上一篇為求振聾發聵的效果，有些口號主義，現在開始實戰，歸於實用主義。
使用情景
開始之前，我們先設定這樣一個情景：
1.一百萬注冊用戶的頁游或者手游，這是不溫不火的一個狀態，剛好是數據量不上不下的一個情況。也剛好是傳統MySql數據庫性能開始吃緊的時候。
2.數據庫就用一台很普通的服務器，只有一台。讀寫分離、水平擴展、內存緩存都不談。一百萬注冊用戶如果貢獻度和活躍度都不高，恐怕公司的日子還不是那么寬裕，能夠在數據庫上的投資也有限。
以此情景為例，設每個用戶都擁有100個道具，用戶隨時會獲得或失去道具。
我們就來看看這一億的道具怎么搞。
道具一般要使用原型、實例的設計方法，這個不屬於數據庫的范疇。
道具類型001 是屠龍刀，屠龍刀價格1500，基礎攻擊150，這些，我們把它們稱為道具原型，保存在原型數據文件中。
這個原型數據文件，無論是存在何種數據庫或者本地文件中，對服務器來說都不是問題，也不干擾數據庫設計，所以我們不去討論他。
關系數據庫設計方法
典型的關系數據庫設計方法：
用戶表：字段 xxx userid xxx ，記錄數量100萬
xxx是其他字段，userid標示用戶
用戶道具表：字段 xxx userid itemtype xxx ,記錄數量一億
xxx是其他字段，userid 標示
一個億的記錄數是不是看起來有點頭疼，mysql這個時候就要想各種辦法了。
MongoDB設計方法
但我們用mongoDB來實現這個需求，直接就沒有問題
首先第一個集合：users集合，用UserName 作為_id ,記錄數100萬
然后道具的組織，我們有兩種選擇
1.在users集合的值中建立Items對象，用Bson數組保存道具(Mongo官方稱為Bson，和Json一模一樣的存儲方法)
方法一，沒有額外的記錄數
2.新建userItems集合，同樣用UserName作為_id 每個UserItems集合的值中建立一個Item對象，使用一個Bson數組來保存道具
方法二，多了一個集合和100萬記錄數
我們的道具數據看起來像下面這樣:
{_id:xxx,Items:[
{Itemtype:xxx,ItemPower:xxx},
...
...
...
]}
測試方法
測試方法如下：測試客戶端隨機檢查一個用戶的道具數量，小於100加一個道具，大於100 刪除一個道具。
連續100萬次，采用10個線程並發。
如果用關系數據庫設計方法+mysql來實現，這是一個很壓力很大的數據處理需求。
可是用文檔數據庫設計方法+MongoDB來實現，這個測試根本算不上有壓力。
注意事項
即使我們用了一個如此勝之不武的設計方式，你依然有可能還是能把他寫的很慢。
因為MongoDB在接口設計上並沒有很好的引導和約束，如果你不注意，你還是能把他用的非常慢。
第一個問題：Key-Value數據庫可以有好多的Key，沒錯,但對MongoDB來說，大錯特錯
MongoDB的索引代價很大，大到什么程度：
1.巨大的內存占用，100萬條索引約占50M內存，如果這個設計中，你一個道具一條記錄，5G內存將用於索引。
我們的屌絲情景不可能給你這樣的服務器，
2.巨大的性能損失，作為一個數據庫，所有的東西終將被寫入硬盤，沒有關系數據庫那樣的表結構，MongoDB的索引寫入性能看起來很差，如果記錄數據較小的時候，你可以觀測到這樣震撼的景象，加一個索引，性能變成了1/2,加兩個索引，性能變成了1/3。
只有當第二個索引的查詢不可避免，才值得增加額外索引。因為沒索引的數據，查詢性能是加幾個零的慢，比加索引更慘。
我們既然選擇了Key-Value數據庫，應盡量避免需要多個索引的情況。
所有的索引只能存在於內存中，而讀取記錄時，也需要將Bson在內存中處理，內存還承擔着更重要的作用：讀取緩存。
本來就不充裕的內存，應該嚴格控制我們的記錄條數，能夠用Bson存儲的，盡量用之。
那么我們之前在MongoDB的設計中怎么還考慮第二種設計方法呢？獨立一個userItems 集合，不是又多出100萬條記錄了嗎？
這基於另兩個考慮:a.Bson的處理是要反復硬盤和內存交換的，如果每條記錄更小，則IO壓力更小。內存和硬盤對服務器來說都是稀缺資源，至於多大的數據拆分到另一個集合中更划算，這需要根據業務情況，服務器內存、硬盤情況來測試出一個合適大小，我們暫時使用1024這個數值，單用戶的道具表肯定是會突破1024字節的，所以我們要考慮將他獨立到一個集合中
b.可以不部署分片集群，將另一個集合挪到另一個服務器上去。只要服務器可以輕松承載100萬用戶，200萬還會遠么？在有錢部署分片集群以前，考慮第二組服務器更現實一些。
第二個問題：FindOne({_id:xxx})就快么？
毋庸置疑，FindOne({_id:xxx})就是最直接的用Key取Value。
也的確，用Key取Value 就是我們能用的唯一訪問Value的方式，其他就不叫Key-Value數據庫了。
但是，由於我們要控制Key的數量，單個Value就會比較大。
不要被FindOne({_id:xxx}).Items[3].ItemType這優雅的代碼欺騙，這是非常慢的，他幾乎謀殺你所有的流量。
無論后面是什么 FindOne({_id:xxx})總是返回給你完整的Value,我們的100條道具，少說也有6~8K.
這樣的查詢流量已經很大了，如果你采用MongoDB方案一設計，你的單個Value是包含一個用戶的所有數據的，他會更大。
如果查詢客戶端和數據庫服務器不在同一個機房，流量將成為一個很大的瓶頸。
我們應該使用的查詢函數是FindOne({_id:xxx},filter),filter里面就是設置返回的過濾條件,這會在發送給你以前就過濾掉
比如FindOne({_id:xxx},{Items:{"$slice":[3,1]}})，這和上面那條優雅的代碼是完成同樣功能，但是他消耗很少的流量
第三個問題：精細的使用Update
這和問題二相對的，不要暴力的FindOne，也盡量不要暴力的Update一整個節點。雖然MangoDB的性能挺暴力的，IO性能極限約等於MongoDB性能，暴力的Update就會在占用流量的同時迎接IO的性能極限。
除了創建節點時的Insert或者Save之外，所有的Update都應該使用修改器精細修改.
比如Update({_id:xxx},{$set:{"Items.3.Item.Health":38}});//修改第三把武器的健康值
至於一次修改和批量修改，MongoDB默認100ms flush一次(2.x),只要兩次修改比較貼近,被一起保存的可能性很高。
但是合並了肯定比不合並強，合並的修改肯定是一起保存，這個也要依賴於是用的開發方式，如果使用php做數據客戶端，緩存起來多次操作合並了一起提交，實現起來就比較復雜。
注意以上三點，一百萬注冊用戶並不算很多，4G內存，200G硬盤空間的MongoDB服務器即可輕松應對。性能瓶頸是硬盤IO，可以很容易的使用Raid和固態硬盤提升幾倍的吞吐量。不使用大量的Js計算，CPU不會成為問題，不要讓索引膨脹，內存不會成為問題。你根本用不着志強的一堆核心和海量的內存，更多的內存可以讓緩存的效果更好一些，可是比讀寫分離還是差遠了。如果是高並發時查詢性能不足，就要采用讀寫分離的部署方式。當IO再次成為瓶頸時，就只能采用集群部署MongoDB啟用分片功能，或者自行進行分集合與key散列的工作。