本文首先对物联网进行了模型抽象，着重和大家剖析了mongodb解决方案，包括文档模型、高可用复制集、分片集群和aggregation&mapreduce，最后分享了全新的mongodb特性。
以下为内容整理：
mongodb是文档型数据库，其核心的三大优势是灵活文档模型 、高可靠复制集、 高可扩展分片集群。在最新的
db engine rank 的排名中，mongodb 排在第4，是非关系型数据库领域的领头羊。
<b>物联网模型抽象</b>
物联网离我们越来越近，这主要得益于云计算和移动互联网技术的发展。物联网技术已经应用于智能家居、车联网等领域，我们进行模型抽象出物联网应用的共性，很多设备（assets）通过智能的传感器采集很多数据并发到云端，这些设备不断的产生日志、数据、事件并发到云端，数据在云端进行存储计算后，会产生很多结果以接口的形式提供出去，方便我们开发更多的手机app和web应用。
<b>物联网存储需求</b>
<b></b>
mongodb 解决方案
文档模型
<b>json </b><b>格式</b>
json格式的好处：
最接近真实对象模型，对开发人员友好。
schema free，增加和删除字段非常灵活，直面灵活多变的需求，快速迭代。
数组、内嵌文档支持，数据聚集，读写性能提升。
应用场景比如设备增加新特性；事件日志，数组+内嵌文档。
<b>schema free</b>
随时动态增加字段如图。
增加字段无需变更表结构。
在mongodb3.2版本推出了文档校验，使其兼备灵活和严禁的特性。
<b>内嵌</b>
使用mongodb可以把所有的记录作为这个设备的元素，以数组的形式存储起来，还可以划分，把每分钟汇报按小时为单位聚合存储，这样可以达到更少的文档、更快的查询。
<b>gridfs</b>
mongodb 单个文档不能超过16mb，更大的文档可以使用 gridfs 来存储，例如物联网里 ota 升级文件、图片视频等的存储。
gridfs原理：
文件内容分成多个文档存储在fs.chunks集合。
文件元信息存储在fs.files集合。
功能支持
<b>数据压缩</b>
mongodb3.0之后推出了新的存储引擎wiredtiger，wiredtiger存储引擎对数据的压缩支持非常好，用户原来自建的mongodb使用 mmapv1，迁到云上后换成wiredtiger，磁盘的容量通常能下降到原来的10%-30%。
mongodb对索引的支持非常丰富，下面重点介绍物联网场景里经常被使用到的位置索引和ttl索引，位置索引可用于构建各种基于地理位置的应用，而 ttl 索引可以实现设备历史数据自动过期的功能。
<b>位置索引</b>
mongodb的位置索引可以针对一个字段，mongodb支持两种类型的位置索引字段，点和更灵活的位置，只要字段是这种数据结构，就可以建立位置索引。建立位置索引后，就可以使用mongodb的near和geowithin查询操作服务。
<b>ttl </b><b>索引</b>
因为后端的存储数据有限，只能存储最近的数据，我们可以让mongodb支持让指定数据在某段时间后过期。
ttl索引有两种应用模式：指定某段时间后过期和指定时间戳过期。mongodb对ttl索引的支持是有限制的，针对date类型字段建索引。mongodb在执行ttl索引时，后台过期逻辑每分钟执行一次。
高可用复制集
高可用复制集特性如下：
自动故障检测，自动failover
数据多副本存储，保证数据安全
多节点可同时提供读服务
以三节点复制集为例，会有一个primary和两个secondary，复制集里的所有成员通过选举协议选出primary，默认情况下，所有数据都是写到primary且只能通过primary写，读也是通过primary来读。三节点数据存储三份，可以容忍两个副本失效，保证了数据的高可靠。当primary挂掉后，另外两个secondary会发起新选举，保证服务正常进行。
<b>连接访问</b>
mongodb里面有connection string uri，所有driver都支持connection string uri方式连接，这个通用的连接串包含访问mongodb的用户密码信息，可以指定多个节点的地址，可以指定鉴权数据库的信息。通过这种方式，只要在这个连接串里指定后端多个节点或指定 replicaset 参数，正确连接复制集后，用户客户端连接到这个复制集后，会跟复制集的每一个成员建立一个心跳关系，会不断的监测后端复制集成员的变化情况，当后端出现主备切换时，driver 能自动感知。
<b>writeconcern</b>
mongodb通过writeconcern保证数据高可靠，默认情况下，mongodb 使用{w: 1}的 writeconcern 级别，当数据写到 primary 就像客户端返回。对于非常重要的数据，可在写入时设置writeconcern: { w: “majority”}，就会写到后端复制集成员的大多数，再向客户端返回，保证数据在有节点宕机时也能不丢失。
<b>readpreference</b>
mongodb通过readpreference实现读写分离，可以指定读写对象。
可扩展分片集群
可扩展分片集群可以实现海量数据存储、高并发写入，例如物联网里大量设备汇报的日志数据。
mongodb为了实现分片集群，引入了两个新的组件mongos和config servers，config servers存储分片集群的元数据。首先配置好某个集合，按照某个key进行分片，接下来一条写请求就会到mongos上，mongos去config servers上查询路由表，把请求路由到后端的分片上，就实现了分片集群的功能。
<b>shardkey</b>
mongodb支持范围分片，每一个范围在mongodb的分片集群里成为一个chunk，每一个chunk就会分到后面的shard上，优点是能很好的支持范围查询需求。
mongodb支持hash分片，针对key先计算一次hash值，再根据hash值进行范围分片，优点是能均匀的将写请求分散到不同的分片。
选择集合的 shardkey 时并没有一个很完美的方案，需要用户根据数据分布特性、请求特性来选择最优的 shardkey，使用时应该尽量避免以下三个问题：
key 基数太小造成 jumbo chunk
写入分布不均，造成热点
scatter/gather 查询影响效率
<b>负载均衡</b>
mongodb在mongos中有balancer的任务，会周期性的扫描每个shard当前负责的chunk的数量，balancer根据shard持有的chunk数量自动负载均衡，balancer
运行时，要尽量主要如下2个问题。
合理设置 balancer 窗口，避开业务访问高峰期
备份时关闭 balancer，避免出现数据不一致的状态
数据分析
<b>内建支持</b>
aggregation
pipeline支持很多的运算符，传统关系型数据库单表能做的aggregation pipeline都可以做；mongodb支持mapreduce，可以在mongodb的集合上写mapreduce的任务，数据分析后，又写回mongodb。
<b>外部框架</b>
通过mongodb spark connector，可直接在mongodb数据集上运行 spark ，与阿里云 e-mapreduce 完美结合。
mongodb 云数据库
<b>云数据库全链路监控</b>
图为内部全链路监控视图，可以精确的看到云数据库的每一个客户端的每一个连接，可以看到上行下行的带宽，请求速率，丢包率等，这对于查找线上问题是非常方便的。
<b>mongodb </b><b>内核优化</b>