跳到主要内容
锦木信息 JINMU INFO
MongoDB 博客
MongoDB · 技术文章

文档建模:
嵌入还是引用,怎么选

MongoDB 里最影响性能的决定,往往发生在写第一行查询之前:相关的数据,是放进同一篇文档,还是拆到不同集合再互相指向?这篇文章按"数据怎么被访问"来回答这个问题,并讲清最常见的陷阱:无限增长的数组。

嵌入一次读取 · 单文档原子写
{
  _id: "order-1001",
  customer: "张三",
  items: [
    { sku: "A1", qty: 2 },
    { sku: "B7", qty: 1 }
  ]
}

相关数据住在一起:读一次就拿到全部,对这篇文档的写入是原子的。

引用多次读取或 $lookup
orders: { _id: "order-1001", customer: "张三" }
   ▲
items:  { orderId: "order-1001", sku: "A1", qty: 2 }
items:  { orderId: "order-1001", sku: "B7", qty: 1 }

数据分开存放,通过 ID 关联:不会让单篇文档越长越大,但读取需要额外的查询。

示意数据,仅用于说明两种建模方式的差别

01 · 设计原则

围绕"怎么查"设计,而不是围绕"是什么"

MongoDB 的集合里,同一个集合中的文档可以有不同的字段和结构。这份灵活性意味着没有唯一"正确"的建模,只有"更适合你访问模式"的建模。官方文档把这个关键决定归结为:嵌入数据,还是使用引用。

先问

这些数据是不是一起被读的?

如果应用总是一起取这些信息,放在同一篇文档里就能一次读完。

再问

它们是不是一起被改的?

经常一起更新的数据,嵌入后可以在一次单文档写入里完成。

最后问

它会不会一直变大?

如果子数据会无限增长,嵌入迟早会出问题,这时应该考虑引用。

02 · 嵌入还是引用

官方给出的适用场景

下面两列整理自官方文档对两种模型适用场景的描述。

适合嵌入

· 保持相关数据在一起,数据模型和代码更简单
· 数据经常一起更新
· 数据需要同时归档
· 应用会一起查询这些信息

适合引用

· 关系的"子"一侧基数很高
· 嵌入的数据会无限增长
· 数据在写入密集的负载里于不同时间写入
· 子数据可以脱离父数据独立存在

关系常见倾向说明
一对一 嵌入 通常一起读取,放在一起最简单
一对少(有明确上限) 嵌入数组 例如一个用户的几个收货地址
一对多(数量大或无上限) 引用 例如一个用户的全部订单、一个商品的全部评论
多对多 引用(一侧或两侧存 ID 数组) 例如学生与课程
说明

上表是业界常见的经验性倾向,用来帮助起步,不是硬性规则。官方文档没有给出"多少条算少"的固定数字,具体取舍仍要看你的读写比例、数据增长和访问方式。

03 · 反模式:无限增长的数组

数组不设上限,迟早碰到 16MB

MongoDB 的单篇文档必须小于 16 MiB。如果数组没有上限,文档可能超过 BSON 文档大小限制,无限增长的数组还会拖累应用资源并降低索引效率。

方案一

子集模式(Subset)

只在父文档里嵌入少量条目,其余放到别处。适合需要快速访问、又不常被更新的数据。代价是数据会有重复,更新开销会变大。

方案二

文档引用(Reference)

把相关条目放进独立集合,用 ID 关联。适合管理大型或频繁更新的数据,同时不让文档膨胀。代价是多一次延迟:应用得去另一个集合查询。

❌ 把所有评论都嵌进图书文档
{
  _id: "book-1",
  title: "MongoDB 实战",
  reviews: [
    { user: "u1", text: "..." },
    { user: "u2", text: "..." },
    // ……评论越多,文档越大
  ]
}
✅ 子集模式:只留 3 条,其余放 reviews 集合
// books 集合:只内嵌最新的 3 条评论
{
  _id: "book-1",
  title: "MongoDB 实战",
  reviews: [ /* 最新 3 条 */ ]
}
// reviews 集合:存全部评论
{ bookId: "book-1", user: "u9", text: "..." }
引用方案:用 $lookup 把评论取回来
db.books.aggregate([
  { $lookup: {
      from: "reviews",
      localField: "_id",
      foreignField: "bookId",
      as: "reviewDetails"
  } }
])

// 记得给 reviews.bookId 建索引
db.reviews.createIndex({ bookId: 1 })
对照

官方的书店评论示例

官方文档用书店举例:初始方案把每条评论都嵌进图书的 reviews 数组,数组随评论增加而增长。而书店其实只需要为每本书展示三条评论,所以可以改用子集模式,或者改成引用并用 $lookup 关联。

04 · 冗余与原子性

重复数据有代价,单文档写入有红利

建模时总会面对两个相互牵制的问题:要不要冗余一份数据来省掉关联;要不要靠事务来保证多文档的一致。

原子性

单文档写入天然原子

官方文档指出,写操作在单个文档的层面上是原子的。把需要一起修改的数据放进同一篇文档,就不必额外依赖事务。

事务

可用,但有性能代价

分布式事务可以保证跨文档的原子性,但相比单文档写入有更高的性能代价。文档的建议是:事务的可用性不应该取代良好的模式设计。

冗余

不变的数据适合重复

冗余可以省掉跨集合的关联,但频繁更新的重复数据会带来沉重负载。文档指出,不可变的数据是冗余的好候选。

陈旧数据怎么办

如果重复的数据可以容忍一定的陈旧,可以用后台任务定期刷新;如果对陈旧很敏感,则需要用事务或触发器来保证同步。

05 · 体检与清单

上线之后,也要定期给模型"体检"

数据会增长,访问模式也会变。可以用下面的方式找出已经变得过大的文档。

找出最大的 5 篇文档($bsonSize)
db.books.aggregate([
  { $project: {
      size: { $bsonSize: "$$ROOT" }
  } },
  { $sort: { size: -1 } },
  { $limit: 5 }
])
看看数组有多长
db.books.aggregate([
  { $project: {
      reviewCount: { $size: { $ifNull: ["$reviews", []] } }
  } },
  { $sort: { reviewCount: -1 } },
  { $limit: 5 }
])
建模自检清单

五个问题

1. 这些数据是否总被一起读?
2. 是否总被一起改?
3. 数组有没有明确上限?
4. 重复的数据变化频繁吗?
5. 单篇文档会不会逼近 16MB?

提醒

文档越大,越吃内存

官方文档提到,较大的文档会占用更多内存(RAM),可能让读取落到磁盘上,进而影响性能。

WAP 提示

模型问题通常最先表现为慢查询:文档过大会拖慢读取,数组膨胀会让更新变慢,频繁的 $lookup 会拉长聚合耗时。借助 WAP 的诊断分析能力先找出慢查询候选,再回头审视对应集合的数据模型,是一条比较顺手的排查路径。

最后一句

好的模型,
是为你的查询量身定做的

没有放之四海而皆准的答案。先搞清数据怎么读、怎么改、会长多大,再在嵌入和引用之间做选择,并定期回头检查。

聊聊您的数据难题

告诉我们业务现状,资深技术顾问一对一给出选型与实施建议,咨询免费。