MongoDB 模式设计详解

注意事项

模式设计，即在文档中表示数据的方式，对于数据表示来说时非常关键的。

为 MongoDB 做模式设计时，在性能、可伸缩性和简单性方面是重中之重，也需要考虑一些特别的注意事项。

限制条件

与常见的 SQL 相比而言，MongoDB 有自己的限制条件：

• 文档最大限制为 16M 大小
• 从磁盘读写完整文档
• 更新会重写整个文档
• 在文档级别进行原子更新

访问模式

设计模式时最需要关注的就是数据库的读操作，在数据库运行过程中，应尽量减少查询的数量，这就需要在设计时确保一起查询的数据存储在同一个文档中。

其实，就是考虑是否是否可以将动态（读/写）数据和静态（主要是读）数据分离开，如未经常使用的数据应该移到不同的集合中。

在进行模式设计时，提高最常见查询的优先级会获得最佳的性能。

关系类型

数据之间的关系影响着文档之间应该是内嵌还是引用。

比如说，需要弄清楚如何在不执行其他查询的情况下引用文档，以及当关系发生变化时需要更新多少文档。

关系基数对于文档之间的关系非常重要，如一对一、一对多、多对多、一对百万、多对百万等等关系基础，影响的程度差距非常大，应选取最佳格式去做建模。

在关系基数的基础上，还需关注访问的情况、重要数据更新与读取的比例，这些充分考虑之后，将有助于确定应采用内嵌文档还是引用文档。

范式化和反范式化

基本概念

通常来说，多文档之间的关系可以使用反范式化（内嵌）或范式化（引用）。

范式化是指在文档中引用外部数据的标识，同一份数据只存在一个地方。

在查询时，查询完整的数据需要做 JOIN 的操作，需要查询多次才可能获取到所需内容；但是在更改时仅需修改一处地方，不需要担心破坏数据的完整性。

反范式化是指将外部数据复制一份存储在文档中，也就是说同一份数据存在多处地方。

在查询时，只需查询一次即可得到所需内容，查询效率比较可观；而在更改时，需要更新多处地方，可能会出现数据不一致的情况，不能保证完整性。

范式化选择

决定何时采用范式化以及何时采用反范式化是比较困难的：通常，范式化的写入速度更快，而反范式化的读取速度更快。

通过判断以下因素可决策选择使用范式化还是反范式化：

更适合范式化	更适合反范式化
较大子文档	较小子文档
数据经常变更	数据不经常变更
数据要强一致	数据最终一致即可
文档数据大幅增加	文档数据小幅增加
数据通常不包含在结果中	数据通常需要执行二次查询才能获得
快速写入	快速读取

模型设计小技巧

指导原则

通常来说，具有类似模式的文档应该保存在同一个集合中。

对于集合来说，需要考虑的一个大问题是锁机制（每个文档都有一个读/写锁）和存储。

当使用 --directoryperdb 选项时，每个数据库都可以保留在自己的目录中，这允许你将不同的数据库挂载到不同的卷中。

同一个应用程序连接的数据库可以根据业务进行划分，也许可以将高价值的业务数据存储在 SSD 上，或者是使用 RAID10 进行存储，而低价值的数据可以存储在 RAID0 上。

删除旧数据

有些数据只在短时间内比较重要，过了这段时间，保存这些数据只是再浪费存储空间。

删除旧数据有 3 种常见的方式：使用固定集合、使用 TTL 索引、使用多个集合。

最简单的方式是使用固定集合：将集合大小设置成一个较大的值，并让旧数据从固定集合的末尾被“删除”。

第二种方式是使用 TTL 集合：TTL 集合可以更精确地控制删除文档的时间，但其在写入量过大的集合中操作速度不够快。

最后一种方式是使用多个集合：例如每个月的文档都单独使用一个集合。

一致性管理

MongoDB 支持多种一致性级别，从总是能够读取自己所写的数据到读取不确定的旧数据。

其内部实现是服务器端为每一个数据库连接都维护了请求队列，同一个连接发来的请求都会被添加到队列的末尾，连接中的任何后续请求都将依次得到处理。

这个管理方式涉及到多个客户端连接会出现并发问题，在一个连接中插入文档后，在另一个连接的后续查询却不一定会返回这个文档（实际上已经插入成功）。

同样的一致性问题在 MongoDB 拥有副本集时也会出现，副本节点的数据与主节点的数据总是会有时间差，高并发的请求同样存在读取到旧数据的风险。

MongoDB 提供了 readConcern 选项来控制被读取数据的一致性和隔离性。它通常与 writerConcern 组合使用，以控制为应用程序提供的一致性和可用性保证：

如果 readConcern=local，从当前实例查询并返回结果，不能保证数据已经写入大多数副本集成员。默认在主库读，如果本次读取使用了 causally consistent 则在从库读。

如果 readConcern=available，从当前实例查询并返回结果，不能保证数据已经写入大多数副本集成员。默认在从库读，并且此选项与 causally consistent 不能同时使用。

如果 readConcern=majority，查询结果返回被副本集的大多数成员确认的数据，读操作返回的文档是持久化的。前提是 MongoDB 必须是 WiredTiger 存储引擎。

如果 readConcern=linearizable，查询可能会等待并发执行的写操作传播到大多数副本集成员，然后再返回结果。

如果 readConcern=snapshot，这是适用于多文档事务中的操作，通常情况下使用较少。

模式迁移

随着应用程序的增长和需求的变化，数据库模式也可能需要随之增长和改变。理想情况下，如果可以的话，应该考虑使用文档版本控制模式。

最简单的方式是根据应用程序的需要改进数据库模式，以确保应用程序支持所有的旧版模式。但是这种方式可能会导致混乱，特别是当不同版本的模式存在冲突时。

为了以一种更结构化的方式处理不断变化的需求，可以在每个文档中包含一个 version 字段，并使用它来确定应用程序将接受的文档结构。

最后一种方式是在模式变更时迁移所有数据。但这通常不是一个好主意：会给系统带来压力，还必须确保所有文档都被更新成功。

模式管理

MongoDB 3.2 引入了模式验证，其可以在更新和插入操作期间对数据进行验证。

MongoDB 3.6 又通过 $jsonSchema 运算符添加了 JSON 模式验证，现在这是 MongoDB 中所有模式验证的推荐方法。

只有当文档被更改时，验证功能才会检查这些文档，并且此功能是每个集合都需要单独配置的。

要向现有集合添加验证功能，可以在 collMod 命令中使用 validator 选项。在使用 db.createCollection() 时，可以通过指定 validator 选项将验证添加到新集合中。

MongoDB 还提供了两个额外的选项：

• validationLevel: 决定了在更新过程中验证规则对现有文档检查的严格程度
• validationAction: 决定了是应该在发生错误时拒绝请求，还是允许请求并发出警告

当然，更详细的相关内容可以查看 官方文档。

编写代码来处理数据完整性问题

为保证 MongoDB 数据的完整性，有可能需要在应用程序中增加必要的逻辑代码进行处理，也需要增加定时任务来保持数据的一致性。

有可能需要有以下的任务：

• 一致性修复程序：检查计算和重复数据以确保每个人都具有一致的值
• 预填充器：创建将来需要的文档
• 聚合：保持内联聚合为最新
• 架构检查器：确保当前使用的文档集都具有一组字段，可以自动更正它们
• 定时备份：定期锁定和转储数据库