在32位系统下使用MongoDB的一点心得

本文出处：/article/2129080.html，转载请注明。由于本人不定期会整理相关博文，会对相应内容作出完善。因此强烈建议在原始出处查看此文。

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：/article/2129079.html）

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

[java] view
plaincopy

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

[java] view
plaincopy

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：

[plain] view
plaincopy

C:\MongoDB\csdn>dir

Volume in drive C has no label.

Volume Serial Number is F474-EC39

Directory of C:\MongoDB\csdn

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:\MongoDB\csdn>

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：

[plain] view
plaincopy

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：

[plain] view
plaincopy

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：

[java] view
plaincopy

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。

更多0

上一篇：MongoDB安装为Windows服务方法与注意事项