它的设计速度非常快、可扩展且可靠。它支持事务、恢复和复制。您可以使用它来存储 XML 文档以及非 SQL 键值对。

免责声明：我是 Berkeley DB 的产品经理，所以我有点偏见。但是，我们有很多客户将 BDB XML 用于大中型文档存储库。

【参考方案5】：

Redis 提出了二级索引，现在可以满足您的目的。 链接：https://redis.io/topics/indexes