增加了wiredtiger引擎：

開源的儲存引擎；

支援多核CPU、充分利用記憶體/晶片級別快取(注：10月14日剛剛釋出的3.0.7版本中，進一步改進了記憶體操作的效能)；

基於B-TREE及LSM演算法；

提供文件級鎖(document-level concurrency control)，類似於關係型資料庫的的行級鎖；

支援檔案壓縮(其中snappy壓縮機制可以在5%的額外CPU消耗，減少70%的空間使用，也可以根據需要調節壓縮比例),三種壓縮型別：

不壓縮；

Snappy壓縮：預設的壓縮方式， Snappy是在谷歌內部生產環境中被許多專案使用的壓縮庫，包括BigTable，MapReduce和RPC等，壓縮速度比Zlib快，但是壓縮處理檔案的大小會比Zlib大20%-100%， Snappy對於純文字的壓縮率為1.5-1.7，對於HTML是2-4，對於JPEG、PNG和其他已經壓縮過的資料壓縮率為1.0。在I7 i7 5500u 單核CPU測試中，壓縮效能可在200M/s-500M/s；

Zlib壓縮： Z1ib是一個免費、通用、跨平臺、不受任何法律阻礙的、無損的資料壓縮開發庫，相對於Snappy壓縮，消耗CPU效能高、壓縮速度慢，但是壓縮效果好。

MMAPv1引擎(MongoDB2.6及以下版本用的是MMAP引擎)：

collection鎖(collection-level concurrency control)，在MMAP版本中，只提供了database的鎖(既當一個使用者對一個collection進行操作時，其他的collection也被掛起）；

無縫遷移(MMAP版本的資料可以線上遷移至MMAPV1版本，也可以遷移至wiredtiger引擎中)。

可插拔的儲存引擎API(類似於mysql的多引擎驅動)

通過不同的資料引擎來滿足不同的資料需求；

未來更多的場景擴充套件。

Ops manager(MongoDB企業版提供的功能)

居於web的圖形管理介面

減少日常日常和配置的工作

測試環境：

伺服器硬體配置：172.16.16.169 CPU：2*[email protected] 2.40GHz、記憶體：8G

客戶端硬體配置：172.16.40.92 CPU: 4*[email protected] 1.90GHz、記憶體：4G

資料庫：mongodb V3.0.6

開發環境：python3.4.3、pycharm4.5.4

測試前提：已安裝完成了mongodb、python、pycharm

測試場景：插入100萬條資料的時間消耗對比；

1. 在伺服器端啟動MongoDB(預設為MMAPv1引擎，預設埠為27017，在MongoDB的安裝目錄中啟動MongoDB，定義資料和日誌路徑)：

#./mongod --dbpath=/data/db --logpath=/data/log 

2. 登入MongoDB：

#./mongo

3. 檢視當前的引擎狀態：

> db.serverStatus()

"storageEngine" : {

"name" : "mmapv1"

4. 在伺服器端啟動MongoDB(WiredTiger引擎，埠：11111，在MongoDB的安裝目錄中啟動MongoDB，定義資料和日誌路徑，定義WiredTiger引擎)：

#./mongod --dbpath=/data/wiredtiger --logpath=/data/wiredtiger/log

5. 登入至啟動了WiredTiger引擎的Mongodb：

#./mongo127.0.0.1:11111 

6. 檢視當前的引擎狀態：

> db.serverStatus()

"storageEngine" : {

"name" : "wiredTiger"

7. python連線MongoDB MMAPv1寫入配置：

importtime
import datetime
importtimeit
importmath
ISOTIMEFORMAT = '%Y-%m-%d %X'

from pymongo import MongoClient
mc = MongoClient("172.16.16.169",27017)
db = mc.users
def dateDiffInSeconds(date1,date2):
timedelta = date2 - date1
return timedelta.days*24*3600 +timedelta.seconds
date1 = datetime.datetime.now()
db.users.drop()
for iin range(0,1000000) :db.users.insert({"name":"ljai","age":i,"addr":"fuzhou"})
c = db.users.find().count()
print("count is ",c)
date2 = datetime.datetime.now()
print(date1)
print(date2)
print(dateDiffInSeconds(date1,date2),"seconds")
mc.close()

8. 測試結果：1000萬條資料寫入花費了12分鐘28秒：

2、 python連線MongoDB WiredTiger寫入配置：

importtime
import datetime
importtimeit
importmath
ISOTIMEFORMAT = '%Y-%m-%d %X'

from pymongo import MongoClient
mc = MongoClient("172.16.16.169",27017)
db = mc.users
def dateDiffInSeconds(date1,date2):
timedelta = date2 - date1
return timedelta.days*24*3600 +timedelta.seconds
date1 = datetime.datetime.now()
db.users.drop()
for iin range(0,1000000) :db.users.insert({"name":"ljai","age":i,"addr":"fuzhou"})
c = db.users.find().count()
print("count is ",c)
date2 = datetime.datetime.now()
print(date1)
print(date2)
print(dateDiffInSeconds(date1,date2),"seconds")
mc.close()

9. 測試結果：1000萬條資料寫入花費了10分3秒：

100萬條的資料寫入，WireTiger引擎會比MMAPv1快一些，後續再繼續其他方面的效能測試。