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。
{
_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。
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
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。
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。
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。
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。
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
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。
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。
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。
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。
{
_id: "book-1",
title: "MongoDB 实战",
reviews: [
{ user: "u1", text: "..." },
{ user: "u2", text: "..." },
// ……评论越多,文档越大
]
}
// 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: "..." }
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 })
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。
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。
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。
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。
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。
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。
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。
db.books.aggregate([
{ $project: {
size: { $bsonSize: "$$ROOT" }
} },
{ $sort: { size: -1 } },
{ $limit: 5 }
])
db.books.aggregate([
{ $project: {
reviewCount: { $size: { $ifNull: ["$reviews", []] } }
} },
{ $sort: { reviewCount: -1 } },
{ $limit: 5 }
])
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?
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。
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。
