1. 测试工具
本次测试选取YCSB(Yahoo! Cloud System Benchmark)作为测试客户端工具。YCSB是Yahoo开源的一个nosql测试工具，用来测试比较各种nosql的性能，项目地址：https://github.com/brianfrankcooper/YCSB。项目的mongodb目录下有详细的安装和测试方法。
YCSB支持常见的nosql数据库读写，如插入，修改，删除，读取等。它可以使用多线程来提高客户端的性能。可以方便的自定义各种场景，如95%插入5%读，或者90%读5%更新5%插入等等。可以自定义数据请求分布方式：平均分布，zipfian(大约20%数据获得80%访问请求），最新数据。
2. 测试步骤
1. 选择客户端线程数。使用YCSB测试，要选择一个合适的线程数，否则测试的瓶颈可能在客户端而不是数据库，经过比较，大概100个线程时，YCSB达到最大性能。
2.定义测试场景。本次测试的场景如下：
| workloada | 写多读少，90%插入，5%读，5%更新。 |
| workloadb | 读多写少，95%读，5%更新。 |
| workloadc | 读多写少，100%读。 |
| workloadd | 读多写少，95%读，5%插入。 |
| workloadf | 读多写少，50%读，50%读写修改同一条记录。 |
| workloadg | 读多写少，60%读，20%读，20%更新。 |
3.测试不同数量记录下的各种场景。分成两个阶段：
1)，load。加载数据。命令为：
./bin/ycsb load mongodb -threads 100 -s -P workloads/workloada -p mongodb.url=mongodb://mongos:28000/ycsb?w=0 > outputLoad.txt
执行load 命令时，仅有recordcount参数起作用，如recordcount=60000000表示加载六千万条记录。执行run命令时，recordcount不起作用。mongos是集群中mongos实例的ip地址。
2)，run。load数据完成后，各种场景运行测试。
测试场景workloada，位于workloads目录下：
./bin/ycsb run mongodb -threads 100 -s -P workloads/workloada -p mongodb.url=mongodb://mongos:28000/ycsb?w=0 > outputRun.txt
每次load数据前要把上次测试中产生的数据删除，包括各个分片，配置服务器，mongos等的数据。
3. 测试系统架构
集群配置服务器的3个实例部署在configs服务器上，YCSB，mongos实例，shard1，shard2各自部署在一台服务器。shard1和shard2都是单独的mongodb instance，不是replicate set。mongodb 使用2.6版本。
4. 服务器的配置
| OS | CPU | RAM | |
| YCSB | ubuntu14.04 | Intel(R) Core(TM) i5-4440 CPU @ 3.10GHz 4核 | 1G |
| mongos | Red Hat 4.4 | Intel(R) Xeon(R) CPU E5645 @ 2.40GHz 1核 | 8G |
| shards | Red Hat 4.4 | Intel(R) Xeon(R) CPU E5645 @ 2.40GHz 1核 | 16G |
| configs | ubuntu14.04 | Intel(R) Core(TM) i5-4440 [email protected] 1核 | 1G |
5. 测试结果
表1， 一个分片，1百万，1千万，6千万，1亿记录时各个场景的吞吐量(ops/sec)。
表2，两个分片，1百万，1千万，6千万记录时各个场景的吞吐量(ops/sec)。
| 数据量(百万) | workloada | workloadb | workloadc | workloadd | workloadf | workloadg |
| 1 | 4878 | 7352 | 7536 | 7885 | 2131 | 5986 |
| 10 | 4343 | 7282 | 7442 | 6996 | 2164 | 6119 |
| 60 | 1669 | 7242 | 7847 | 7810 | 2577 | 6054 |
| 100 | 157 | 7333 | 6796 | 7766 | 2082 | 4389 |
表1
| 数据量(百万) | workloada | workloadb | workloadc | workloadd | workloadf | workloadg |
| 1 | 6462 | 7416 | 7518 | 7633 | 2622 | 6777 |
| 10 | 5826 | 8198 | 7664 | 8073 | 2093 | 7376 |
| 60 | 5662 | 7707 | 7546 | 7716 | 2181 | 6540 |
表2
6. 测试结果分析
图1，一个分片时各个场景下吞吐量随记录量的变化曲线。
图2，两个分片时各个场景下吞吐量随记录量的变化曲线。
图3，重写场景(workloada) 不同分片数量的吞吐量随记录量的变化曲线。
图4，重读场景(workloadb) 不同分片数量的吞吐量随记录量的变化曲线。
图1
图2
图3
图4
由图1，workloada可以看出，mongodb的写性能率先达到瓶颈，随着记录数量增加，下降很快，而读取的性能变化很小。
由图3和图4，可以看出，当mongodb遇到写瓶颈时，增加分片，大大增加写性能，少量增加读性能。
可能由于数据量，或者YCSB的瓶颈，测试中mongodb读性能未出现瓶颈。
7.结论
1.Mongodb的读性能很高，适合重读的场景。
2.通过增加分片，可以大大增加mongodb集群的写性能， 部分增加读性能。
3.与关系型数据库相比，mongodb 的优势
- 文档型数据库，json风格的文件存储，结构清晰，无需ORM。
- 复制和高可用性，易于扩展。
- 自动分片
- 使用基于文档的查询语言，有一定的查询能力。
- 任何属性可索引。
所以对于不太复杂的查询场景下，mongodb可以很方便的作为mysql的替代方案，提高db的读写能力。对于大数据场景，内容管理和交付平台，用户数据管理中心，日志平台等都适合使用mongodb。