MongoDB或CouchDB——适合生产环境吗?

我想知道是否有人可以告诉我MongoDB或CouchDB是否已经为生产环境做好了准备。

我现在正在研究这些存储解决方案(目前我更喜欢MongoDB)，但是这些项目还很年轻，所以我预见到我将不得不非常努力地说服我的经理，我们应该采用这种新技术。

我想知道的是:

现在谁在生产环境中使用MongoDB或CouchDB ? 你如何使用MongoDB/CouchDB? 当你采用这种新的存储机制时，你遇到了什么问题(如果有的话)(你是如何克服它们的)? 你是如何处理你不得不面对的移民问题的? 你有任何好的或坏的经验，这些解决方案，你想分享吗?

当前回答

CouchDB 0.11(发布于3月底)是1.0版本的特性冻结版。这意味着我们将保持与当前1.0版API的兼容性，所以现在是重新研究CouchDB的好时机(如果您很久没有研究过)。

CouchDB 0.11源代码发布在这里。这里链接了二进制安装程序和其他好东西。

2010-04-06 05:37:25

其他回答

我们将CouchDB作为MySQL的替代品运行在我们的商店(70.0000个商品/商店，所有商品的属性总数为400万个，商品之间的交叉连接)。

我们的目标是:

从master-db轻松复制到具有不同文档的多个客户端。快速预计算数据，比如“这个属性和那个过滤器有多少部分符合这些条件”

事实:

我们的商店现在运行得比使用MySQL快得多(MySQL数据库需要额外的1-3天的预计算(因此每月更新两次)，使数据为产品计数和过滤做好准备，CouchDB需要5个小时，所以我们可以每晚更新产品数据) 设置(过滤)数据分布和备份到商店节点是快速和容易的

但也:

Understanding map/reduce and the limits of not having joins is quite hard No operation on data like "delete where" or "update where" without external programs Replication works well, unless there is a problem; then it's really hard to find out what was the reason (for beginners) The installation of CouchDB without binaries (yes there are a some in the wild, but not for every OS/version) could be hard, if you are not a Linux geek. But the CouchDB Community is helpful (#couchdb), and luckily there are companies out there (cloudant, iriscouch) that offer services from free to big business. CouchDB is moving forward, so there are a lot of changes (improvements) going on that might change they way you work. But basic things remain stable.

结果是: MySQL作为数据创建和维护的数据库是可靠的，易于理解和处理。我认为我们不会改变这一点。但我也不想错过CouchDB视图的强大功能和复制设置的便利性。

在工作了几个月之后，生产沙发有时会因为错误配置和忘记日志(视图构建花费太长时间或挂起，复制停止)而造成麻烦，但从未丢失数据，并且总是可以轻松重置。

2012-02-16 22:56:25

我是10gen (MongoDB的开发者)的CTO，所以我有点偏见，但我也管理一些在生产中使用MongoDB的网站。

Businessinsider已经在生产中使用mongo一年多了。从用户和博客文章，到网站上的每张图片，他们都在使用它。

Shopwiki正在使用它做一些事情，包括实时分析和缓存层。它们每秒对一个相当大的数据库进行超过1000次的写入。

如果你进入mongodb生产部署页面，你会看到一些人在生产中使用mongodb。

如果您对生产部署的规模或范围有任何疑问，请在我们的用户列表中发帖，我们将非常乐意提供帮助。

2009-05-23 00:07:08

我在生产中使用CouchDB已经快2年了。没有迁移工作，因为项目直接从CouchDB实现开始。它作为一个数据库，存储单个电子产品从开始到包装的数据。

由于我们销售的传感器对精度有很高的要求，我们在不同的阶段做了大量的测试，所有这些都将存储在CouchDB上的一个文档中。

我从我的经验中学到了一些学习曲线，那就是充分利用视图(也称为永久视图)。视图应该是数据库中经常被调用的部分的“小过滤器”。