本文更新于2021-12-11，使用mongoDB 4.4.5。

目录

• 范式化与反范式化
• 优化数据操作
• 一致性管理
• 模式迁移

范式化与反范式化

范式化（nORMalization）将数据分散到多个集合，不同集合之间相互引用数据。反范式化（denormalization）将每个文档所需数据都嵌入文档内部。

一个集合中包含的对其他集合的引用数量叫基数（cardinality）。常见的关系有一对一、一对多、多对多。

内嵌数据与引用数据的比较：

更适合内嵌	更适合引用
数据较小	数据较大
数据不会定期改变	数据经常改变
最终数据一致即可	中间阶段的数据必须一致
文档数据小幅增加	文档数据大幅增加
数据通常需要执行二次查询才能获得	数据通常不包含在结果中
快速读取	快速写入
基数较少	基数较多

也可以混合使用内嵌数据和引用数据：创建一个内嵌文档用于保存常用信息，需要查询更详细信息时通过引用找到实际的文档。

优化数据操作

更新数据时，需要明确是否会导致文档体积增长，以及增长程度。如果文档中有字段需要增长，应尽可能将这个字段放在文档最后的位置。

有三种常见的方式用于删除旧数据：使用固定集合，使用TTL集合，使用多个集合并定期删除集合。

一致性管理

服务器为每个数据库连接维护一个请求队列，一个连接拥有一个一致的数据库视图，总时可以读取到这个连接最新写入的数据。

模式迁移

随着需求的变化，数据库模式可能需要相应地改变，不管使用以下哪种方法，都要小心保存应用程序使用过的每一个模式：

• 确保应用程序能支持所有旧版的模式。这种方式可能导致混乱，尤其是不同版本的模式之间有冲突时。
• 在每个文档中包含一个类似“version”的字段，使用这个字段来决定应用程序接受的文档结构。这仍然需要支持各种旧版本。
• 当模式发生变化时将数据进行迁移。通常来说这不是个好主意：MonGoDB允许使用动态模式，以避免执行迁移，因为迁移会对系统造成很大的压力。

原文地址：https://www.cnblogs.com/garvenc/arcHive/2022/02/23/mongodb_learning_application_design.html