MySQL与MongoDB都是开源的常用数据库，但是MySQL是传统的关系型数据库，MongoDB则是非关系型数据库（另称文档型数据库），是一种NoSQL的数据库。它们各有各的优点，关键是看用在什么地方。所以我们所熟知的那些SQL语句就不适用于MongoDB了，因为SQL语句是关系型数据库的标准语言。
关于 MongoDB，优点如下：
• MongoDB 的结构更灵活，因为它是一个文档型的 NoSQL 数据库，允许用户添加和删除数据库字段，而不必改变整个数据库结构；
• MongoDB 提供了高性能，无缝的扩展性和扩展性，可以很容易地横向扩展数据库，从而改善存储能力和处理能力；
• MongoDB 可以处理大量动态数据，因为文档可以包含不同类型的数据；
• MongoDB 支持高级功能，包括索引，聚合管道和分片，以提供强大的查询功能；
• MongoDB 支持一些新的特性，如内存限制，自动缓存，可插拔式存储引擎等；
• MongoDB 支持大量编程语言，这样能够更轻松地与现有代码集成；
当然，MongoDB 也有一些缺点，比如，它不能执行复杂的关系查询，缺乏一些高级的数据库特性，比如主从复制，事务等等。
相比之下，MySQL 的优点是：
• MySQL 支持原始 SQL 语句，支持复杂的查询，因此能够处理复杂的数据；
• MySQL 支持强大的回滚管理，这样可以避免不需要的或):错误的更改；
• MySQL 支持外部键，这样可以有效地关联两个表；
• MySQL 支持复杂的视图结构，可以从不同的表中提取数据；
• MySQL 拥有极佳的社区支持，有快速的解决方案；
• MySQL 轻便，拥有低延迟，因此可以处理大量数据；
但是，MySQL 也有一些缺点，它无法处理非关系型数据，它的数据结构也非常死板，对动态数据的处理也做得不够好。
接下来我们比较2个数据库的性能水平：
1. 百万、千万级别的下不同查询量不同并发量的压测结果
数据库表中记录数总量在百万、千万级别的压测数据及结果如表所示：
2. 亿级别的下不同查询量不同并发量的压测结果
数据库表中记录数总量在亿级别的压测数据及结果如表所示:
压测结果分析：
1）当每次查询数据量在500条时，无论表中数据总量千万或者亿级别，Mysql和MongoDB在100线程并发的情况下查询性能相当，表现良好，平均响应时间在500ms以内，TPS在230左右。
2）当每次查询数据量在5000条时，表中数据总量为千万级别时，MongoDB在50线程并发情况下查询性能不及Mysql 的一半，100线程并发情况查询性能都很差，平均响应时间在4500ms左右，表中数据总量为亿级别时，在50个及以上的并发情况下，MongoDB和Mysql性能都较差。
在本案例简单数据模型下的时间范围内的等值查询应用场景下，MongoDB在高并发条件下的大数据量查询性能并没有比Mysql更好。另外还有一点需要注意的是，在本案例中，数据总量由百万级别到千万级别再到亿级别的变化过程中，对于查询性能的影响都不是很大，但对于查询数据量的数倍增长却十分敏感，所以在考量数据库查询性能的时候，也要重点考量应用的单次查询量的需求。
所以具体使用Mysql还是MongoDB，需要根据自己的业务场景做出相应的选择。
附带Mysql和MongoDB的学习教程，有需要的同学可以去看看：
Mysql：我们身边有哪些数据库 - 数据库入门 - Mysql - 小牛知识库
Mongodb: NoSQL是什么 - MongoDB教程 - MongoDB - 小牛知识库
来源地址：https://blog.csdn.net/liuyx1031/article/details/130892168
