一、架构与底层技术对比

1.1 架构设计差异

MongoDB采用去中心化分片集群架构，支持水平扩展和动态负载均衡。其核心组件包括mongos路由节点、config server配置节点和shard分片节点，通过自动分片策略实现数据分布。例如，当数据量超过10TB时，可通过sh.addShard()命令动态添加分片节点。

Amazon DocumentDB则基于AWS Aurora的存储层架构，采用共享存储模型。所有实例共享同一份数据副本，通过计算节点与存储节点的分离实现高可用。这种设计使得DocumentDB在故障恢复时无需重建数据，仅需重新绑定计算节点即可。

1.2 存储引擎对比

MongoDB默认使用WiredTiger存储引擎，支持文档级并发控制（Document-Level Concurrency）和压缩算法（snappy/zlib）。在4.0版本后引入的Transaction API支持多文档ACID事务，例如：

session.startTransaction();
try {
  db.orders.insertOne({customer: "A123", amount: 100});
  db.inventory.updateOne({sku: "ITEM-001"}, {$inc: {stock: -1}});
  session.commitTransaction();
} catch (error) {
  session.abortTransaction();
}

DocumentDB兼容MongoDB 3.6/4.0协议，但底层使用Aurora存储引擎。其优势在于自动存储优化和连续备份功能，支持点时间恢复（PITR）。然而，DocumentDB不支持MongoDB的存储引擎定制（如改用In-Memory引擎）。

二、性能与扩展性对比

2.1 基准测试数据

根据AWS官方测试，在100GB数据集下，DocumentDB的读取延迟比MongoDB低40%（P99延迟），写入吞吐量高25%。这得益于Aurora存储层的并行读取能力。但在复杂聚合查询场景下，MongoDB的索引优化（如多键索引、通配符索引）表现更优。

2.2 扩展性机制

MongoDB的水平扩展通过分片实现，支持范围分片、哈希分片和标签分片。例如，按用户ID哈希分片的配置如下：

sh.addShard("rs0/host1:27017,host2:27017");
sh.enableSharding("usersdb");
sh.shardCollection("usersdb.users", {userId: "hashed"});

DocumentDB的扩展依赖AWS的计算实例类型（如db.r5.large到db.r5.24xlarge），通过增加只读副本实现读扩展。但写扩展受限于单主架构，无法像MongoDB那样通过分片分散写入压力。

三、功能特性对比

3.1 事务支持

MongoDB 4.0+支持跨分片多文档事务，事务持续时间限制为60秒。DocumentDB虽兼容MongoDB事务API，但实际限制更严格（事务大小不超过16MB，持续时间不超过5秒）。

3.2 变更流（Change Streams）

两者均支持变更流功能，但实现方式不同。MongoDB的变更流基于oplog，可捕获所有数据变更：

const collection = db.collection('orders');
const changeStream = collection.watch();
changeStream.on('change', (change) => {
  console.log(change);
});

DocumentDB的变更流通过AWS EventBridge集成，支持将变更事件推送至Lambda函数或Kinesis流，更适合云原生架构。

3.3 安全性

MongoDB提供TLS加密、SCRAM-SHA-256认证和基于角色的访问控制（RBAC）。DocumentDB在此基础上增加了AWS KMS加密和VPC私有链接支持，但缺少MongoDB的审计日志字段级加密功能。

四、成本与运维对比

4.1 定价模型

MongoDB Atlas按小时计费，以M10实例（2GB内存，10GB存储）为例，每月费用约$57。DocumentDB的db.r5.large实例（2vCPU，16GB内存）每月费用约$0.34/小时，折合$248/月，但包含免费存储配额（100GB）。

4.2 运维复杂度

MongoDB需自行管理分片平衡、备份策略和故障转移。DocumentDB通过AWS托管服务简化了这些操作，支持自动备份保留策略（1-35天）和跨区域复制。

五、生态与集成对比

5.1 驱动与工具支持

两者均兼容MongoDB官方驱动（如Node.js、Python、Java）。但DocumentDB不支持MongoDB的BI连接器或Atlas特有的功能（如Charts、Search）。

5.2 云服务集成

DocumentDB天然集成AWS生态，可与Lambda、S3、Glue等无缝协作。MongoDB Atlas支持多云部署（AWS/GCP/Azure），并提供Terraform模块实现基础设施即代码。

六、适用场景建议

6.1 选择MongoDB的场景

• 需要复杂分片策略或跨区域部署
• 依赖特定存储引擎（如In-Memory）
• 计划使用Atlas特有的功能（如Serverless实例、Global Clusters）
• 预算有限且数据量在1TB以下

6.2 选择DocumentDB的场景

• 已深度使用AWS生态
• 需要极低延迟的读取性能
• 希望减少数据库运维工作量
• 数据量超过10TB且写入模式相对简单

七、迁移与兼容性

7.1 迁移路径

从MongoDB迁移至DocumentDB可使用AWS Database Migration Service（DMS），但需注意以下限制：

• 不支持MongoDB 5.0+的新特性（如时序集合）
• 某些聚合操作符（如$function）不兼容
• 存储过程需重写为Lambda函数

7.2 兼容性测试

建议使用MongoDB Compatibility Toolkit进行应用层测试，重点验证：

• 事务边界条件
• 变更流消费逻辑
• 索引使用情况（如复合索引、部分索引）

结论

Amazon DocumentDB在云原生集成、运维自动化和读取性能方面表现突出，适合AWS重度用户；MongoDB则在灵活性、功能完整性和多云支持上占据优势，更适合复杂业务场景。实际选型时，建议结合团队技术栈、数据规模和长期成本进行综合评估。对于初创企业，MongoDB Atlas的免费层（512MB存储）是快速验证业务的理想选择；而对于大型企业，DocumentDB与AWS服务的深度集成可显著降低总拥有成本（TCO）。