32位下操作mongodb心得

本文出处：http://blog.csdn.net/chaijunkun/article/details/7236911，转载请注明。

随着互联网的变革，互联网的内容生成方式也逐渐地从网站生成转为用户生成。这种变化不仅仅是内容生成对象的转变那样简单的问题，随之带来的就是互联网数据的大爆炸（big bang）。社交网络的兴起也给互联网相关技术提出了挑战。

MongoDB应用广泛，作为一款无关系型数据库产品，它具有伸缩性、高性能、开源、模式开放和基于文档等特性。因此很值得研究。

通过本文，我将与你分享：

1. MongoDB如何申请磁盘空间，采用何种策略申请

2. 印证网上流传的32位平台下MongoDB数据库不能大于2GB的说法

既然MongoDB擅长的是海量数据处理，对它进行研究避免不了使用庞大的数据来做测试。好了，问题来了——上哪找庞大的数据呢？

公司里当然有那么多数据了，可是由于保密方面的要求，不能拿来做测试，更不能写出来。因此我想到了一个好东西——CSDN密码库。

这个200+M的小家伙在年前闹得沸沸扬扬，弄得人人自危，掀起了一场改密码风暴，反正也被公布出来了，拿它来做测试不是很好么？

至于从哪里得到的这个密码库，我就不说了，身为ITer的你一定有办法搞到手的。我的这个版本一共有6428632条数据，每条数据的结构都很简单：

用户名 # 密码 # 邮箱

分析的时候只需要一行行地读出来，然后按照“#”分割，最后对每一个字段都trim一下就可以了。

我做本次实验使用的平台如下：

Windows XP SP3（当然是32位版啦）

奔腾E5300 CPU

2G内存

首先按照上一篇文章建立了本地的MongoDB服务（文章链接：http://blog.csdn.net/chaijunkun/article/details/7227967）

然后使用MongoDB-Driver操作MongoDB，使用Morphia做ORM。

下面是我写的数据迁移代码（从密码库txt文件存储至MongoDB）

CSDNData.java

package net.csdn.blog.chaijunkun.entities;

import org.bson.types.ObjectId;

import com.google.code.morphia.annotations.Entity;
import com.google.code.morphia.annotations.Id;

@Entity(value="users", noClassnameStored=true)
public class CSDNData {
    @Id
    private ObjectId id;
    private Integer idx;
    private String userName;
    private String password;
    private String email;
    public ObjectId getId() {
        return id;
    }
    public void setId(ObjectId id) {
        this.id = id;
    }
    public Integer getIdx() {
        return idx;
    }
    public void setIdx(Integer idx) {
        this.idx = idx;
    }
    public String getUserName() {
        return userName;
    }
    public void setUserName(String userName) {
        this.userName = userName;
    }
    public String getPassword() {
        return password;
    }
    public void setPassword(String password) {
        this.password = password;
    }
    public String getEmail() {
        return email;
    }
    public void setEmail(String email) {
        this.email = email;
    }
}

在实体中我增加了用于标识文档序号的idx字段。

接下来就是数据转储代码了：

TransformData.java

package net.csdn.blog.chaijunkun;

import java.net.UnknownHostException;

import net.csdn.blog.chaijunkun.entities.CSDNData;
import com.google.code.morphia.Datastore;
import com.google.code.morphia.Key;
import com.google.code.morphia.Morphia;
import com.mongodb.Mongo;
import com.mongodb.MongoException;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.IOException;
import java.io.UnsupportedEncodingException;

public class TransformData {
    public static void main(String[] args) throws UnknownHostException, MongoException{
        Mongo connection= new Mongo("localhost", 27017);
        Morphia morphia= new Morphia();
        Datastore ds= morphia.createDatastore(connection, "csdn");

        File dataFile= new File("D:\www.csdn.net.txt");
        FileReader fr;
        Integer idx=1;
        try {
            fr = new FileReader(dataFile);
            BufferedReader br=new BufferedReader(fr);
            String currentLine= null;
            try {
                while((currentLine= br.readLine())!=null){
                    //读取操作
                    if (currentLine.trim().equals("")){
                        continue;
                    }

                    String[] record= currentLine.split("#");
                    if (record.length>=3){
                        CSDNData csdnData= new CSDNData();
                        csdnData.setIdx(idx);
                        csdnData.setUserName(record[0].trim());
                        csdnData.setPassword(record[1].trim());
                        csdnData.setEmail(record[2].trim());
                        Key<CSDNData> key= ds.save(csdnData);
                        System.out.println("已存入:"+ key.getId() + ",文档序列:"+ idx);
                    }else{
                        System.out.println("文档序列"+ idx+ "发生错误:"+currentLine);
                        break;
                    }


                    idx++;
                }
            } catch (UnsupportedEncodingException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            } catch (IOException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            }
        } catch (FileNotFoundException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
    }
}

就这样运行程序，密码库中的数据就开始向MongoDB中传送了。

由于我启动MongoDB服务时使用了参数--directoryperdb，因此会在数据目录下建立csdn目录。

随着数据越来越多，MongoDB中的自动分片算法开始起作用：

C:MongoDBcsdn>dir
 Volume in drive C has no label.
 Volume Serial Number is F474-EC39

 Directory of C:MongoDBcsdn

2012-02-06  14:59    <DIR>          .
2012-02-06  14:59    <DIR>          ..
2012-02-06  14:40        16,777,216 csdn.0
2012-02-06  14:40        33,554,432 csdn.1
2012-02-06  14:41        67,108,864 csdn.2
2012-02-06  14:42       134,217,728 csdn.3
2012-02-06  14:45       268,435,456 csdn.4
2012-02-06  14:49       536,608,768 csdn.5
2012-02-06  14:59       536,608,768 csdn.6
2012-02-06  14:40        16,777,216 csdn.ns
               8 File(s)  1,610,088,448 bytes
               2 Dir(s)  20,669,665,280 bytes free

C:MongoDBcsdn>

最早生成的文件分别是csdn.0和csdn.ns，当0分片存储满后建立1分片（csdn.1文件），可以仔细观察其文件大小

csdn.ns==>  16MB
csdn.0  ==>  16MB
csdn.1  ==>  32MB
csdn.2  ==>  64MB
csdn.3  ==>128MB
csdn.4  ==>256MB
csdn.5  ==>512MB

但是在第7个分片（csdn.6）时发生了问题，第7分片目前大小是512MB，和第6分片大小一致。这如何解释呢？

其实MongoDB在存储时并不是按照实际数据量来严格申请磁盘空间。它会随着当前数据量的多少（说白了就是判断当前到第几个分片了）来动态申请空间，一次申请多少完全取决于前一分片的大小。

例如csdn.0文件默认是16MB，当csdn.1刚出现时，它的大小也是16MB，也就是第一次申请磁盘空间16MB，随后16MB装满了，而该分片就会再次申请16MB空间。

总而言之就是当前分片所占的最大空间将由2次申请磁盘空间来实现的（第一分片除外，固定16MB），而每一次申请的大小都是前一分片的最大尺寸。

为什么在第7分片发生了问题呢？这个就是我要说的下一个问题了：

在MongoDB的README中有如下一段话：

MongoDB uses memory mapped files.  If built as a 32 bit executable, you will
 not be able to work with large (multi-gigabyte) databases.  However, 32 bit
 builds work fine with small development databases.

翻译如下：

MongoDB使用内存映射文件，如果构建成32位可执行程序，您将不能使其工作在大数据库（若干GB）方式下

我们来计算一下：

csdn.ns（16MB）+csdn.0（16MB）+csdn.1（32MB）+csdn.2（64MB）+csdn.3（128MB）+csdn.4（256MB）+csdn.5（512MB）+csdn.6（512MB）=1536MB，

也就是说在发生问题之前数据库的总大小已经到达了1536MB。这时候由于存储的需求，按照算法，将再次申请512MB空间（csdn.5的大小）给csdn.6。

试想一下，如果申请成功了，数据库的文件将达到多少？1536MB+512MB=2048，正好等于2GB。这与网上的”32位平台下，MongoDB最大不能超过2GB“的说法一致。

那么我是怎么知道出问题了呢？

很简单，代码在传送了5790004条记录后当要写入第5790005条记录时抛出了异常：

已存入:4f2f7a4e5a2768e3dced269b,文档序列:5790001
已存入:4f2f7a4e5a2768e3dced269c,文档序列:5790002
已存入:4f2f7a4e5a2768e3dced269d,文档序列:5790003
已存入:4f2f7a4e5a2768e3dced269e,文档序列:5790004
Exception in thread "main" com.mongodb.MongoException: can't map file memory - mongo requires 64 bit build for larger datasets

根据异常信息我们也可以知道：无法映射内存文件，MongoDB为大数据集需要使用64位构建。