mongodb安全和优化

提高mongodb的安全性：

    mongoDB默认没有密码，且只允许本地访问。如果开放外网访问，就一定要设置密码，而且要配置好防火墙，指定只允许哪些ip访问monGodb端口，否则会有安全隐患。

    配置权限管理机制：

        RBAC机制涉及三个关键定义：角色（Roles）、特权（Privileges）和用户（Users） 。
        • 特权是指一些资源和能够在资源上进行的操作。
        • 一个角色可以有多种特权。
        • 一个用户可以有被赋予不同的角色。

    1.创建管理员用户：

        在linux或者MacOS中，执行命令“mongo”打开MongoDB 命令行客户端：

            • 第1行代码：切换到admin数据库。admin数据库是MongoDB自带的数据库。
            • 第3～9行代码：创建管理员，账号名称为admin，密码为kingnameisgenius ，角色为userAdminAnyDatabase ， 控制的数据库为admin

    创建好管理员账户以后，在MongoDB命令行客户端中直接输入“ exit ”后按回车键，即可退出MongoDB 命令行客户端。
        修改创建的配置文件mongodb.conf，添加如下两行内容：
            security :
                authorization : enabled

        保存配置文件并重启MongoDB数据库。再次执行“mongo”命令，发现虽然能够连上数据库，但是已经不能执行常规操作了

        要正常使用命令行客户端，必需把mongo 的启动命令修改为：

            mongo -u 'admin' -p 'kingnameisgenius' --authenticationDatabase 'admin'

    2.创建普通用户：

        管理员账户是没有权限操作普通数据库的。要操作普通数据库，还需要创建普通用户。
        使用管理员账户登录命令行客户端后，执行以下命令创建一个对chapter_8数据库有读写权限，对chapter_4只有读权限的普通用户。

    3.创建能操作数据库的管理员用户：

        管理员(admin账号)能创建其他用户， 看似权限非常大，但它不能访问任何一个数据库。所以，如果有必要，还需要创建一个能对所有数据库都有全部权限的用户。

       (1).在MongoDB 的命令行客户端中，使用管理员C admin ）连接MongoDB，然后执行以下命令创建一个对所有数据库有完全控制权限的用户。

        (2).在可视化连接程序中使用root用户连接数据库，并把数据库设定为admin：

批量插入与逐条插入的性能对比：

    一条插入语句可能好事几毫秒，但这过程中网络传输的时间占了很大比例。IO(输入/输出)操作总是最耗费时间的，无论是硬盘IO还是网络IO。现在的宽带技术，上下行速度动辄每秒几百兆字节。如果使用MangoDB插入数据还在逐条插入，每一条几个字节，那可真是白白浪费了网络带宽。

        • 如果写到本地的MongoDB ，数据会在网卡中转一圈再存入硬盘。
        • 如果写到远程的MongoDB ，数据会先从本地网卡出去，然后经过网线，在电磁波、光信号、电信号之间进行转换，中间通过一层一层的交换机路由器，甚至海底光缆，绕地球一圈再进入目标服务器的网卡最后存入数据库。

    当然，批量插入要考虑多方面：

        1.(从Redis等中)要插入的数据量非常大，全部丢到内存里超出了内存空间咋办？

        2.(redis中的)数据暂停添加，要过好长一阵才会继续添加咋办？

        3.假设redis中有1亿数据，读到第99999999条数据时，突然断电咋办？

        ......

    如果Redis中的数据是持续性数据，则会有新数据源源不断被加入到Redis中，每次添加之间的时间间隔从几毫秒到几小时不等。代码可以如下(python)：

        • 第11行代码：增加了一个计数变量，通过第25行代码实现每获取一次Redis中的数据就让变量加1。
        • 第21行代码：在Redis为空的情况下，如果people_info_list中有数据，不论有多少数据，只要请求Redis的次数为1000的倍数，那么就批量插入数据库。这样做的好处是，保证people_info_list中的数据最多等待100秒就会被插入数据库。这里使用了“%”实现取余操作，“ get_count % 100。”的结果为get_count除以1000的余数。如果结果为0则表示get_count 正好是1000 的整数倍。

        • 第24行代码： 在本次发现Redis为空的情况下，暂停0.1秒，这样做可以显著降低CPU的占用。

插入与更新的性能对比：

    (注意：salary字段是字符串，不是整型)

    逐条更新代码如下(Python)：

        • 第7行代码：读取所有数据，并只输出“＿id ”字段（默认输出〕和“ salary ”字段。
        • 第8行代码： 把“ salary ” 字段转换为整型数据。
        • 第10行代码： 根据“_id ”宇段把新的“ salary ”字段更新到数据库中。

        逐条更新19808条数据耗时68.7 秒，比逐条插入数据的时间还长!!!

    用插入数据代替更新数据：

        对于必需逐条更新大量数据的情况，也可以使用插入代替更新来提高性能。
        基本逻辑是： 把数据插入到另一个集合中， 然后删除原来的集合，再把新集合改名为原来的集合。

        • 第6～8行代码： 初始化两个连接，分别指向batch集合和update by _insert集合。

        • 第14行代码： 把更新以后的数据添加到新的列表中。
        • 第15行： 把新的列表批量插入数据库。
        更新119808条数据并插入新的集合中，耗时3秒。

        更新完成以后，删除原来的batch集合，再把新的集合update _by_insert改名为“ batch ”，就变相完成了数据的批量更新。

使用索引提高查询速度：

    在一个集合的数据量到达千万量级以后，查询速度会变得非常缓慢， 这时就需要使用索引来加快查询速度。
    索引是一种特殊的数据结构，它使用了能够快速遍历的形式记录了集合中数据的位置。
    如果不使用索引，则每一次查询数据MongoDB都会遍历整个集合；而如果使用了索引，则MongoDB会直接根据索引快速找到需要的内容。

        1. 索引的创建

            mongodb采用ensureIndex来创建索引，如：

            db.user.ensureIndex({"name":1})

            表示在user集合的name键创建一个索引，这里的1表示索引创建的方向，可以取值为1和-1

            在这里面，我们没有给索引取名字，mongodb会为我们取一个默认的名字，规则为keyname1_dir1_keyname2_dir2...keynameN_dirN

            keyname表示键名，dir表示索引的方向，例如，上面的例子我们创建的索引名字就是name_1

            索引还可以创建在多个键上，也就是联合索引，如：

            > db.user.ensureIndex({"name":1,"age":1})

            这样就创建了name和age的联合索引

            除了让mongodb默认索引的名字外，我们还可以去一个方便记的名字，方法就是为ensureIndex指定name的值，如：

            > db.user.ensureIndex({"name":1},{"name":"IX_name"})

            这样，我们创建的索引的名字就叫IX_name了

        2. 唯一索引

            与RDB类似，我们也可以定义唯一索引，方法就是指定unique键位true：

            >db.user.ensureIndex({"name":1},{"unique":true})

        3.查看我们建立的索引

            索引的信息存在每个数据库的system.indexes集合里面，对这个集合只能有ensureIndex和dropIndexes进行修改，不能手动插入或修改集合。

            通过> db.system.indexes.find()可以找到数据库中多有的索引：

            > db.system.indexes.find() 

            { "v" : 1, "key" : { "_id" : 1 }, "ns" : "test.entities", "name" : "_id_" } 

            { "v" : 1, "key" : { "_id" : 1 }, "ns" : "test.blog", "name" : "_id_" } 

            { "v" : 1, "key" : { "_id" : 1 }, "ns" : "test.authors", "name" : "_id_" } 

            { "v" : 1, "key" : { "_id" : 1 }, "ns" : "test.papers", "name" : "_id_" } 

            { "v" : 1, "key" : { "_id" : 1 }, "ns" : "test.analytics", "name" : "_id_" } 

            { "v" : 1, "key" : { "_id" : 1 }, "ns" : "test.user", "name" : "_id_" } 

            { "v" : 1, "key" : { "_id" : 1 }, "ns" : "test.food", "name" : "_id_" } 

            { "v" : 1, "key" : { "_id" : 1 }, "ns" : "test.user.info", "name" : "_id_" } 

            { "v" : 1, "key" : { "_id" : 1 }, "ns" : "test.userinfo", "name" : "_id_" } 

            { "v" : 1, "key" : { "name" : 1 }, "ns" : "test.user", "name" : "IX_name" }

        4.删除索引

            如果索引没有用了，可以使用dropIndexes将其删掉：

            > db.runCommand({"dropIndexes":"user","index":"IX_name"}) 

            { "nIndexesWas" : 2, "ok" : 1 }

            ok表示删除成功

引人Redis ，以降低MongoDB的读取频率：

    使用Redis ，以降低MongoDB的查询频率， 从而提高新闻爬虫的爬取效率。
    ( 1 ）读取MongoDB 的数据并存入Redis 集合中。
    ( 2 ）使用Redis 集合的“sadd”命令，在判断数据是否存在的同时添加新的数据。

    假设， 需要实现一个新闻网站的爬虫， 让它会去各个新闻网站爬取新闻， 然后存入MongoDB中。为了不存入重复的新闻，爬虫需要根据新闻标题来判断新闻是否已经在数据库中了。
    如果每一条新闻标题去查询MongoDB 看是否己经重复， 这显然会严重影响性能。为了防止频繁读MongoDB ，则可以引入Redis 以降低MongoDB 的读取频率。

    假设新闻保存在chapter_8 库中的news 集合中。一开始news 集合里面已经有不少新闻了。
    当爬虫启动时，先读取一次news中的全部新闻标题，并把它们放在Redis中名为news title的集合中。接下来，就不需要读取MongoDB了。
    爬虫每爬取到一条新的新闻，就先使用“ sadd ”命令将其添加到Redis的集合中：

        • 如果返回1，则表示以前没有这条新闻，将其插入到MongoDB中。
        • 如果返回0，则表示以前已经有这条新闻了，直接丢弃。

        • 第2行代码：获取所有新闻标题。
        • 第3行代码：把新闻标题全部添加到Redis中名为news_title的集合中。
        • 第7行代码：添加并判断新闻标题是否己经在newstitle集合中。如果己经存在，则返回0；如果不存在，则返回1，并将其添加进入Redis集合中。

适当增加冗余信息，提高查询速度：

    还是以one_by_one中的数据为例。假设定义一个身份"特殊人员"条件是： age小于10, salary大于10000

    如果在插入数据库时就添加一个字段“special_person”，满足条件就是True，不满足条件就是False 。那查询时就简单了，直接查询所有special_person字段为True 的数据即可