与MySQL类似，MongoDB底层也使用了『可插拔』的存储引擎以满足用户的不同需要。从 MongoDB 3.2 开始，WiredTiger 存储引擎开始作为默认的存储引擎。WiredTiger 使用文档级并发控制进行写操作，使用 MultiVersion 并发控制（MVCC）方式。
In-Memory In-Memory 存储引擎将数据存储在内存中，除了少量的元数据和诊断（Diagnostic）日志，In-Memory存储引擎不会维护任何存储在硬盘上的数据（On-Disk Data），避免Disk的IO操作，减少数据查询的延迟。
MMAPv1: 从MongoDB 4.2开始，MongoDB移除了MMAPv1存储引擎。并发级别上，MMAPv1支持到collection级别，所以对于同一个collection同时只能有一个write操作执行，这一点相对于wiredTiger而言，在write并发性上就稍弱一些。
WiredTiger 特性
- Row Storage & Column Storage：基于BTree的行存/列存；
- cache 模块：内存数据缓存，主要由内存中的 btree page(数据页，索引页，溢出页)构成；
- block management 模块：磁盘文件、空间管理，负责磁盘 IO 的读写，cache、evict、checkpoint 模块均通过该模块访问磁盘；
- Transaction & Snapshots：事务；
- Schema & Cursors：Connection,Session, Cursor等；
数据模型
- MongoDB 的1个
collection/index，对应WiredTiger的一个b+tree； collection/index中的每个 document，对应WiredTiger b+tree leaf page的一个KV；Key（collection的键值）构成internal page，即b+tree索引。- WiredTiger在内存Cache和磁盘上，都用
b+tree来组织 KV。每个b+tree节点为一个 page，root page是b+tree的根节点，internal page 是b+tree的中间索引节点，leaf page是真正存储数据的叶子节点。Cache中b+tree的数据以 page 为单位按需从磁盘加载或写入磁盘。 - WiredTiger在磁盘上的数据组织方式和内存中是不同的，在磁盘上的数据一般是经过压缩以节省空间和读取时的IO开销。当从磁盘向内存中读取数据时，一般会经过解压缩、将数据重新构建为内存中的数据组织方式等步骤。
- 持久化时，修改操作不会在原来的leaf page上进行，而是写入新分配的page，每次checkpoint都会产生一个新的root page。 这样的好处是对不修改原有page，就能更好的并发。
Cache
- Cache中的BTree包含全部或部分磁盘的数据page
- 存在In-Memory Page与On-Disk Page的换入换出
- 如果需要读取的page不在Cache中，从磁盘文件加载到Cache，成为clean page；
- 如果Cache占用内存过高时，clean page会被直接淘汰出cache；
- 如果clean page被修改写入，变成dirty page，dirty page会被evict/checkpoint刷到data file
上图是 page 在内存中的数据结构，是一个典型的 b+tree，每个叶节点的 page 上有 3 个重要的 list：WT_ROW、WT_UPDATE、WT_INSERT:
- 内存中的
b+tree树：是一个checkpoint。初次加载时并不会将整个b+tree树加载到内存，一般只会加载根节点和第一层的数据页，后续如果需要读取数据页再从磁盘加载 - 叶节点Page的 WT_ROW：是从磁盘加载进来的数据数组
- 叶节点Page的 WT_UPDATE：是记录数据加载之后到下个checkpoint之间，该叶节点中被修改的数据
- 叶节点Page的 WT_INSERT：是记录数据加载之后到下个checkpoint之间，该叶节点中新增的数据
_id主键
MongoDB会为每一个插入的文档都默认添加一个_id字段，相当于这条记录的主键，用于保证每条记录的唯一性。由于MongoDB是适用于分布式场景的，因此这个全局唯一的_id需要使用一种分布式唯一ID的生成算法。
MongoDB采用的是类似Snowflake的分布式ID生成算法：
其中包括：
- 4-byte Unix 时间戳
- 3-byte 机器 ID
- 2-byte 进程 ID
- 3-byte 计数器(初始化随机)
索引
Wired Tiger存储引擎使用了B+树实现索引。
在v5.3版本之后，MongoDB可以支持聚簇索引。
读写逻辑
写入原理
对于数据页的修改（update、insert、delete）都是在内存中的，因此需要有一定的机制来保证修改的持久化。在Wired Tiger中，达到一定的条件之后，就会触发生成一次Checkpoint，类似于MySQL中的Checkpoint概念。在生成新的Checkpoint的过程中，会将在内存中做过修改的脏页刷到磁盘。当系统崩溃时，下次重启恢复就从最新的Checkpoint开始恢复。从3.6版本开始，默认配置是60s做一次checkpoint。
除了Checkpoint机制，Wired Tiger也使用了Write Ahead Log（预写式日志）来保证持久化，叫做Journal，类似于MySQL中的redo log。默认使用了压缩算法节省空间。
Journal日志默认100ms/约100MB/其他情况（如客户端提供了强制刷盘的参数）刷一次盘。Wired Tiger会自动删除老的日志，只保留从上次checkpoint开始恢复需要的日志。
Checkpoint
生成Checkpoint的流程主要可以分为两步，第一步是遍历内存中的数据页，将所有脏页刷到磁盘中；第二步是会将一些metadata刷到磁盘中。在系统启动时，就会根据checkpoint的metadata来构建内存中的B+树结构。Checkpoint元数据包含的信息（略）如图所示：
更多细节可以参考：
Cache Eviction(内存逐出)
Wired Tiger中的读写都是基于内存的，这样大大利用了内存的高速读写性能，但是内存终究是有限的，当内存使用率达到一定的阈值时，Wired Tiger将会按照LRU算法清理内存中的数据页，可能是未做过修改的数据页或者做过修改的脏页，从而释放一定的内存空间。这个过程就叫做Cache Eviction（内存逐出）。
Eviction的触发时机包括：
- WT的Cache空间的使用率达到一定阈值（80%）
- Cache中的脏页占用空间的百分比达到一定阈值
- Cache中有单个数据页的大小超过一定的阈值时
Cache Eviction流程包含Evict Pass（选取）和Evict Page（淘汰）两个步骤。
选取阶段是一个阶段性扫描的过程，一次扫描可能并不会扫描内存中全部的B+树，每次扫描结束时会记录当前扫描到的位置，下次扫描时直接从上次结束的位置开始。 扫描过程中，如果 page 满足淘汰条件，则会将 page 添加到一个 evict queue（逐出队列）中，如果evict queue 填充满了或者本次扫描遍历了所有 B+树，则结束本次扫描。 之后会对 evict queue 中的page进行评分，用于执行LRU算法，评分的依据包括每个page当前的访问次数、page类型等。
接下来进行 evict page（淘汰）阶段，这个阶段其实就是对 evict queue 中的page进行回收（可能需要刷盘）。其中刷盘的步骤在WT里称为 Reconcile，指的就是将内存中的page格式转化为磁盘的格式然后写入到磁盘的过程。
MVCC
Wired Tiger 使用 MVCC 机制实现了不同的隔离级别。在事务开始读取时，会生成一个快照（snapshot），类似于 MySQL 中 ReadView 的概念，快照保存了当前系统中所有活跃的事务id。
对于每一条数据，都会维护一个版本链，最新的修改总是会直接append到链表头上，版本链上的每个版本都记录了做出修改的事务id。 因此，当对一条记录进行读取的时候，是从链表头根据版本对应的事务id和本次读事务的 snapshot 来判断是否可读，如果不可读，向链表尾方向移动，直到找到读事务能读取的数据版本。
基于snapshot，Wired Tiger实现了三种隔离级别：
- Read-Uncommited（未提交读）：其实就是脏读，不需要使用snapshot，总是读取版本链上最新的数据
- Read-Commited（已提交读）：可以读到已提交的数据，可能会产生幻读。实现方式就是在每次读取之前都生成一次snapshot
- Snapshot-Isolation（快照隔离）：相当于MySQL中的可重复读，只在事务开始的时候做一次snapshot，之后的读取都基于这个snapshot
BSON数据格式
MongoDB中的文档是以bson的格式进行存储的，BSON（Binary JSON）是一种类似json的数据格式，但是其支持了更多的数据类型：
除此之外，BSON相比JSON还具有更快的遍历速度：在JSON中，要跳过一个文档进行数据读取，需要对此文档进行扫描才行，需要进行麻烦的数据结构匹配，比如括号的匹配，而BSON对JSON的一大改进就是，它会将JSON的每一个元素的长度存在元素的头部，这样只需要读取到元素长度就能直接seek到指定的点上进行读取了。
