MongoDB中文社区
6月3日，希格玛大厦B1小剧场热闹非凡。
热情的mongoer们早早来到了现场，
签到台前，monging中文社区和海量数据学院的工作人员为迎接热情的mongoer们忙得不可开交。
我们准备的限量版小礼品颇受欢迎，粉丝们表示-很喜欢！
现场气氛热烈，座无虚席。
满满的干货更是让现场的小伙伴们收获颇丰，让我们来看看大牛们的精彩分享吧–
演讲嘉宾：腾讯网络媒体事业群 数据库工程师 周奇
演讲主题：MongoDB在腾讯网媒产品中的应用
周奇首先给大家介绍了MongoDB在OMG的使用场景：
1. 消息推送场景：需尽快完成推送，存储写入并发高，峰值30wqps；数据量比较大，日均新增600G；运营统计分析需求，查询纬度较多。
2. 简单的图片存储系统。存储少量图片需求：a.支持修改，查看图片操作 b.容量约有4T，且需存储图片上传人、上传时间等多维信息
c.开发和维护人力成本限制
3. 大容量存储场景。用户评论数据存储：a.存储量大，月均400G，存储成本高 b.之前业务在MySQL按月分库分表，开发代码成本高
4. 模式变更频繁场景。抓取文章数据存储: 频繁变更库表结构.
接着，从运营、平台和拓扑等几个方面详细介绍了MongoDB托管现状。
最后，周奇跟大家分享了MongoDB管理经验–包括Mongo适用的场景；Mongo使用的限制；如何正确访问Mongo集群？Mongo驱动使用注意点；如何搭建可靠的Mongo集群？系统和server参数调优；Mongo性能管理；谨慎使用Sharding；数据备份恢复等。
【更多内容欢迎下载PPT进行了解】
演讲嘉宾：锦航科技的技术总监 肖宝仲
演讲主题：MongoDB在网络地理信息系统中的实践
首先，宝仲给大家从系统需求、背景知识、特点、面临难题等方面介绍了网络地理信息系统。何谓WebGIS？它是指支持在Internet上发布地理信息和服务，而用户可以随时随地获取分布的空间数据和服务的一种技术，是Web技术和GIS技术相结合的产物。
系统需求：
面对系统难点：1.写重，读轻。每三个月更新一次地图数据，其余主要是读取地图数据 2.瓦片存储量巨大。行政地图220亿个瓦片，增加卫星地图存储量翻倍 3.高可用。平时使用不多，一旦使用必须可用。
系统架构如图所示：
然后在介绍完技术选型后给大家详细分享了MongoDB在网络地理信息系统中的应用实践。
从MongoDB模型设计到MongoDB数据库设计，从瓦片数据库设计到Local数据库设计。
在聊到MongoDB分片设计时，他告诉大家，考虑分片，通常是要解决如下2个问题：
1.存储容量受单机限制，即磁盘资源遭遇瓶颈。
2.读写能力受单机限制
然后提出了解决海量存储设计方式以及解决高并发写入设计方式。
最后，宝仲给大家分享了MongoDB集群设计、MongoDB集群部署方案以及实际部署效果，并就经历的问题（例如：多集合设计的问题、内存的使用纠结问题等）做了分享。
【更多内容欢迎下载PPT进行了解】
演讲嘉宾：百度资深工程师 李岑
演讲主题：MongoDB应用实践
首先，李岑给大家介绍了业务场景和业务需求，继而探讨了why MongoDB?
他给出了如下理由：
文档型＋schema-free
文档型语意描述真实对象更自然
数据建模相对简单，开发人员友好
字段扩展，适合快速迭代开发
完善的分布式方案，高可用、高可靠、维护成本低
复制集：故障检测、故障切换
集群化：数据分区、数据均衡
完善生态环境（driver、部署、统计监控、平台）
社区活跃
接着，李岑给大家介绍了关于MongoDB的部署，引擎，构架演进，外围建设，稳定性，空间回收，扩容，冷热数据等一系列内容。
【更多内容欢迎下载PPT进行了解】
演讲嘉宾：MongoDB的亚太区咨询服务经理 林涛
演讲主题：MongoDB在IoT与工业4.0上的应用浅析
首先，林涛给大家介绍了IOT的发展趋势与挑战。IoT 是当前CEO关注的重点领域之一，而数据管理挑战是当前IoT项目面临的核心挑战。根据一项2015年针对当前IoT项目的技术团队和业务团队的调查结果显示，只有8%的项目完全实现了数据的及时采集和分析处理。
在IoT场景下，从数据采集-数据入库-数据清理-数据集成-数据分析到最后数据交付，数据处理流程的每一步都面临挑战。为支持IoT的数据管理要求，需要新的数据管理能力。
海量的IoT连接设备将产生真正海量的数据，根据IDC的预测，未来的10年，全世界每分钟新增1万5千个IoT连接设备，数量达到数百亿
数百亿的IoT连接设备，将产生高达4ZB的数据需要处理。而传统数据的垂直扩展方式、成本无法承受，性能难以应对。
MongoDB作为分布式数据库，通过水平扩展应对大数据量挑战：
1.MongoDB通过分片将数据保存在不同x86服务器上，分散读写负载
2.MongoDB通过片键确定数据位置，并自动实现数据存储分布的均衡
3.对不同服务器上数据的查询，MongoDB自动组装，对应用完全透明
针对传统数据库难以高效处理复杂的业务信息的问题，MongoDB在设计IoT数据模型上，有明显的优势：
与业务层次逻辑保持一致，易于理解与处理
直接提供支持地理信息的存储、索引与查询
数据存储节约空间、且后续扩展简单又便利
接着林涛介绍了MongoDB通过自身框架和集成能力，可支持IoT应用所需的各类分析能力；MongoDB分布式架构，同时支持应用执行多种分析，并将彼此影响降到最低。保持系统稳定、健康，运维挑战面临三大调整。MongoDB从架构和工具两个层面保证系统稳定、健康。
因为MongoDB所具备的大数据处理能力、灵活的文档结构、高读写性能、极强数据分析能力和企业级的稳定性可靠性，MongoDB非常适用于IoT平台数据库。为此，2016年Forrester将MongoDB列为大数据NoSQL的最领先领导者。
最后，林涛为大家分享了一系列MongoDB成功客户案例。
【更多内容欢迎下载PPT进行了解】
演讲嘉宾：腾讯运维工程师 刘迪
演讲主题：分布式存储系统设计方案浅析
一开始，刘迪给大家介绍了大数据行业的发展现状，然后就分布式存储系统做了讲解，分布式存储系统是大量普通的PC服务器通过Internet互联，对外作为一个整体提供存储服务。分布式存储关键技术：
接下来，对大规模分布式存储架构做了详细介绍，架构特点：GFS+ Bigtable双层架 构，Bigtable是在GFS之上的一层分布式索引。
设计理念：构建在廉价硬件之上，通过软件层面提供自动化容错和线性扩展能力。数据结构：Bigtable系统有很多表格组成，每个表格包括很多行，每行通过一个主键（Row Key）唯一标识，每行又包括很多列（Column）。某一行的某一列构成一个单元（Cell），每个单元包含多个版本的数据。多个列组织成一个列族，是Bigtable中访问控制的基本单元，列族创表前需预先设定。然后从架构-数据分布-容错-存储做了分析。
关于Tera，它是由百度开源的一个高性能、可伸缩的结构化数据存储系统，被设计用来管理搜索引擎万亿量级的超链与网页信息。使用多级Cache系统，充分利用新一代服务器硬件大内存、SSD盘和万兆网卡的性能优势，100PB级的数据存储量，支撑了目前百度万亿级的动态读写业务。
关于Tera的性能指标-架构-数据分布-容错-复制与一致性-负载均衡-存储-Leveled，刘迪为大家一一做了详细介绍。
最后在对小规模分布式存储架构进行了介绍之后，刘迪对腾讯MongoDB托管平台建设历程做了分享。
【更多内容欢迎下载PPT进行了解】
最后，本次活动结束前，我们进行了现场摇一摇抽奖活动，现场有5名幸运用户抽到了限量定制版雨伞。
文章的最后，
感谢所有的志愿者们，谢谢你们对本次活动的付出；
感谢所有的合作伙伴们，期待接下来更棒的合作；
也要感谢所有到场的参与者们，你们的支持是我们的动力。
预告一下即将到来的6月底成都线下用户组活动，除了大家期待的丰盛礼品，大咖们将一如既往的带来最新鲜最实用的干货，令你满载而归。而之后也会陆续在其它城市举办线下用户组活动，欢迎大家积极关注和参与中文社区的活动！
嘉宾PPT下载地址：
https://pan.baidu.com/s/1bo3cpzD
由我们合作伙伴IT大咖说为活动录制的视频已经出炉咯
视频回放链接：
http://www.itdks.com/dakashuo/playback/342
评论前必须登录！
注册