MongoDB Schema Design - 许多小文档还是更少的大文档？答案

【问题标题】：MongoDB Schema Design - Many small documents or fewer large documents?MongoDB Schema Design - 许多小文档还是更少的大文档？
【发布时间】：2011-03-03 14:16:33
【问题描述】：

背景
我正在对从我们的 RDBMS 数据库到 MongoDB 的转换进行原型设计。在进行非规范化时，似乎我有两种选择，一种会导致许多（数百万）个小文档，另一种会导致更少（数十万）个大文档。

如果我可以将其提炼成一个简单的类比，这将是具有较少客户文档的集合之间的区别（在 Java 中）：

类客户{ 私有字符串名称；私人地址地址； // 每个 CreditCard 都有数百个 Payment 实例私人 Set 信用卡； }

或者一个包含很多很多这样的付款文档的集合：

类付款{ 私人客户客户；私人信用卡信用卡；私人日期 payDate; 私人浮动支付金额； }

问题
MongoDB 的设计是偏爱很多很多小文档还是更少的大文档？答案是否主要取决于我计划运行的查询？（即客户 X 有多少张信用卡？vs 所有客户上个月支付的平均金额是多少？）

我环顾四周，但没有偶然发现任何可以帮助我回答问题的 MongoDB 架构最佳实践。

【问题讨论】：

标签： database-design schema mongodb

【解决方案1】：

您肯定需要针对正在执行的查询进行优化。

根据您的描述，这是我的最佳猜测。

您可能想知道每个客户的所有信用卡，因此请在客户对象中保留一个数组。您可能还希望每次付款都有一个客户参考。这将使支付文档相对较小。

支付对象将自动拥有自己的 ID 和索引。您可能还想在客户参考上添加一个索引。

这将允许您快速搜索客户付款，而无需每次都存储整个客户对象。

如果您想回答诸如“所有客户上个月支付的平均金额是多少”之类的问题，您将需要一个地图/减少任何大型数据集。您没有“实时”获得此响应。您会发现存储对 Customer 的“引用”对于这些 map-reduce 来说可能已经足够了。

所以直接回答你的问题：MongoDB 是设计成更喜欢许多小文档还是更少的大文档？

MongoDB 旨在非常快速地找到索引条目。 MongoDB 非常擅长大海捞针。 MongoDB 不是非常善于在大海捞针中找到大部分。因此，围绕您最常见的用例构建数据，并为罕见的用例编写 map/reduce 作业。

【讨论】：

【解决方案2】：

根据 MongoDB 自己的文档，听起来它是为许多小文档而设计的。

来自Performance Best Practices for MongoDB：

MongoDB 中文档的最大大小为 16 MB。在实践中最文档只有几千字节或更少。考虑文档更像表中的行比表本身。而不是维持单个文档中的记录列表，而不是使每个记录文件。

来自6 Rules of Thumb for MongoDB Schema Design: Part 1：

一对一建模

“一对多”的一个例子可能是一个人的地址。这是一个很好的嵌入用例——你可以把地址放在一个数组中在您的 Person 对象内部。

一对多

“一对多”的一个例子可能是一个产品的零件备件订购系统。每个产品最多可以有几个数百个替换零件，但绝不超过几千个或所以。这是一个很好的引用用例——你可以把 ObjectID 产品文档中数组中的部件。

一对Squillions

“one-to-squillions”的一个例子可能是事件记录系统收集不同机器的日志消息。任何给定的主机可以生成足够的消息来溢出 16 MB 的文档大小，即使您存储在数组中的所有内容都是 ObjectID。这是 “父引用”的经典用例——你有一个文档主机，然后将主机的 ObjectID 存储在文档中日志消息。

【讨论】：

【解决方案3】：

随着时间的推移大幅增长的文档可能是定时炸弹。网络带宽和 RAM 使用可能会成为可衡量的瓶颈，迫使您重新开始。

首先，让我们考虑两个集合：Customer 和 Payment。因此，粒度相当小：每次付款一份文件。

接下来，您必须决定如何对帐户信息（例如信用卡）进行建模。让我们考虑一下客户文档是否包含帐户信息数组，或者您是否需要一个新的帐户集合。

如果帐户文档与客户文档分开，则将一个客户的所有帐户加载到内存中需要获取多个文档。这可能会转化为额外的内存、I/O、带宽和 CPU 使用率。这是否立即意味着收集帐户是一个坏主意？

您的决定会影响付款文件。如果帐户信息嵌入在客户文档中，您将如何引用它？单独的帐户文档有自己的 _id 属性。使用嵌入的帐户信息，您的应用程序将为帐户生成新的 ID，或使用帐户的属性（例如，帐号）作为密钥。

付款文件是否可以实际包含在固定时间范围内（例如，一天）进行的所有付款。这种复杂性将影响读取和写入支付文档的所有代码。过早的优化对项目来说可能是致命的。

与帐户文档一样，只要付款文档仅包含一笔付款，就可以轻松引用付款。一种新型的单据，例如信用证，可以参考付款。但是，您会创建信用收款，还是将信用信息嵌入付款信息中？如果您以后需要参考信用会发生什么？

总而言之，我已经成功地处理了许多小文档和许多收藏。我使用 _id 并且仅使用 _id 实现引用。因此，我不必担心不断增长的文档会破坏我的应用程序。该模式易于理解和索引，因为每个实体都有自己的集合。重要实体并未隐藏在其他文档中。

我很想听听您的发现。祝你好运！

【讨论】：