MongoDB入门实战教程

Posted 2021-06-25 Edison Zhou

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了MongoDB入门实战教程相关的知识，希望对你有一定的参考价值。

前面我们学习了模型设计中的内嵌模式与引用模式的使用，本篇我们来看看在模型设计中如何套用常见的设计模式来降低设计难度，提高查询效率。

1 MongoDB也有设计模式？

在使用C#/Java等开发语言的时候，我们通常会学习面向对象和设计模式来提高设计水平，使得开发的应用程序具有较高的可扩展性和可读性。

在MongoDB的模型设计中，我们都了解到文档模型是一个无范式和无思维定式的模型，那么，有没有一些设计的套路可以像23种设计模式一样我们可以快速套用呢？

答案是：有的。

基于前人的学习和经验，我们可以适时套用，从而优化我们的文档模型设计。

一个好的设计模式可以显著地：

（1）提升数据读写的效率；

（2）降低资源的需求；

2 组织结构类模式

预聚合

适用场景：

（1）热销榜：某个商品今天卖了多少，这个星期又卖了多少？...

（2）电影排行：观影者、场次统计...

（3）传统解决方案：通过聚合计算...

痛点总结：

消耗资源多，聚合（统计）时间较长。

解决方案：

一句话概括：使用预聚合字段！

即在模型中直接增加统计字段，每次更新数据时同事更新统计值。这是一种典型的以空间换时间的设计，特别适合需要较长聚合（统计）操作的场景。

示例模型：

{
  product: "Bike",
  sku: "abc123456",
  quantitiy: 20394,
  daily_sales: 40,
  weekly_sales: 302,
  monthly_sales: 1419
}

db.inventory.update({ _id : 123 },{ $inc: 
    {
      quantity: -1,
      daily_sales: 1,
      weekly_sales: 1，
      monthly_sales: 1，
    }
})

分桶

适用场景：

物联网场景下的海量监控数据、时序数据

比如：智慧城市、智慧交通场景下的监控数据

痛点总结：

数据点采集频繁，数据量太多，索引也很大！

解决方案：

一句话概括：分桶！

即 利用文档内嵌数组，将一个时间段的数据聚合到一个文档里。

示例模型：

// 分桶前：每分钟一条
{
  "_id" : "20160101050000:CA2790",
  "icao" : "CA2790",
  "callsign" : "CA2790",
  "ts" : ISODate("2016-01-01T05:00:00.000+0000"),
  "events" : {
    "a" : 31418,
    "b" : 173,
    "p" : [115, -134],
    "s" : 91,
    "v" : 80
  }
}

// 分桶后：一小时一条
{
  "_id" : "20160101050000:WG9943",
  "icao" : "WG9943",
  "ts" : ISODate("2016-01-01T05:00:00.000+0000"),
  "events" : [
    {
      "a" : 24293, "b" : 319, "p" : [41, 70], "s" : 56,
      "t" : ISODate("2016-01-01T05:00:00.000+0000“)
    },
    {
      "a" : 33663, "b" : 134, "p" : [-38, -30], "s" : 385,
      "t" : ISODate("2016-01-01T05:00:01.000+0000“)
    },
    ...
  ]
}

3 表现形式类模式

列转行

适用场景：

（1）产品（如sku）有很多属性，如 color、size、dimensions等

（2）多语言（多国家）属性等

痛点总结：

文档中有很多类似的字段，且会用于组合查询，需要建立很多的索引。

解决方案：

一句话概括：列转行！

即将列转化为数组，一个索引解决所有查询问题。

示例模型：

{
  title: "Dunkirk",
  ...
  release_USA: "2017/07/23", // 需要建立索引
  release_UK: "2017/08/01", // 需要建立索引
  release_France: "2017/08/01", // 需要建立索引
  release_Festival_San_Jose: "2017/07/22" // 需要建立索引
}

// 列转行后
{
  title: "Dunkirk",
  ...
  releases: [
    { country: "USA", date:"2017/07/23"},
    { country: "UK", date:"2017/08/01"}
  ]
}

// 只需要建两个索引即可
db.movies.createIndex({“releases.country”:1, “releases.date”:1})

文档版本

适用场景：

任何有版本衍变的数据库

痛点总结：

文档模型格式多，无法知道其合理性；

升级的时候需要更新太多的文档；

解决方案：

一句话概括：增加一个版本号字段！

即快速过滤掉不需要升级的文档，升级的时候对不同版本的文档做不同的处理。

示例模型：

// 优化前：
// v1.0
{
  "_id" : ObjectId("5de26f197edd62c5d388babb"),
  "name" : "TJ",
  "company" : "Tapdata"
}

// v2.0
{
  "_id" : ObjectId("5de26f197edd62c5d388babb"),
  "name" : "TJ",
  "company" : "Tapdata",
  "wechat": "tjtang826"
}

// 优化后的v2.0
{
  "_id" : ObjectId("5de26f197edd62c5d388babb"),
  "name" : "TJ",
  "company" : "Tapdata",
  "wechat": "tjtang826"，
  "schema_version": "2.0"
}