thinkphp 用mysqlmongodb 模型怎么使用

thinkphp 用mysqlmongodb 模型怎么使用,第1张

第一步:在你的应用的Model文件下建立一个MonModel

第二步:MonModel的内容如下

<?php

namespace Admin\Model

use Think\Model\MongoModel

Class MonModel extends MongoModel

{

public function __construct($name, $tablePrefix, $connection)

{

parent::__construct($name, $tablePrefix, $connection)

$this->trueTableName=$name//要连接的那个集合(表)控制器里传过来

}

protected $dbName='name'//(要连接的数据库名称)

protected $connection = array(

'db_type' => 'mongo',

'db_user' => 'admin',//用户名(没有留空)

'db_pwd' => 'admin',//密码(没有留空)

'db_host' => '127.0.0.1',//数据库地址

'db_port' => '27017',//数据库端口 默认27017

)

protected $_idType = self::TYPE_INT //参考手册

protected $_autoinc = true//参考手册

/* public function getall()

{

return $this->select()

}*/

}

第三步:你就可以在你的控制器里用这个MonModel去 *** 作mongodb了。

如下

<?php

namespace Admin\Controller

use Admin\Model\MonModel

use Common\Controller\YouKangController

class AuController extends YouKangController {

public function index()

{

$M= new MonModel('movie')//movie是集合名(表名)

diedump($M->select())

}

}

一、PHP+MySql

优点:

1) MySql是一个快速、多线程、多用户的SQL数据库服务器。

2) MySql的核心程序采用完全的多线程编程。

3)MySql可运行在不同的 *** 作系统下。

4) MySql有一个非常灵活而且安全的权限和口令系统。

5) MySql支持ODBC for Windows。

6)MySql支持大型的数据库。

7) MySql拥有一个非常快速而且稳定的基于线程的内存分配系统,可以持续使用面不必担心其稳定性。

8) 强大的查询功能。

9)PHP为MySql提供了强力支持,PHP中提供了一整套的MySql函数,对MySql进行了全方位的支持。

缺点:

比较的难学

MySQL不完全支持陌生的关键词

MySQL也缺乏一些存储程序的功能

使用缺省的ip端口,但是有时候这些ip也会被一些黑客闯入

使用myisam配置,如果你不慎损坏数据库,结果可能会导致所有的数据丢失

二、PHP+MsSql

优点:

上手容易兼容性良好利于构筑"敏捷性商务"

缺点:

只能在windows 上运行,没有丝毫的开放性, *** 作系统的系统的稳定对数据库是十分重要的。

并行实施和共存模型并不成熟。很难处理日益增多的用户数和数据卷。伸缩性有限

安全性方面,没有获得任何安全证书

客户端支持及应用模式 ,是C/S结构,只支持windows客户,可以用ADO, DAO,OLEDB,

ODBC连接

不是免费的

数据不容易恢复

php+Mysql 优化,百万至千万级快速分页

MySql 性能到底能有多高?用了php半年多,真正如此深入的去思考这个问题还是从前天开始。有过痛苦有过绝望,到现在充满信心!MySql 这个数据库绝对是适合dba级的高手去玩的,一般做一点1万篇新闻的小型系统怎么写都可以,用xx框架可以实现快速开发。可是数据量到了10万,百万至千万,他的性能还能那么高吗?一点小小的失误,可能造成整个系统的改写,甚至更本系统无法正常运行!好了,不那么多废话了。用事实说话,看例子:

数据表 collect ( id, title ,info ,vtype) 就这4个字段,其中 title 用定长,info 用text, id 是逐渐,vtype是tinyint,vtype是索引。这是一个基本的新闻系统的简单模型。现在往里面填充数据,填充10万篇新闻。

最后collect 为 10万条记录,数据库表占用硬盘1.6G。OK ,看下面这条sql语句:

select id,title from collect limit 1000,10很快;基本上0.01秒就OK,再看下面的

select id,title from collect limit 90000,10从9万条开始分页,结果?

8-9秒完成,my god 哪出问题了????其实要优化这条数据,网上找得到答案。看下面一条语句:

select id from collect order by id limit 90000,10很快,0.04秒就OK。为什么?因为用了id主键做索引当然快。网上的改法是:

select id,title from collect where id>=(select id from collect order by id limit 90000,1) limit 10

这就是用了id做索引的结果。可是问题复杂那么一点点,就完了。看下面的语句

select id from collect where vtype=1 order by id limit 90000,10很慢,用了8-9秒!

到了这里我相信很多人会和我一样,有崩溃感觉!vtype 做了索引了啊?怎么会慢呢?vtype做了索引是不错,你直接 select id from collect where vtype=1 limit 1000,10是很快的,基本上0.05秒,可是提高90倍,从9万开始,那就是0.05*90=4.5秒的速度了。和测试结果8-9秒到了一个数量级。从这里开始有人提出了分表的思路,这个和discuz 论坛是一样的思路。思路如下:

建一个索引表: t (id,title,vtype) 并设置成定长,然后做分页,分页出结果再到 collect 里面去找info 。 是否可行呢?实验下就知道了。

10万条记录到 t(id,title,vtype) 里,数据表大小20M左右。用

select id from t where vtype=1 order by id limit 90000,10很快了。基本上0.1-0.2秒可以跑完。为什么会这样呢?我猜想是因为collect 数据太多,所以分页要跑很长的路。limit 完全和数据表的大小有关的。其实这样做还是全表扫描,只是因为数据量小,只有10万才快。OK,来个疯狂的实验,加到100万条,测试性能。

加了10倍的数据,马上t表就到了200多M,而且是定长。还是刚才的查询语句,时间是0.1-0.2秒完成!分表性能没问题?错!因为我们的limit还是9万,所以快。给个大的,90万开始

select id from t where vtype=1 order by id limit 900000,10看看结果,时间是1-2秒!

why   分表了时间还是这么长,非常之郁闷!有人说定长会提高limit的性能,开始我也以为,因为一条记录的长度是固定的,mysql 应该可以算出90万的位置才对啊? 可是我们高估了mysql 的智能,他不是商务数据库,事实证明定长和非定长对limit影响不大?怪不得有人说 discuz到了100万条记录就会很慢,我相信这是真的,这个和数据库设计有关!

难道MySQL 无法突破100万的限制吗???到了100万的分页就真的到了极限???

答案是: NO !!!! 为什么突破不了100万是因为不会设计mysql造成的。下面介绍非分表法,来个疯狂的测试!一张表搞定100万记录,并且10G 数据库,如何快速分页!

好了,我们的测试又回到 collect表,开始测试结论是: 30万数据,用分表法可行,超过30万他的速度会慢道你无法忍受!当然如果用分表+我这种方法,那是绝对完美的。但是用了我这种方法后,不用分表也可以完美解决!

答案就是:复合索引!有一次设计mysql索引的时候,无意中发现索引名字可以任取,可以选择几个字段进来,这有什么用呢?开始的select id from collect order by id limit 90000,10这么快就是因为走了索引,可是如果加了where 就不走索引了。抱着试试看的想法加了 search(vtype,id) 这样的索引。然后测试

select id from collect where vtype=1 limit 90000,10非常快!0.04秒完成!

再测试: select id ,title from collect where vtype=1 limit 90000,10非常遗憾,8-9秒,没走search索引!

再测试:search(id,vtype),还是select id 这个语句,也非常遗憾,0.5秒。

综上:如果对于有where 条件,又想走索引用limit的,必须设计一个索引,将where 放第一位,limit用到的主键放第2位,而且只能select 主键!

完美解决了分页问题了。可以快速返回id就有希望优化limit , 按这样的逻辑,百万级的limit 应该在0.0x秒就可以分完。看来mysql 语句的优化和索引时非常重要的!

好了,回到原题,如何将上面的研究成功快速应用于开发呢?如果用复合查询,我的轻量级框架就没的用了。分页字符串还得自己写,那多麻烦?这里再看一个例子,思路就出来了:

select * from collect where id in (9000,12,50,7000)竟然 0秒就可以查完!

mygod ,mysql 的索引竟然对于in语句同样有效!看来网上说in无法用索引是错误的!

有了这个结论,就可以很简单的应用于轻量级框架了:

代码如下:

$db=dblink()

$db->pagesize=20

$sql="select id from collect where vtype=$vtype"

$db->execute($sql)

$strpage=$db->strpage()//将分页字符串保存在临时变量,方便输出

while($rs=$db->fetch_array()){

  $strid.=$rs['id'].','

}

$strid=substr($strid,0,strlen($strid)-1)//构造出id字符串

$db->pagesize=0//很关键,在不注销类的情况下,将分页清空,这样只需要用一次数据库连接,不需要再开;

$db->execute("select id,title,url,sTime,gTime,vtype,tag from collect where id in ($strid)")

<php while($rs=$db->fetch_array()): >

<tr>

  <td$amp>amp$ampnbsp<php echo $rs['id']$amp>amp$lt/td>

  <td$amp>amp$ampnbsp<php echo $rs['url']$amp>amp$lt/td>

  <td$amp>amp$ampnbsp<php echo $rs['sTime']$amp>amp$lt/td>

  <td$amp>amp$ampnbsp<php echo $rs['gTime']$amp>amp$lt/td>

  <td$amp>amp$ampnbsp<php echo $rs['vtype']$amp>amp$lt/td>

  <td$amp>amp$ampnbsp<a act=show&id=<php echo $rs['id']$amp>quot$ target="_blank"$amp>amp$ltphp echo $rs['title']$amp>amp$lt/a$amp>amp$lt/td>

  <td$amp>amp$ampnbsp<php echo $rs['tag']$amp>amp$lt/td>

</tr>

<php endwhile>

</table>

<php

echo $strpage

通过简单的变换,其实思路很简单:1)通过优化索引,找出id,并拼成 "123,90000,12000" 这样的字符串。2)第2次查询找出结果。

小小的索引+一点点的改动就使mysql 可以支持百万甚至千万级的高效分页!

通过这里的例子,我反思了一点:对于大型系统,PHP千万不能用框架,尤其是那种连sql语句都看不到的框架!因为开始对于我的轻量级框架都差点崩溃!只适合小型应用的快速开发,对于ERP,OA,大型网站,数据层包括逻辑层的东西都不能用框架。如果程序员失去了对sql语句的把控,那项目的风险将会成几何级数增加!尤其是用mysql 的时候,mysql 一定需要专业的dba 才可以发挥他的最佳性能。一个索引所造成的性能差别可能是上千倍!

PS: 经过实际测试,到了100万的数据,160万数据,15G表,190M索引,就算走索引,limit都得0.49秒。所以分页最好别让别人看到10万条以后的数据,要不然会很慢!就算用索引。经过这样的优化,mysql到了百万级分页是个极限!但有这样的成绩已经很不错,如果你是用sqlserver肯定卡死!而 160万的数据用 id in (str) 很快,基本还是0秒。如果这样,千万级的数据,mysql应该也很容易应付。


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zaji/5899854.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-03-07
下一篇 2023-03-07

发表评论

登录后才能评论

评论列表(0条)

保存