mongodb與關係型資料庫相比的優缺點
與關係型資料庫相比，MongoDB的優點：
①弱一致性（最終一致），更能保證使用者的訪問速度：
舉例來說，在傳統的關係型資料庫中，一個COUNT型別的操作會鎖定資料集，這樣可以保證得到“當前”情況下的精確值。這在某些情況下，例如通過ATM檢視賬戶資訊的時候很重要，但對於Wordnik來說，資料是不斷更新和增長的，這種“精確”的保證幾乎沒有任何意義，反而會產生很大的延遲。他們需要的是一個“大約”的數字以及更快的處理速度。
但某些情況下MongoDB會鎖住資料庫。如果此時正有數百個請求，則它們會堆積起來，造成許多問題。我們使用了下面的優化方式來避免鎖定：
每次更新前，我們會先查詢記錄。查詢操作會將物件放入記憶體，於是更新則會盡可能的迅速。在主/從部署方案中，從節點可以使用“-pretouch”引數執行，這也可以得到相同的效果。
使用多個mongod程序。我們根據訪問模式將資料庫拆分成多個程序。
②文件結構的儲存方式，能夠更便捷的獲取資料。
舉例1：
就拿一個“字典項”來說，雖然並不十分複雜，但還是會關係到“定義”、“詞性”、“發音”或是“引用”等內容。大部分工程師會將這種模型使用關係型資料庫中的主鍵和外來鍵表現出來，但把它看作一個“文件”而不是“一系列有關係的表”豈不更好？使用“dictionary.definition.partOfSpeech='noun'”來查詢也比表之間一系列複雜（往往代價也很高）的連線查詢方便且快速。
舉例2：在一個關係型資料庫中，一篇部落格（包含文章內容、評論、評論的投票）會被打散在多張資料表中。在MongoDB中，能用一個文件來表示一篇部落格，評論與投票作為文件陣列，放在正文主文件中。這樣資料更易於管理，消除了傳統關係型資料庫中影響效能和水平擴充套件性的“JOIN”操作。
CODE↓
> db.blogposts.save({ title : "My First Post", author: {name : "Jane", id :1},
comments : [{ by: "Abe", text: "First" },
{ by : "Ada", text : "Good post" }]
})
> db.blogposts.find( { "author.name" : "Jane" } )
> db.blogposts.findOne({ title : "My First Post", "author.name": "Jane",
comments : [{ by: "Abe", text: "First" },
{ by : "Ada", text : "Good post" } ]
})
> db.blogposts.find( { "comments.by" : "Ada" } )
> db.blogposts.ensureIndex( { "comments.by" : 1 } );
舉例③：
MongoDB是一個面向文件的資料庫，目前由10gen開發並維護，它的功能豐富，齊全，完全可以替代MySQL。在使用MongoDB做產品原型的過程中，我們總結了MonogDB的一些亮點：
使用JSON風格語法，易於掌握和理解：MongoDB使用JSON的變種BSON作為內部儲存的格式和語法。針對MongoDB的操作都使用JSON風格語法，客戶端提交或接收的資料都使用JSON形式來展現。相對於SQL來說，更加直觀，容易理解和掌握。
Schema-less，支援嵌入子文件：MongoDB是一個Schema-free的文件資料庫。一個數據庫可以有多個Collection，每個Collection是Documents的集合。Collection和Document和傳統資料庫的Table和Row並不對等。無需事先定義Collection，隨時可以建立。
Collection中可以包含具有不同schema的文件記錄。 這意味著，你上一條記錄中的文件有3個屬性，而下一條記錄的文件可以有10個屬性，屬性的型別既可以是基本的資料型別（如數字、字串、日期等），也可以是陣列或者雜湊，甚至還可以是一個子文件（embed document）。這樣，可以實現逆規範化（denormalizing）的資料模型，提高查詢的速度。
圖1 MongoDB是一個Schema-free的文件資料庫
圖2是一個例子，作品和評論可以設計為一個collection，評論作為子文件內嵌在art的comments屬性中，評論的回覆則作為comment子文件的子文件內嵌於replies屬性。按照這種設計模式，只需要按照作品id檢索一次，即可獲得所有相關的資訊了。在MongoDB中，不強調一定對資料進行Normalize ，很多場合都建議De-normalize，開發人員可以扔掉傳統關係資料庫各種正規化的限制，不需要把所有的實體都對映為一個Collection，只需定義最頂級的class。MongoDB的文件模型可以讓我們很輕鬆就能將自己的Object對映到collection中實現儲存。
圖2 MongoDB支援嵌入子文件
③內建GridFS，支援大容量的儲存。
GridFS是一個出色的分散式檔案系統，可以支援海量的資料儲存。
內建了GridFS了MongoDB，能夠滿足對大資料集的快速範圍查詢。
④內建Sharding。
提供基於Range的Auto Sharding機制：一個collection可按照記錄的範圍，分成若干個段，切分到不同的Shard上。
Shards可以和複製結合，配合Replica sets能夠實現Sharding+fail-over，不同的Shard之間可以負載均衡。查詢是對客戶端是透明的。客戶端執行查詢，統計，MapReduce等操作，這些會被MongoDB自動路由到後端的資料節點。這讓我們關注於自己的業務，適當的時候可以無痛的升級。MongoDB的Sharding設計能力最大可支援約20 petabytes，足以支撐一般應用。
這可以保證MongoDB執行在便宜的PC伺服器叢集上。PC叢集擴充起來非常方便並且成本很低，避免了“sharding”操作的複雜性和成本。
⑤第三方支援豐富。(這是與其他的NoSQL相比，MongoDB也具有的優勢)
現在網路上的很多NoSQL開源資料庫完全屬於社群型的，沒有官方支援，給使用者帶來了很大的風險。
而開源文件資料庫MongoDB背後有商業公司10gen為其提供供商業培訓和支援。
而且MongoDB社群非常活躍，很多開發框架都迅速提供了對MongDB的支援。不少知名大公司和網站也在生產環境中使用MongoDB，越來越多的創新型企業轉而使用MongoDB作為和Django，RoR來搭配的技術方案。
⑥效能優越：
在使用場合下，千萬級別的文件物件，近10G的資料，對有索引的ID的查詢不會比mysql慢，而對非索引欄位的查詢，則是全面勝出。mysql實際無法勝任大資料量下任意欄位的查詢，而mongodb的查詢效能實在讓我驚訝。寫入效能同樣很令人滿意，同樣寫入百萬級別的資料，mongodb比我以前試用過的couchdb要快得多，基本10分鐘以下可以解決。補上一句，觀察過程中mongodb都遠算不上是CPU殺手。
與關係型資料庫相比，MongoDB的缺點：
①mongodb不支援事務操作。
所以事務要求嚴格的系統（如果銀行系統）肯定不能用它。(這點和優點①是對應的)
②mongodb佔用空間過大。
關於其原因，在官方的FAQ中，提到有如下幾個方面：
1、空間的預分配：為避免形成過多的硬碟碎片，mongodb每次空間不足時都會申請生成一大塊的硬碟空間，而且申請的量從64M、128M、256M那樣的指數遞增，直到2G為單個檔案的最大體積。隨著資料量的增加，你可以在其資料目錄裡看到這些整塊生成容量不斷遞增的檔案。
2、欄位名所佔用的空間：為了保持每個記錄內的結構資訊用於查詢，mongodb需要把每個欄位的key-value都以BSON的形式儲存，如果value域相對於key域並不大，比如存放數值型的資料，則資料的overhead是最大的。一種減少空間佔用的方法是把欄位名儘量取短一些，這樣佔用空間就小了，但這就要求在易讀性與空間佔用上作為權衡了。我曾建議作者把欄位名作個index，每個欄位名用一個位元組表示，這樣就不用擔心欄位名取多長了。但作者的擔憂也不無道理，這種索引方式需要每次查詢得到結果後把索引值跟原值作一個替換，再發送到客戶端，這個替換也是挺耗費時間的。現在的實現算是拿空間來換取時間吧。
3、刪除記錄不釋放空間：這很容易理解，為避免記錄刪除後的資料的大規模挪動，原記錄空間不刪除，只標記“已刪除”即可，以後還可以重複利用。
4、可以定期執行db.repairDatabase()來整理記錄，但這個過程會比較緩慢
③MongoDB沒有如MySQL那樣成熟的維護工具，這對於開發和IT運營都是個值得注意的地方。