压缩 MongoDB 的数据文件详解大数据

MongoDB采用了磁盘空间预分配的机制，为了避免磁盘碎片以及使用mmap后造成的近一步的内存碎片，但是随着数据的增删除改操作，数据文件不可避免的会产生空洞，造成磁盘空间和内存的浪费。本文说的是这方面的压缩，数据使用某些压缩算法进行压缩的讨论不在此范围。

在MongoDB 中，大概有两种方法可以解决这种问题，但是都不是无痛方式，所以并不推荐使用。

1.通过 repairDatabase 整理数据文件

repairDatabase 是MongoDB 内置的一个db 上的方法，调用这个方法，MongoDB 会扫描db中的所有数据，并将通过重新插入来重新整理数据集合。

这种方法的代价是对这个 db 的读写操作会变得非常之慢，甚至会出现写操作丢失的情况。所以这个时候最好直接停掉客户端的写操作。

可以创建 bar.js 文件，写入如下代码：

// Get a the current collection size. 
var storage = db.foo.storageSize(); 
var total = db.foo.totalSize(); 
 
print('Storage Size: ' + tojson(storage)); 
 
print('TotalSize: ' + tojson(total)); 
 
print('-----------------------'); 
print('Running db.repairDatabase()'); 
print('-----------------------'); 
 
// Run repair 
db.repairDatabase() 
 
// Get new collection sizes. 
var storage_a = db.foo.storageSize(); 
var total_a = db.foo.totalSize(); 
 
print('Storage Size: ' + tojson(storage_a)); 
print('TotalSize: ' + tojson(total_a));

然后运行：

$ mongo foo bar.js

运行结果：

MongoDB shell version: 1.6.4 
connecting to: foo 
Storage Size: 51351 
TotalSize: 79152 
----------------------- 
Running db.repairDatabase() 
----------------------- 
Storage Size: 40960 
TotalSize: 65153

2.如果应用可以接受，可以考虑使用capped collection

capped collection 是 MongoDB 中的一种特殊collection，它的大小可以限定，数据在这个限定大小内循环写入，在数据集合达到上限后，新数据会覆盖老的数据。这样磁盘上的空洞在一段时间后会自动消除。

参考资料：http://learnmongo.com/posts/compacting-mongodb-data-files/

事实上使用 replication 相关的功能也可以实现以上说的数据压缩，具体过程比较麻烦，还会涉及到客户端的切换等操作。有兴趣的同学可以自己研究一下。同时欢迎有更好的方法提供。

文章转自：http://blog.nosqlfan.com/html/1062.html