MongoDB 字段应该扁平还是结构化？

[qiayue]

搜索了一下，好像没找到多少相关资料。
在谷歌 JSON 风格指南 https://github.com/darcyliu/google-styleguide/blob/master/JSONStyleGuide.md 中说：
JSON中的数据元素应以扁平化方式呈现。不能为了方便而将数据任意分组。

考虑到 MongoDB 也是以类 JSON 格式存储数据，那么，在 MongoDB 中的字段是否也应该是扁平化的呢？

[breeswish]

每个小颗粒单位尽量扁平化，如果有整体小数据则可以在这里结构化。（因为MongoDB的查询和处理语言对于扁平化很方便，对于结构化的数据不方便）

[Ricepig]

结构化和分组的目的只有一个，那就是可读性吧

[shiny]

这个命题比一般人想象的更复杂，这个不应该参照普通 JSON 数据来。
应该搜索 「MongoDB 范式化 反范式化」。
举个我的血泪栗子：内嵌的 JSON 如果频繁更新，它就不应该是内嵌的，否则会有性能问题。

[hepochen]

JSON是JSON， MongoDB是MongoDB。

不论是扁平还是多层内嵌，是个人的选择问题；但只有一个前提，就是不能影响数据库的性能。

扁平相对而言是会简单一些，内嵌的，具体场景中，性能反倒会更高。

因为在MongoDB的底层存储中，对内嵌文档的处理并非是大家想象中的那般结构化，但比如要更新`collection.field1.field2.field3.field5`这到底更新了哪段信息？如果我有个字段名就是`field1.field2`的联合呢？

@shiny 内嵌文档的大小也在频繁变化么？

[turing]

我觉得嵌入文档还是分表存取决于数据库是主要是用来读还是写的

如果仅是展示用，比如从其他地方获取结构化的数据，保存在单一集合里，不用修改的方式，内嵌文档很好用，也很方便，如果频繁操作修改内嵌文档，就不太方便了。

[shiny]

除了性能，还要考虑需求实现是否方便。比如涉及日期范围的，用内嵌将会很痛苦（比如很多人把日期当做键而不是一个值……），操作内嵌文档，大多数命令也和范式化的不同。尤其是为了简洁，没什么多余字段的内嵌文档。
其次是大尺寸内嵌文档更难控制需要的字段，以前线上发现 tornado 内存不断增长却找不到原因，最后谨慎选择了下字段排除了不需要的、数据量大的字段就好了。

@hepochen 我的情况是不断 insert 的数据，卡得掉眼泪。

[qiayue]

@breeswish @Ricepig @shiny @hepochen @turing @shiny 多谢！
所以还是要看具体的业务场景，并且扁平化一些，性能好些

[hepochen]

呃，@shiny 同学，你可以考虑请我吃饭了。

用日期作为key，也未必是坏事。比如用作统计的，而且年/月/日这些固定的（非range性质)的，可以用正则的前向匹配，同时，也是可以使用索引的。所以，这反而是一个高效的处理办法。

但有一个问题，比如`2012-09`这样的key来存储一个月的数据（按天），那么，（有人）推荐的做法，是创建这个document的时候，就填充好31天的空数据。

呃，为什么是`2012-09`而不是`2012-9`呢？ 这跟`2012-10`对比，会产生大小的问题，也可以很漂亮地解决时间被str化后的排序问题。

- - - - -

所有的字段如何控制，都是个人的一种选择。但是内嵌字段中出现一些特殊值，比如`$`开头的, 带`.`的，则要对MongoDB要更了解一些，不然很容易入坑。

- - - -

用内嵌文档，不会产生性能的问题。

用内嵌文档，并且不断insert，这会是性能问题产生的原因。

MongoDB是文档型的数据库，一个文档被创建的时候，默认会有保留多一点的空区域（这种机制，也会MongoDB等NoSQL数据库比较占磁盘空间的原因），可以方便以后的更新操作。但是，这个区域占满之后，磁盘空间就需要重新分派（这是极低效的）。

如果这是过程中，有多一点量的写操作涌进来，呃，肯定会“卡得掉眼泪”了。

[zack]

从存储空间的占用角度来看，尽量优先使用扁平化

[shiny]

@hepochen 谢谢
1、年月日我们是涉及一定范围内的统计的，更别说什么排序之类的，除非把数据全部取出来自己排。而如果是范式化的，就有现成的——当然数据处理不应该交给 MongoDB，这个时候才念起 SQL 的好来。
而且时间久了有可能出现巨大的内嵌文档（当然这个是设计错误，但是处理起来范式化的设计更容易处理点）。

2、字段是指有的字段包含大量数据，而不是说特殊字符。包含大量数据的字段，而且不是 PHP 这类用完就销毁的语言很可能内存爆满。范式化也有个好处是精准控制需要的数据。

3、我是在翻书后才知道，原话是「不断增长的内嵌文档将导致 IO 瓶颈」。如果 update 数据增长，也会是有问题的。当时我就一个进程后台默默写 MongoDB，也差不多写到了 IO 瓶颈——当然，数据量越大卡得越明显，刚设计完的时候还没发现。

[shiny]

@hepochen 有时需求很难实现，我会借助 map reduce，好像内嵌文档的 map reduce 比范式化的不易？

因为就一个人搞技术，情况复杂时有问题也没人讨论。

反正经历过这么一次后，把数据放 MongoDB 是谨慎又谨慎了。

[breeswish]

@shiny 很多东西要试了才知道

[goofansu]

有本书叫mongodb design pattern，觉得还不错