Mongo架构设计

原文：http://www.mongodb.org/display/DOCS/Schema+Design
架构设计

• 介绍
• 比较嵌入和引用
• 用例
• 选择索引
• 多少集合？

介绍

相对于设计一个关系型架构，使用Mongo不需做“规范化”，因为没有服务器边的“joins”。一般来说，希望每一个顶级对像对应一个数据库集合。
不必每个类一个集合，代之以嵌入对像。例如，在下面的图中，有两个集合，students和courses。

Student文档嵌入address文档和其中有courses引用的score文档。
对比关系型架构，几乎总是放置scores到一个单独表，并且此表有一个外键关联到students表。

比较嵌入和引用

在Mongo 架构设计里的关键问题是“这个对像是否值得作为一个集合，更确切地说，它应该嵌入到其它集合吗？”在关系型数据库中，每一个重要的子项通常作为一个单独的表（除非出于性能考虑）。在Mongo中，这是不推荐使用的--嵌入对像是更有效率的。然后同位数据在磁盘上，客户机--服务器周转到数据库被淘汰。因此，通常的疑问是，“为什么不想嵌入这个对像？”
为什么引用是慢的？考虑students的例子。如果有一个student对像，并执行：
print( student.address.city )；
这个操作将无疑是快的，因为address是一个嵌入对像并且一直在内存中，如果student在内存中。然而，对于：
print( student.scores[0].for_course.name )；
如果这是首次访问scores[0]，shell或你的驱动必须执行查询
/ /伪代码的驱动程序或框架，而不是用户代码
student.scores[0].for_course = db.courses.findOne({_id:_course_id_to_find_});
因此，每个引用遍历一次数据库的查询。通常的考虑是在这个集合上建一个_id索引。如此，该查询将是很快的。然而，即使全部数据都在内存中，也存在隐式的从应用服务器到数据库服务器的数据通信。在一般情况下，期望一个在内存缓存中的查询时间为1毫秒。因此，如果我们遍历1000名学生，通过引用查找每个学生将非常缓慢 - 执行时间超过1秒，即使从缓存中。然而，如果我们只需要查找单个项目，时间为1ms的秩序，为网页完全加载可以接受的。（注意，如果已经在数据库缓存中，取出1000名学生可能实际花销远低于1秒，因为结果集从数据库成批返回。）

关于何时嵌入和何时引用的一般规则：

• 处于顶级的“首类”对像一般有自己的集合。
• 用于明细的条目对像一般使用嵌入。
• 对像跟对像建模为“包含”关系通常将被嵌入。
• 多对多关系通常使用引用。
• 只有少数集合可能单独固定存在，因为整个集合很快被缓存到应用服务器内存。
• 在集合里，与“顶级”对像相比嵌入对像是无法引用，因为不能有一个DBRef对于一个嵌入对像（至少没有）。
• 在系统层次展现嵌入对象是困难的。
• 例如，如果Scores不是嵌入的，查询全部students的前100个scores。
• 如果嵌入大量数据（许多兆字节），就会达到单个对像的大小限制。
• 如果考虑性能则嵌入。

用例

现在考虑几个用例。
Customer / Order / Order Line-Item
Orders将是一个集合。Customers也是一个集合。Line-items 将是一个line-items数组被嵌入到order对像。
博客系统。
Posts将是一个集合。在Post里作者可以是一个单独的集合或是一个简单的字段，如同只是一个email地址。为了性能，在post内comments对像将是嵌入的。

选择索引

架构设计的第二个方面是选择索引。一般来说，在关系数据库中怎么选，在Mongo中同样怎么选。

• _id字段自动被索引。
• 用于关键字查找的字段应设为索引。
• 通常排序字段应设为索引。

MongoDB压测器（profiler）提供详细的信息，给出已添加的那个索引是错误的。
注意，加入索引会使写入集合变慢，但是读除外。大多数索引用于读写比率高的集合(假设不介意耗费存储空间)。对使用索引的集合做写操作比做读操的开销要多。

多少集合？

Mongo集合是多态的，它可以放入任何对像！对像数据库采取这种方式。因为性能的原因，我们不推荐这种方式。在Mongo集合中，数据趋向顺序的存储在磁盘上。因此，集合的表扫描是会发生的效率问题。集合的高吞吐批处理是非常重要的。