🔍 扩展性:

• 成本更低
• 通过分片实现水平扩展的灵活性
• 将数据分布在多台服务器上
• 当数据库容量超出时,可进行分片并分散到两台服务器

🔍 BSON:

• JSON(JavaScript对象表示法)文档的二进制表示
• 数据类型:Double, String, Object, Array, Binary Data, ObjectId, Boolean, Date, Null, Regular Expression, JavaScript, 32-bit Integer, Timestamp, 64-bit Integer, Decimal128, Min Key, Max Key

🗄️ 文档:

• 被分组存储在集合中
• 16兆字节大小限制
• 相关的集合会被分组存储在一个数据库中

🔑 _id:

• 每个集合中的文档都有唯一的_id
• 不可变
• 可以是任何类型(不能是数组)

🤯 挑战:

• 应该一起访问的数据应该被存储在一起
• 存储成本很小,开发人员成本很高
• 不要为存储优化,而要为开发人员的生产力和查询优化而优化
• 实现业务逻辑
• 优化数据模型以提高开发人员的生产力和查询优化

🔍 验证选项:

• 可以选择在违反验证规则时抛出错误或警告

🤟 拥抱文档多样性:

• 同一集合中的文档并不需要具有相同的字段

🤖 多态模式:

• 集合中的文档类似但不完全相同
• 根据查询需求将文档分组
• 示例:

{
    "type": "singles",
    "titles": 167
}
{
    "type": "doubles",
    "titles": 177,
    "tournaments": 233
}

🤯 异常值模式:

• 解决异常值用例(文档中包含数百万个嵌入数据)
• 添加has_extras字段
• 创建一个新文档来存储其他嵌入数据
• 示例:

{
    "author": "Ken W. Alger",
    "customers_purchased": ["user00", "user01"]
}
{
   "author": "J.K. Rowling",
   "customers_purchased": ["user00", ..., "user999"],
   "has_extras": "true"
}

🤯 Reference:

https://www.mongodb.com/developer/products/mongodb/polymorphic-pattern/
Building with Patterns: The Polymorphic Pattern

https://www.mongodb.com/blog/post/building-with-patterns-the-outlier-pattern
Building With Patterns: The Outlier Pattern

Editor

Danny Chan, specialty of FSI and Serverless

Kenny Chan, specialty of FSI and Machine Learning