MongoDB 表设计
12月12日上午，TJ在開源中國的年終盛典會上分享了文檔模型設(shè)計的進(jìn)階技巧，就讓我們來回顧一下吧: —————————————————————————————————————————————————————————-
從很久以前，我就開始接觸開源產(chǎn)品：從最開始的使用、受益者到后來的貢獻(xiàn)者，到現(xiàn)在的熱情推廣者?，F(xiàn)在，我是MongoDB的技術(shù)顧問。我的職責(zé)是為MongoDB的客戶和用戶提供MongoDB使用的一些最佳實踐，包括模式設(shè)計、性能優(yōu)化和集群部署方案等方面。
今天的話題是進(jìn)階模式，所以我假設(shè)在坐各位至少是已經(jīng)對MongoDB有了一些基本的了解。 不過每次總有一些同學(xué)以為這里有水果吃才坐進(jìn)來的，所以在這里我簡單介紹一下：MongoDB 不是芒果(mango)，它在拉丁文中的原意是巨大的意思。如果用一句話來概括的話，mongo是一個高可用、分布式、無模式的文檔數(shù)據(jù)庫。等一下，這里我故意用錯了一個詞： 不是無模式，而是“靈活模式”。 如果真的是無模式，今天我就不用站在這里了。沒有模式何來模式設(shè)計之說。在你開始用mongo做一些 prototype的時候，確實不用考慮太多的模式。MongoDB內(nèi)存數(shù)據(jù)庫的一些特性，讓你在前期不會遇到什么問題。但是一旦涉及到幾千萬幾十億的數(shù)據(jù)量，或者是數(shù)千數(shù)萬的并發(fā)量，模式設(shè)計就是個你必須提前面對的問題。
在我們談mongo的模式設(shè)計之前，我們很有必要來了解一下MongoDB的數(shù)據(jù)模型。大家都知道，無論你從哪個角度來看，MongoDB都是目前NoSQL，或者說非關(guān)系型的數(shù)據(jù)庫中的領(lǐng)頭羊。那么，mongo和傳統(tǒng)關(guān)系數(shù)據(jù)庫的最本質(zhì)的區(qū)別在那里呢？我們說是它的文檔模型。
關(guān)系模型和文檔模型的區(qū)別在哪里？
- 關(guān)系模型需要你把一個數(shù)據(jù)對象，拆分成零部件，然后存到各個相應(yīng)的表里，需要的是最后把它拼起來。舉例子來說，假設(shè)我們要做一個CRM應(yīng)用，那么要管理客戶的基本信息，包括客戶名字、地址、電話等。由于每個客戶可能有多個電話，那么按照第三范式，我們會把電話號碼用單獨(dú)的一個表來存儲，并在顯示客戶信息的時候通過關(guān)聯(lián)把需要的信息取回來。
- 而MongoDB的文檔模式，與這個模式大不相同。由于我們的存儲單位是一個文檔，可以支持?jǐn)?shù)組和嵌套文檔，所以很多時候你直接用一個這樣的文檔就可以涵蓋這個客戶相關(guān)的所有個人信息。關(guān)系型數(shù)據(jù)庫的關(guān)聯(lián)功能不一定就是它的優(yōu)勢，而是它能夠工作的必要條件。 而在MongoDB里面，利用富文檔的性質(zhì)，很多時候，關(guān)聯(lián)是個偽需求，可以通過合理建模來避免做關(guān)聯(lián)。
雖然MongoDB的模型和關(guān)系型截然不同，但是關(guān)系型數(shù)據(jù)庫的一些必不可少的功能如動態(tài)查詢、二級索引、聚合等在MongoDB中也有非常完善的支持。
這里我介紹一下文檔模型的優(yōu)點(diǎn)：
- 讀寫效率高-由于文檔模型把相關(guān)數(shù)據(jù)集中在一塊，在普通機(jī)械盤上讀數(shù)據(jù)的時候不用花太多時間去定位磁頭，因此在IO性能上有先天獨(dú)厚的優(yōu)勢；
- 可擴(kuò)展能力強(qiáng)-關(guān)系型數(shù)據(jù)庫很難做分布式的原因就是多節(jié)點(diǎn)海量數(shù)據(jù)關(guān)聯(lián)有巨大的性能問題。如果不考慮關(guān)聯(lián)，數(shù)據(jù)分區(qū)分庫，水平擴(kuò)展就比較簡單；
- 動態(tài)模式-文檔模型支持可變的數(shù)據(jù)模式，不要求每個文檔都具有完全相同的結(jié)構(gòu)。對很多異構(gòu)數(shù)據(jù)場景支持非常好；
- 模型自然-文檔模型最接近于我們熟悉的對象模型。從內(nèi)存到存儲，無需經(jīng)過ORM的雙向轉(zhuǎn)換，性能上和理解上都很自然易懂。
那么我們?nèi)绾慰紤]MongoDB 文檔模式設(shè)計的基本策略呢？
- 其實很簡單，我們一般建議的是先考慮內(nèi)嵌， 直接按照你的對象模型來設(shè)計你的數(shù)據(jù)模型。如果你的對象模型數(shù)量不多，關(guān)系不是很復(fù)雜，那么恭喜你，可能直接一種對象對應(yīng)一個集合就可以了。
- 內(nèi)嵌是文檔模型的特色，可以充分利用MongoDB的富文檔功能來享受我們剛才談到的一些文檔模型的性能和擴(kuò)展性等特性。一般的一對一、一對多關(guān)系，比如說一個人多個地址多個電話等等都可以放在一個文檔里用內(nèi)嵌來完成。
- 但是有一些時候，使用引用則難以避免。比如說， 一個明星的博客可能有幾十萬或者幾百萬的回復(fù)，這個時候如果把comments放到一個數(shù)組里，可能會超出16M的限制。這個時候你可以考慮使用引用的方式，在主表里存儲一個id值，指向另一個表中的 id 值。使用引用要注意的就是：從性能上講，一般我們可能需要兩次以上才能把需要的數(shù)據(jù)取回來。更加重要的是：需要把數(shù)據(jù)存放到兩個集合里，但是目前為止MongoDB并不支持跨表的事務(wù)性，所以對于強(qiáng)事務(wù)的應(yīng)用場景要謹(jǐn)慎使用。
很多時候我們并不能很好地回答自己的問題，包括剛才的內(nèi)嵌還是引用的問題。那么這個時候有必要了解一下，MongoDB模式設(shè)計的終極原則。MongoDB的模式設(shè)計和關(guān)系型大不相同，我們說MongoDB是為應(yīng)用程序設(shè)計的，而不是為了存儲優(yōu)化的。如果可以達(dá)到最高性能的話，我們甚至可以做一些反范式的東西。 接下來我們來看幾個比較具體的設(shè)計案例，了解一下MongoDB的模式設(shè)計思路：
我這里準(zhǔn)備了4個比較經(jīng)典的MongoDB案例，從CMS 內(nèi)容管理到電商，社交到物聯(lián)網(wǎng)。 由于時間原因我就從第二個開始。
在電商方面MongoDB的應(yīng)用場景其實蠻多，比如說，大名鼎鼎的京東用mongo來存儲過億的商品信息，另外有一家著名的境外電商從頭到尾用的都是MongoDB，包括訂單管理等。這里我們就來看一下購物車這個場景。購物車的特點(diǎn)就是單個購物車數(shù)據(jù)項不會太大，一般來說不會超過100項目。雙十一的時候淘寶的購物車?yán)镒疃嗑椭荒芊?9件商品。在這里我要謝謝我的太太，是她讓我知道了這個限制。另外一點(diǎn)就是購物車的數(shù)據(jù)可能需要過期刪除。
我們說文檔模型在這種場景會是個很好的選擇：
大家看一下下面的參考數(shù)據(jù)模型，第一點(diǎn)注意我們可以使用MongoDB的TTL 索引來自動清理過期數(shù)據(jù)。TTL索引可以建立在任意一個時間字段上，在建立索引的時候可以指定文檔在過多少時間后會被自動清理掉。第二個大家注意的是什么呢？在這里我們把商品的一些主要信息放到購物車?yán)锪?#xff0c;比如說 name,price, quantity，為什么？ 讀一次所有信息都拿到了：價格、數(shù)量等等，不需要再去查另一張表。這是一種比較常見的優(yōu)化手段，用冗余的方式來提供讀取性能。
接下來我們看一下使用這種模式的時候如何進(jìn)行一些購物車的操作。比如說，如果我們想要往購物車?yán)镌黾右粋€價值2元的面包，我們可以用下面的update語句。注意$push的用法。$push 類似于javascript的操作符，意思是往數(shù)組尾部增加一個元素。
如果需要更新購物車中某個產(chǎn)品的數(shù)量，你可以用update語句直接操作數(shù)組的某一個元素。在這里我們需要做的是更新item 4567的數(shù)量為5。 注意 items.$.quanity的使用，這里的$ 表示在查詢條件里匹配上的數(shù)組元素的序數(shù)。
如果需要統(tǒng)計一下在購物車內(nèi)某個商品的總數(shù)，可以使用MongoDB的聚合功能。聚合運(yùn)算在MongoDB里面是對數(shù)據(jù)輸入源進(jìn)行一系列的運(yùn)算。在這里我們做的就是幾個步驟是：
下面我們來看一個社交網(wǎng)絡(luò)的例子。社交app最關(guān)鍵的一些場景就是維護(hù)朋友關(guān)系以及朋友圈或微博墻等。
對于關(guān)系描述，使用文檔模型的內(nèi)嵌數(shù)組特性，我們可以很容易地把我關(guān)注的用戶（following）和關(guān)注我的用戶表示出來。下例表示TJ我的關(guān)注的用戶是mandy和bert，而oscar和mandy則在關(guān)注我。這種模式是文檔模型中最經(jīng)典的。但是有一個潛在問題就是如果TJ我是一個明星，他們關(guān)注我的人可能有千萬。一個千萬級的數(shù)組會有兩個問題：1） 有可能超出一個文檔最大16M的硬性限制； 2） MongoDB數(shù)組太大會嚴(yán)重影響性能。
怎么辦？我們可以建立一個專門的集合來描述關(guān)注關(guān)系。這里就是一個內(nèi)嵌和引用的經(jīng)典選擇。我們希望用內(nèi)嵌，但是如果數(shù)組維度太大，就需要考慮用另外一個集合的方式來表示一對多的關(guān)系（用戶 1–N 關(guān)注者）
另外一個要注意的是關(guān)注數(shù)，我們在顯示關(guān)注和粉絲數(shù)量的時候，不希望去跑一次count 查詢再顯示。因為count操作一般來說會比較占資源。通常的做法可以再用戶對象里面加兩個字段，一個是關(guān)注數(shù)一個是粉絲數(shù)。每次有人關(guān)注或者關(guān)注別人時候就更新一下。
下面我們來看看比較有趣的微博墻，或者微信朋友圈的實現(xiàn)有什么考量。
在實現(xiàn)微博墻的時候，有兩種方式可以考慮：扇出讀?或者是扇出寫。
扇出讀、扇出寫的說法是基于社交網(wǎng)絡(luò)的海量用戶、海量數(shù)據(jù)的應(yīng)用特征。這些大量的數(shù)據(jù)往往分布在各個分片服務(wù)器上。扇出讀是一種比較常規(guī)的做法，就是當(dāng)你需要去獲得所有你關(guān)注用戶的最新更新的時候，你就去到每一個你關(guān)注用戶的數(shù)據(jù)區(qū)，把最新的一些數(shù)據(jù)取回來。因為需要去到不同的分片服務(wù)器去取，所以叫做扇出讀。大家可以想象，這種扇出讀的效率不會太高，基本上是最慢的那個服務(wù)器的響應(yīng)時間決定了總體的響應(yīng)時間。 當(dāng)然，這種方式是比較簡單的，不需要特殊處理。
扇出寫，我稱之為土豪玩法。具體來說就是當(dāng)發(fā)布的時候，一條數(shù)據(jù)會寫多次，直接寫到每一個關(guān)注你的粉絲的墻上。這樣做的好處是當(dāng)你的粉絲讀他自己的微博墻的時候，他只需要去一個地方就可以把所有最新的更新連續(xù)取回來。由于一個用戶的數(shù)據(jù)可一般可以存儲在同一臺服務(wù)器上的同一個區(qū)域，通過這種方式可以實現(xiàn)快速的讀取微博墻數(shù)據(jù)。 代價當(dāng)然也是很明顯： 你的寫入需求會被放大幾十幾百倍，存儲也是相應(yīng)的擴(kuò)大幾十幾百倍。這個絕對不是關(guān)系型數(shù)據(jù)庫的玩法，但是在MongoD 模式設(shè)計，這個很正常。只要保證性能，什么事情都做得出來。
下面這個例子，首先是mandy在發(fā)消息的時候會寫（push）到我的墻上（timeline）來。如果mandy有50個關(guān)注者，那么這個寫就會有50次，每個關(guān)注者一次。
第二條語句就是我打開微博的時候，一條語句，一個地方就可以找到所有我朋友發(fā)的狀態(tài)更新。注意：這里還使用了bucket，這是另外一個控制文檔內(nèi)數(shù)組元素個數(shù)的有效方法。比如說我們定義bucket 大小是1000的話，超過1000 就把新的數(shù)據(jù)插入到下一個文檔并對bucket 序數(shù)遞增。
好了，最后我們來看一下物聯(lián)網(wǎng)的應(yīng)用場景：
各位還有多少人仍然記得MH370，去年在印度洋消失的客機(jī)？在該事故之后，許多人都在疑惑：在當(dāng)今的技術(shù)水平下，為什么我們不能跟蹤如此龐大的一個東西？
讓我們來看看如果要監(jiān)控飛機(jī)數(shù)據(jù)有什么樣的挑戰(zhàn)。飛機(jī)上面的數(shù)據(jù)源眾多，光收集位置信息，就需要多個系統(tǒng)協(xié)作完成， 如ADS-C， EUROCONTROL等等。此外，收集的數(shù)據(jù)也是各種各樣：位置是2D、速度是數(shù)值、引擎參數(shù)則是多維度的。
另一個挑戰(zhàn)就是海量數(shù)據(jù)。一個三小時的航班，每分鐘采集一次，少說點(diǎn)，每次100條數(shù)據(jù)，那就是每秒1萬8千個數(shù)據(jù)點(diǎn)。按每天100，000航班，一天的數(shù)據(jù)算下來有18億條，1.8TB 左右的數(shù)據(jù)， 21,000 的QPS。 從哪個角度來看，這都是個經(jīng)典的大數(shù)據(jù)問題。
這個問題在關(guān)系型數(shù)據(jù)庫解決的話，比較幼稚的方法就是設(shè)計一個超寬的表。所有需要采集的每一個值就是一個列。這種設(shè)計的問題比較明顯：
另一種改良方案是用EAV 設(shè)計模式。就是采用一個主表和一個屬性值表。在屬性值表里存放所有的參數(shù)鍵值對。這樣做的好處自然是靈活性：增加新的參數(shù)時無需修改模式。但是問題同樣存在：用來存儲值的那列METRIC_VALUE的字節(jié)大小必須定義成所有值的最大值 才可以放下所有的參數(shù)值。這個可能帶來空間浪費(fèi)，但是更嚴(yán)重的問題是：將不太可能在此字段上建索引，進(jìn)而影響一些場景的使用。
下面我們來看看文檔模型怎么做： 這里對于location 、speed 等不同數(shù)據(jù)類型的字段，在文檔模型下可以直接支持。下面的兩個文檔，第一個文檔和第二個文檔可以同屬一個集合，但是可以有完全不同的字段。 MongoDB對異構(gòu)數(shù)據(jù)的支持在這樣的場景下有得天獨(dú)厚的優(yōu)勢。如果我們希望對某一個metric如location建立索引，我們也可以使用mongoDB的稀疏索引 (Sparse Index)僅對有l(wèi)ocation字段的文檔建索引，在不造成索引空間浪費(fèi)的前提下提高檢索效率。當(dāng)需要增加新的字段的時候，也不需要對模式做任何修改，可以直接就在應(yīng)用中的JSON模型里添加需要的字段（elevation)。
在IOT這個場景里，我們可以使用一個叫做分桶的設(shè)計方式來進(jìn)行幾十倍的性能增長。具體來說就是把采集的數(shù)據(jù)按小時為一個桶，把每小時的數(shù)據(jù)聚合到一個文檔里。如下面所示，每分鐘的值用子文檔的一個字段來表示。這樣做的好處就是大量減少文檔的數(shù)量，相應(yīng)的索引數(shù)量也會減少，總體寫入IO將會大幅度降低并得到性能提升。
?
使用這種方式我們還可以把一些統(tǒng)計需要的數(shù)值，如每小時的平均值預(yù)先就作為一個字段存進(jìn)去，需要的時候不用現(xiàn)場計算，只要從文檔里讀出來即可。
小結(jié)一下，冗余、扇出寫、分桶，這些都是mongodb 的一些常用優(yōu)化手段。 大家可以看到，通過減少額外查詢或者關(guān)聯(lián)的需求，通過使用冗余、額外存儲的非常規(guī)方式，我們希望做到的是性能上的最高提升。
MongoDB 中國團(tuán)隊正在擴(kuò)張中。希望和一流的、創(chuàng)新的數(shù)據(jù)庫團(tuán)隊一起工作嗎？加入我們吧，我們在尋找有開發(fā)架構(gòu)或者數(shù)據(jù)庫相關(guān)經(jīng)驗的大牛們加入我們的技術(shù)顧問陣營。有興趣？加微信 tjtang826 私聊吧！
總結(jié)
以上是生活随笔為你收集整理的MongoDB 表设计的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 哈希表---开链法解决哈希冲突
- 下一篇： 将两个PCB文件合并成一个文件