• high performance 数据库高并发读写，web2.0网站要根据用户个性化信息来实时生成动态页面和提供动态信息，所以基本上无法使用动态页面的静态化技术，因此数据库并发负载非常高，往往要达到每秒上万次读写请求。关系型数据库应付上万次SQL查询还勉强顶得住，但是应付上万次sql写数据，硬盘IO就已经无法忍受了。
• huge storage 对海量数据的高效率存储和访问的需求
• high scalability&&high availability 对数据库的高可扩展性和高可用性的需求，在基于web 的架构当中，数据库是最难进行横向扩展的，当一个应用系统的用户量和访问量与日俱增的时候，你的数据库却没有办法像web server 和app server 那样简单的通过添加更多的硬件和服务节点来扩展性能和负载能力。对于很多需要提供24 小时不间断服务的网站来说，对数据库系统进行升级和扩展是非常痛苦的事情，往往需要停机维护和数据迁移，代价昂贵。

• 数据库事务一致性需求，很多web 实时系统并不要求严格的数据库事务，对读一致性的要求很低，有些场合对写一致性要求也不高。因此数据库事务管理成了数据库高负载下一个沉重的负担。
• 数据库的写实时性和读实时性需求，对关系数据库来说，插入一条数据之后立刻查询，是肯定可以读出来这条数据的，但是对于很多web 应用来说，并不要求这么高的实时性。
• 对复杂的SQL查询，特别是多表关联查询的需求，任何大数据量的web 系统，都非常忌讳多个大表的关联查询，以及复杂的数据分析类型的复杂sql 报表查询，特别是SNS 类型的网站，从需求以及产品设计角度，就避免了这种情况的产生。往往更多的只是单表的主键查询，以及单表的简单条件分页查询，sql 的功能被极大的弱化了。

下面开始，正式了解mongodb。

• 面向集合（Collenction-Orented），意思是数据被分组存储在数据集中， 被称为一个集合（Collenction)。每个集合在数据库中都有一个唯一的标识名，并且可以包含无限数目的文档。集合的概念类似关系
• 型数据库（RDBMS）里的表（table），不同的是它不需要定义任何模式（schema)。
• 模式自由（schema-free) ，意味着对于存储在MongoDB 数据库中的文件，我们不需要知道它的任何结构定义。
• 文档型，意思是我们存储的数据是键-值对的集合,键是字符串,值可以是数据类型集合里的任意类型,包括数组和文档. 我们把这个数据格式称作 “BSON” 即 “Binary Serialized dOcumentNotation.”

• 面向集合的存储：适合存储对象及JSON形式的数据
• 动态查询：mongodb支持丰富的查询表达式。查询指令使用JSON形式的标记，可轻易地查询文档中内嵌的对象及数组
• 完整的索引支持：包括文档内嵌对象及数组。mongodb的查询优化器会分析查询表达式，并生成一个高效的查询计划
• 查询监视：mongodb包含一系列监视工具用于分析数据库操作的性能
• 复制及自动故障转移：mongodb数据库支持服务器之间的数据复制，支持master-salve模式及服务器之间的相互复制。复制主要目标是提供冗余及自动故障转移
• 高效的传统存储方式：支持二进制数据及大型对象（图片）
• 自动分片以支持云级别的伸缩性：自动分片功能支持水平的数据库集群，可动态添加额外的机器

适合场景：

• 网站数据：MongoDB 非常适合实时的插入，更新与查询，并具备网站实时数据存储所需的复制及高度伸缩性
• 缓存：由于性能很高，MongoDB 也适合作为信息基础设施的缓存层。在系统重启之后，由MongoDB 搭建的持久化缓存层可以避免下层的数据源过载
• 大尺寸，低价值的数据：使用传统的关系型数据库存储一些数据时可能会比较昂贵，在此之前，很多时候程序员往往会选择传统的文件进行存储
• 高伸缩性的场景：MongoDB 非常适合由数十或数百台服务器组成的数据库。MongoDB的路线图中已经包含对MapReduce 引擎的内置支持
• 用于对象及JSON 数据的存储：MongoDB 的BSON 数据格式非常适合文档化格式的存储及查询