結論：面對大量不需要作為中間值計算，僅是作為記錄存下來的資訊建議使用string字串儲存，而不直接使用字典，列表等結構直接存入資料庫。

mongodb的文件具有很好的拓展性，給我們儲存帶來了便利， 但是當資料量到達一定範圍後，比如我在使用中，達到1000W條記錄，或者儲存大小超過5G之後，就不得不考慮一下優化問題。做了一個簡單的測試，程式碼如下。

測試物件：用string儲存與用字典dict儲存對比

測試方法：模擬5w個欄位，第一種方法拼接為一個大的string串儲存資料，比如&1718-0-0-0&1882-1-1-1， 另一種用字典儲存{1718: [0, 0, 0], 1882: [1, 1, 1]}  然後利用迴圈插入5000條重複記錄。 測試查詢的時候，遍歷每一條記錄。

測試環境：win8.1  4G記憶體   東芝SSD128G（如果程式碼執行結果差異可能是固態硬碟和機械硬碟的差異）  查詢工具：MongoVUE  mongodb 2.6.3

測試程式碼：

<span style="font-size:18px;">__author__ = 'CRay'

import pymongo
import random

def test():
    db = conn.test
    str_a = ''
    for i in range(0, 49999):
        str_a += '&' + str(i) + '-1-0-0'
    for i in range(0, 4999):
        db.insert({'a': str_a, 'num': i})
    db.create_index('num')


def test_list():
    db = conn.test1
    list_a = {}
    for i in range(0, 49999):
        list_a[str(i)] = [1, 0, 0]
    for i in range(0, 4999):
        db.insert({'a': list_a, 'num': i})
    db.create_index('num')


def update():
    db = conn.test1
    list_num = []
    for i in range(0, 99):
        num = random.randrange(1, 29999)
        list_num.append(num)
    logs = db.find()
    count = 0
    for log in logs:
        try:
            if log['num'] in list_num:
                print log['num'],
                count += 1
        except Exception as e:
            print e
    print count

if __name__ == '__main__':
    client = pymongo.Connection()
    conn = client.test
    import profile
    profile.run("update()")</span>
 

==============================分割線==================================

結果：可見效率非常明顯。 string對應test， dict對應test1

原因分析：

猜測在儲存list或者ditc結構時，雖然mongodb直接使用BSON格式，但是依舊需要保留資料資訊，比如鍵值對資訊等，這佔據了空間，也導致查詢變慢。 這需要檢視mongodb的文件，具體下一篇再講。

===========================結果截圖=========================

整個過程還有很多細節有待考究，其中錯誤希望指出！

完