MongoDB i Przemyślenia Podstawowe za Tarczą Modelu Dokumentowego

Z dokumentu zamiast wierszy i połączeń

Relacyjna baza danych przechowuje zamówienie klienta jako kilka powiązanych wierszy na wielu tabelach — zamówienie samego siebie, pozycje zamawianych towarów w podtabeli, klienta w jeszcze jednej tabeli — połączone poprzez klucze obce. Reassemblowanie pełnego obrazu wymaga wykonania połączeń przy czasie zapytania. MongoDB zamiast tego przechowuje to samo zamówienie jako pojedynczy dokument BSON: pola dotyczące zamówienia, wcielone tablicy pozycji zamawianych towarów oraz często nieznormalizowany obraz relevantnych danych klienta, wszystko w jednym rejestrowym elemencie. Czytanie

Elastyczność schematu: cecha i pułap

MongoDB domyślnie nie wymusza schematu — dwa dokumenty w tej samej kolekcji mogą mieć całkowicie różne pola, a dodanie nowego pola do nowych dokumentów wymaga nieco migracji ani `ALTER TABLE`, ani harmonogramowanego czasu nedowntu. Ta elastyczność naprawdę przyspiesza początkowy etap rozwijania aplikacji, szczególnie dla tych, które nadal ulegają zmianom w strukturze danych, ponieważ programiści mogą iterować nad modeliem danych z taką samą prędkością, jak i kod aplikacji, bez konieczności interwencji DBA przy każdym dodaniu pola.

Pułap pojawia się tylko gdy aplikacja dojrza — brak wymuszonego schematu sprawia, że pytanie 'jaki exactly ma użytkownik dokument pola' można odpowiadać tylko przez przeszukanie rzeczywistych danych, ponieważ różne dokumenty, napisane w różnych wersjach kodu aplikacji po latach, mogą mieć nieco różne kształty — pole, które dawniej było napisem i teraz czasami jest obiektem, pole, które zostało zmienione na wersji 2 aplikacji, ale nigdy nie uzupełnione było w starszych dokumentach. Przeprowadzenia MongoDB prawie zawsze kończą się dodaniem schematu powrotnego, lub poprzez biblioteki walidacyjne na poziomie aplikacji, lub opcjonalne reguły walidacji JSON Schema w samym MongoDB, podobnie jak daje relacyjny schemat dyscyplinę za darmo, ale zdecydowanie i łatwo można je pominąć pod naciskiem terminu.

Podział na kawałki: poziomy skalowanie poprzez klucz podziału

MongoDB skaliuje zapisy poprzez podział: wybierając klucz podziału z poleg dokumentów i używając go do rozprowadzenia dokumentów między grupę oddzielnych maszyn nazywaną kawałkami, koordynowanymi przez procesy routingu zapytań nazywane mongos. Wybór klucza podziału jest jednym najważniejszym decyzją w konfiguracji podzielonego MongoDB, ponieważ determinuje zarówno rozprowadzenie zapisów, jak i efektywność routingu zapytań dla całości istnienia kolekcji — zmiana go później wymaga ponownego podziału całej kolekcji.

Klucz podziału o niskiej wielkości karty lub wartości rosnącej monotonicznie — czas, lub ID automatycznie inkrementujące — tworzy ciepły kawałek: ponieważ nowe zapisy z najwyższą obecną wartością klucza ciągle spadkują na ten sam kawałek, który atinguje teraz to zakres, jeden kawałek absorbuje całą obciążenie zapisów, podczas gdy sąsiednie kawałki pozostają niekorzystne, dokładnie taka sama nierówność widziana w podziałach Sparka. Dobrze wybrany klucz podziału, tak jak haszowany ID użytkownika, rozprowadza oba magazyn i obciążenie zapisów prawie równomiernie po wszystkich kawałkach, co kosztuje się tym, że zapytania w zakresie (np. 'wszystkie zamówienia w styczniu') stały się mniej efektywne, ponieważ zakres dat teraz mapuje na prawie losowe kawałki zamiast kontynuacyjnej części na jednym kawałku. To jest autentyczny kompromis bez ogólnie poprawnego rozwiązania — zależy to całkowicie od tego, czy dominująca szablon zapytań aplikacji to wyszukiwania punktowe lub zapytania w zakresie.

Gdzie zostaje pozbawiony relacyjnej integryjności, a co wypełnia tę brakującą część

Bazy danych relacyjne gwarantują integryjność relacjonalną — zasada obcego klucza fizycznie uniemożliwia wprowadzanie zamówienia dla ID klienta, którego nie ma, oraz usuwanie klienta, który nadal ma zamówienia, bez konieczności sprawdzania tego przez kod aplikacji. MongoDB nie posiada natywnego odpowiednika; nic nie zapobiega błędom w aplikacji, które mogą wpisać dokument zamówień odniesionych do klienta usuniętego wiele lat temu, a sam baza danych nigdy nie zauważa ani nie zgadza się na to. Istnieją współdokumentowe transakcje ACID w najnowszych wersjach MongoDB, które pozwalają aktualizować kilka dokumentów atomicznie, ale regularne używanie ich do gwarantowania rodzaju integryjności, dla której relacyjny obcy klucz jest gotowy, zazwyczaj zanosi na erodowanie większości zalet wydajnościowych modelu dokumentowego, dla którego ten wybór został dokonany w pierwszej kolejności.

Praktyczne konsekwencje polegają na przesunięciu odpowiedzialności za integryjność danych z warstwy bazy danych do kodu aplikacji i dyscypliny organizacyjnej — logikie walidacji, starannie zaplanowanych skryptów migracji oraz zgodnych konwencji wymuszane przez całą ekipę, zamiast ograniczeń, które sam baza danych nie przekracza. Jest to prawdziwy i uzasadniony kompromis dla aplikacji o małym, dobrze zrozumiałych wzorcach dostępu oraz dyscyplinowanych w modelu danych ekipach, a jednocześnie prawdziwa ryzykowna opcja dla aplikacji o wielu niezależnych pisarzach, skomplikowanych relacjach między entiami lub często zmieniających się ekipach — co dokładnie jest powodem, dla którego większość dużych platform kończy się zMongoDBem i bazą danych relacyjną, a nie jako całkowite zastąpienie jednej drugą.

Często zadawane pytania

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz MongoDB Document Model Explorer i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.