MongoDB与Cassandra的使用指南：选型、实践与优化

一、核心特性对比：选型的关键依据

1.1 数据模型设计

MongoDB采用文档型存储，基于BSON格式（二进制JSON），支持嵌套结构与动态模式。例如，电商订单数据可设计为单文档存储用户信息、商品列表及支付详情，减少跨文档查询。其优势在于开发效率高，适合快速迭代的业务场景。

Cassandra则采用宽列模型（Wide Column Store），数据按列族（Column Family）组织，支持超大规模稀疏矩阵存储。典型场景如物联网传感器数据，每台设备可动态添加新指标列而无需修改表结构。其核心价值在于处理高基数、半结构化数据。

1.2 查询能力差异

MongoDB提供富查询接口，支持范围查询、聚合管道、地理空间查询等。例如，通过$geoNear操作符可实现附近商家搜索：

db.stores.find({
  location: {
    $near: {
      $geometry: { type: "Point", coordinates: [-73.9667, 40.78] },
      $maxDistance: 1000
    }
  }
})

Cassandra的查询能力受限于主键设计，仅支持基于主键的精确匹配、范围扫描及二级索引的简单过滤。例如，按时间范围查询设备日志需在主键中包含时间戳字段：

SELECT * FROM sensor_data 
WHERE device_id = 'sensor1' 
AND timestamp >= '2023-01-01' 
AND timestamp <= '2023-01-31';

1.3 扩展性架构

MongoDB通过分片集群实现水平扩展，支持范围分片与哈希分片。例如，按用户ID哈希分片可均匀分布写入负载：

sh.addShard("shard1/mongo1:27017,mongo2:27017,mongo3:27017")
sh.enableSharding("user_db")
sh.shardCollection("user_db.users", { "user_id": "hashed" })

Cassandra采用去中心化环形架构，所有节点角色相同，通过一致性哈希分配数据。新增节点时，系统自动平衡数据分布，无需停机维护。

二、典型场景下的技术选型

2.1 实时分析场景

MongoDB的聚合框架适合复杂分析，例如计算用户行为指标：

db.events.aggregate([
  { $match: { type: "click", timestamp: { $gte: startDate } } },
  { $group: { _id: "$user_id", count: { $sum: 1 } } },
  { $sort: { count: -1 } }
])

Cassandra在实时计数场景中表现优异，通过计数器类型（Counter Column）实现高并发更新，例如页面浏览量统计。

2.2 高写入吞吐场景

Cassandra的无单点写入设计使其吞吐量随节点数线性增长。测试显示，3节点集群可稳定处理每秒10万+写入，延迟低于5ms。关键优化点包括：

• 合理设计主键（分区键需均匀分布）
• 禁用二级索引（改用物化视图）
• 调整concurrent_writes参数

MongoDB在写入密集型场景中需注意分片键选择，避免热点问题。例如，时间序列数据应避免使用时间戳作为分片键。

三、性能优化实践

3.1 索引策略

MongoDB支持单字段索引、复合索引、多键索引等。电商系统查询”价格低于100的电子产品”需创建复合索引：

db.products.createIndex({ category: 1, price: 1 })
db.products.find({ category: "electronics", price: { $lt: 100 } })

Cassandra的二级索引性能较低，建议通过物化视图或数据冗余优化查询。例如，为设备状态查询创建冗余表：

CREATE MATERIALIZED VIEW device_status_by_type AS
SELECT * FROM devices
WHERE type IS NOT NULL AND status IS NOT NULL
PRIMARY KEY (type, device_id);

3.2 一致性模型配置

MongoDB提供多级一致性选择：

• writeConcern: { w: "majority" } 确保多数节点确认
• readConcern: "linearizable" 保证线性一致性

Cassandra默认提供可调一致性，生产环境推荐：

• 写入：CL=QUORUM（多数节点确认）
• 读取：CL=QUORUM（避免读修复）

四、运维管理要点

4.1 备份恢复策略

MongoDB提供WiredTiger存储引擎快照，结合云存储实现异地备份。恢复测试需验证分片平衡状态：

mongodump --host=shard1 --out=/backup/20230101
mongorestore --host=new_cluster --drop /backup/20230101

Cassandra使用增量备份（nodetool snapshot）与修复机制（nodetool repair）。跨数据中心恢复需注意：

• 版本兼容性（建议相同大版本）
• 令牌范围重新分配

4.2 监控告警体系

MongoDB监控关键指标：

• 连接数：db.serverStatus().connections
• 缓存命中率：db.serverStatus().wiredTiger.cache
• 队列深度：db.serverStatus().globalLock.currentQueue

Cassandra核心监控项：

• 读取延迟：nodetool proxyhistograms
• 压缩延迟：nodetool compactionstats
• 待办任务：nodetool tpstats

五、混合架构实践

某金融平台采用MongoDB+Cassandra混合架构：

1. 用户画像数据存于MongoDB，支持复杂查询
2. 交易流水存于Cassandra，保证写入吞吐
3. 通过Kafka实现数据同步

此架构实现查询灵活性与写入性能的平衡，QPS提升300%的同时保持99.99%可用性。

六、选型决策树

1. 查询复杂度：需要多维度聚合分析→MongoDB
2. 写入规模：持续高并发写入→Cassandra
3. 数据模型：深度嵌套文档→MongoDB
4. 扩展需求：全球分布式部署→Cassandra
5. 团队技能：熟悉JSON/JavaScript→MongoDB

实际项目中，建议通过PoC测试验证关键指标，例如使用YCSB基准测试工具对比吞吐量与延迟。

结语：MongoDB与Cassandra分别代表了文档数据库与宽列数据库的巅峰实现。正确选型需深入理解业务场景的技术需求，通过架构设计实现性能、成本与可维护性的最佳平衡。