MongoDB 是目前主流的 NoSQL 數(shù)據(jù)庫(kù)之一，與關(guān)系型數(shù)據(jù)庫(kù)和其它的 NoSQL 不同，MongoDB 使用了面向文檔的數(shù)據(jù)存儲(chǔ)方式，將數(shù)據(jù)以類似 JSON 的方式存儲(chǔ)在磁盤上，因?yàn)轫?xiàng)目上的一些歷史遺留問題，作者在最近的工作中也不得不經(jīng)常與 MongoDB 打交道，這也是這篇文章出現(xiàn)的原因。

雖然在之前也對(duì) MongoDB 有所了解，但是真正在項(xiàng)目中大規(guī)模使用還是***次，使用過程中也暴露了大量的問題，不過在這里，我們主要對(duì) MongoDB 中的一些重要概念的原理進(jìn)行介紹，也會(huì)與 MySQL 這種傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)做一個(gè)對(duì)比，讓讀者自行判斷它們之間的優(yōu)勢(shì)和劣勢(shì)。

概述

MongoDB 雖然也是數(shù)據(jù)庫(kù)，但是它與傳統(tǒng)的 RDBMS 相比有著巨大的不同，很多開發(fā)者都認(rèn)為或者被灌輸了一種思想，MongoDB 這種無 Scheme 的數(shù)據(jù)庫(kù)相比 RDBMS 有著巨大的性能提升，這個(gè)判斷其實(shí)是一種誤解;因?yàn)閿?shù)據(jù)庫(kù)的性能不止與數(shù)據(jù)庫(kù)本身的設(shè)計(jì)有關(guān)系，還與開發(fā)者對(duì)表結(jié)構(gòu)和索引的設(shè)計(jì)、存儲(chǔ)引擎的選擇和業(yè)務(wù)有著巨大的關(guān)系，如果認(rèn)為 僅進(jìn)行了數(shù)據(jù)庫(kù)的替換就能得到數(shù)量級(jí)的性能提升 ，那還是太年輕了。

[[202745]]

架構(gòu)

現(xiàn)有流行的數(shù)據(jù)庫(kù)其實(shí)都有著非常相似的架構(gòu)，MongoDB 其實(shí)就與 MySQL 中的架構(gòu)相差不多，底層都使用了『可插拔』的存儲(chǔ)引擎以滿足用戶的不同需要。

用戶可以根據(jù)表中的數(shù)據(jù)特征選擇不同的存儲(chǔ)引擎，它們可以在同一個(gè) MongoDB 的實(shí)例中使用;在***版本的 MongoDB 中使用了 WiredTiger 作為默認(rèn)的存儲(chǔ)引擎，WiredTiger 提供了不同粒度的并發(fā)控制和壓縮機(jī)制，能夠?yàn)椴煌N類的應(yīng)用提供了***的性能和存儲(chǔ)效率。

在不同的存儲(chǔ)引擎上層的就是 MongoDB 的數(shù)據(jù)模型和查詢語(yǔ)言了，與關(guān)系型數(shù)據(jù)庫(kù)不同，由于 MongoDB 對(duì)數(shù)據(jù)的存儲(chǔ)與 RDBMS 有較大的差異，所以它創(chuàng)建了一套不同的查詢語(yǔ)言;雖然 MongoDB 查詢語(yǔ)言非常強(qiáng)大，支持的功能也很多，同時(shí)也是可編程的，不過其中包含的內(nèi)容非常繁雜、API 設(shè)計(jì)也不是非常優(yōu)雅，所以還是需要一些學(xué)習(xí)成本的，對(duì)于長(zhǎng)時(shí)間使用 MySQL 的開發(fā)者肯定會(huì)有些不習(xí)慣。

db.collection.updateMany( 
   <filter>, 
   <update>, 
   { 
     upsert: <boolean>, 
     writeConcern: <document>, 
     collation: <document> 
   } 
) 

查詢語(yǔ)言的復(fù)雜是因?yàn)?MongoDB 支持了很多的數(shù)據(jù)類型，同時(shí)每一條數(shù)據(jù)記錄也就是文檔有著非常復(fù)雜的結(jié)構(gòu)，這點(diǎn)是從設(shè)計(jì)上就沒有辦法避免的，所以還需要使用 MongoDB 的開發(fā)者花一些時(shí)間去學(xué)習(xí)各種各樣的 API。

RDBMS 與 MongoDB

MongoDB 使用面向文檔的的數(shù)據(jù)模型，導(dǎo)致很多概念都與 RDBMS 有一些差別，雖然從總體上來看兩者都有相對(duì)應(yīng)的概念，不過概念之間細(xì)微的差別其實(shí)也會(huì)影響我們對(duì) MongoDB 的理解：

傳統(tǒng)的 RDBMS 其實(shí)使用 Table 的格式將數(shù)據(jù)邏輯地存儲(chǔ)在一張二維的表中，其中不包括任何復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，但是由于 MongoDB 支持嵌入文檔、數(shù)組和哈希等多種復(fù)雜數(shù)據(jù)結(jié)構(gòu)的使用，所以它最終將所有的數(shù)據(jù)以 BSON 的數(shù)據(jù)格式存儲(chǔ)起來。

RDBMS 和 MongoDB 中的概念都有著相互對(duì)應(yīng)的關(guān)系，數(shù)據(jù)庫(kù)、表、行和索引的概念在兩中數(shù)據(jù)庫(kù)中都非常相似，唯獨(dú)***的 JOIN 和 Embedded Document 或者 Reference 有著巨大的差別。這一點(diǎn)差別其實(shí)也影響了在使用 MongoDB 時(shí)對(duì)集合(Collection)Schema 的設(shè)計(jì)，如果我們?cè)?MongoDB 中遵循了與 RDBMS 中相同的思想對(duì) Collection 進(jìn)行設(shè)計(jì)，那么就不可避免的使用很多的 "JOIN" 語(yǔ)句，而 MongoDB 是不支持 "JOIN" 的，在應(yīng)用內(nèi)做這種查詢的性能非常非常差，在這時(shí)使用嵌入式的文檔其實(shí)就可以解決這種問題了，嵌入式的文檔雖然可能會(huì)造成很多的數(shù)據(jù)冗余導(dǎo)致我們?cè)诟聲r(shí)會(huì)很痛苦，但是查詢時(shí)確實(shí)非常迅速。

{ 
  _id: <ObjectId1>, 
  name: "draveness", 
  books: [ 
    { 
      _id: <ObjectId2>, 
      name: "MongoDB: The Definitive Guide" 
    }, 
    { 
      _id: <ObjectId3>, 
      name: "High Performance MySQL" 
    } 
  ] 
} 

在 MongoDB 的使用時(shí)，我們一定要忘記很多 RDBMS 中對(duì)于表設(shè)計(jì)的規(guī)則，同時(shí)想清楚 MongoDB 的優(yōu)勢(shì)，仔細(xì)思考如何對(duì)表進(jìn)行設(shè)計(jì)才能利用 MongoDB 提供的諸多特性提升查詢的效率。

數(shù)據(jù)模型

MongoDB 與 RDBMS 之間***的不同，就是數(shù)據(jù)模型的設(shè)計(jì)有著非常明顯的差異，數(shù)據(jù)模型的不同決定了它有著非常不同的特性，存儲(chǔ)在 MongoDB 中的數(shù)據(jù)有著非常靈活的 Schema，我們不需要像 RDBMS 一樣，在插入數(shù)據(jù)之前就決定并且定義表中的數(shù)據(jù)結(jié)構(gòu)，MongoDB 的結(jié)合不對(duì) Collection 的數(shù)據(jù)結(jié)構(gòu)進(jìn)行任何限制，但是在實(shí)際使用中，同一個(gè) Collection 中的大多數(shù)文檔都具有類似的結(jié)構(gòu)。

在為 MongoDB 應(yīng)用設(shè)計(jì)數(shù)據(jù)模型時(shí)，如何表示數(shù)據(jù)模型之間的關(guān)系其實(shí)是需要開發(fā)者需要仔細(xì)考慮的，MongoDB 為表示文檔之間的關(guān)系提供了兩種不同的方法：引用和嵌入。

標(biāo)準(zhǔn)化數(shù)據(jù)模型

引用(Reference)在 MongoDB 中被稱為標(biāo)準(zhǔn)化的數(shù)據(jù)模型，它與 MySQL 的外鍵非常相似，每一個(gè)文檔都可以通過一個(gè) xx_id 的字段『鏈接』到其他的文檔：

但是 MongoDB 中的這種引用不像 MySQL 中可以直接通過 JOIN 進(jìn)行查找，我們需要使用額外的查詢找到該引用對(duì)應(yīng)的模型，這雖然提供了更多的靈活性，不過由于增加了客戶端和 MongoDB 之間的交互次數(shù)(Round-Trip)也會(huì)導(dǎo)致查詢變慢，甚至非常嚴(yán)重的性能問題。

MongoDB 中的引用并不會(huì)對(duì)引用對(duì)應(yīng)的數(shù)據(jù)模型是否真正存在做出任何的約束，所以如果在應(yīng)用層級(jí)沒有對(duì)文檔之間的關(guān)系有所約束，那么就可能會(huì)出現(xiàn)引用了指向不存在的文檔的問題：

雖然引用有著比較嚴(yán)重的性能問題并且在數(shù)據(jù)庫(kù)層面沒有對(duì)模型是否被刪除加上限制，不過它提供的一些特點(diǎn)是嵌入式的文檔無法給予了，當(dāng)我們需要表示多對(duì)多關(guān)系或者更加龐大的數(shù)據(jù)集時(shí)，就可以考慮使用標(biāo)準(zhǔn)化的數(shù)據(jù)模型 — 引用了。

嵌入式數(shù)據(jù)模型

除了與 MySQL 中非常相似的引用，MongoDB 由于其獨(dú)特的數(shù)據(jù)存儲(chǔ)方式，還提供了嵌入式的數(shù)據(jù)模型，嵌入式的數(shù)據(jù)模型也被認(rèn)為是不標(biāo)準(zhǔn)的數(shù)據(jù)模型：

因?yàn)?MongoDB 使用 BSON 的數(shù)據(jù)格式對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)，而嵌入式數(shù)據(jù)模型中的子文檔其實(shí)就是父文檔中的另一個(gè)值，只是其中存儲(chǔ)的是一個(gè)對(duì)象：

{ 
  _id: <ObjectId1>, 
  username: "draveness", 
  age: 20, 
  contact: [ 
    { 
      _id: <ObjectId2>, 
      email: "i@draveness.me" 
    } 
  ] 
} 

嵌入式的數(shù)據(jù)模型允許我們將有相同的關(guān)系的信息存儲(chǔ)在同一個(gè)數(shù)據(jù)記錄中，這樣應(yīng)用就可以更快地對(duì)相關(guān)的數(shù)據(jù)進(jìn)行查詢和更新了;當(dāng)我們的數(shù)據(jù)模型中有『包含』這樣的關(guān)系或者模型經(jīng)常需要與其他模型一起出現(xiàn)(查詢)時(shí)，比如文章和評(píng)論，那么就可以考慮使用嵌入式的關(guān)系對(duì)數(shù)據(jù)模型進(jìn)行設(shè)計(jì)。

總而言之，嵌入的使用讓我們?cè)诟俚恼?qǐng)求中獲得更多的相關(guān)數(shù)據(jù)，能夠?yàn)樽x操作提供更高的性能，也為在同一個(gè)寫請(qǐng)求中同時(shí)更新相關(guān)數(shù)據(jù)提供了支持。

MongoDB 底層的 WiredTiger 存儲(chǔ)引擎能夠保證對(duì)于同一個(gè)文檔的操作都是原子的，任意一個(gè)寫操作都不能原子性地影響多個(gè)文檔或者多個(gè)集合。

主鍵和索引

在這一節(jié)中，我們將主要介紹 MongoDB 中不同類型的索引，當(dāng)然也包括每個(gè)文檔中非常重要的字段 _id ，可以 理解 為 MongoDB 的『主鍵』，除此之外還會(huì)介紹單字段索引、復(fù)合索引以及多鍵索引等類型的索引。

MongoDB 中索引的概念其實(shí)與 MySQL 中的索引相差不多，無論是底層的數(shù)據(jù)結(jié)構(gòu)還是基本的索引類型都幾乎完全相同，兩者之間的區(qū)別就在于因?yàn)? MongoDB 支持了不同類型的數(shù)據(jù)結(jié)構(gòu)，所以也理所應(yīng)當(dāng)?shù)靥峁┝烁嗟乃饕N類。

默認(rèn)索引

MySQL 中的每一個(gè)數(shù)據(jù)行都具有一個(gè)主鍵，數(shù)據(jù)庫(kù)中的數(shù)據(jù)都是按照以主鍵作為鍵物理地存儲(chǔ)在文件中的;除了用于數(shù)據(jù)的存儲(chǔ)，主鍵由于其特性也能夠加速數(shù)據(jù)庫(kù)的查詢語(yǔ)句。

而 MongoDB 中所有的文檔也都有一個(gè)唯一的 _id 字段，在默認(rèn)情況下所有的文檔都使用一個(gè)長(zhǎng) 12 字節(jié)的 ObjectId 作為默認(rèn)索引：

前四位代表當(dāng)前 _id 生成時(shí)的 Unix 時(shí)間戳，在這之后是三位的機(jī)器標(biāo)識(shí)符和兩位的處理器標(biāo)識(shí)符，***是一個(gè)三位的計(jì)數(shù)器，初始值就是一個(gè)隨機(jī)數(shù);通過這種方式代替遞增的 id 能夠解決分布式的 MongoDB 生成唯一標(biāo)識(shí)符的問題，同時(shí)可以在一定程度上保證 id 的的增長(zhǎng)是遞增的。

單字段索引(Single Field)

除了 MongoDB 提供的默認(rèn) _id 字段之外，我們還可以建立其它的單鍵索引，而且其中不止支持順序的索引，還支持對(duì)索引倒排：

db.users.createIndex( { age: -1 } ) 

MySQL8.0 之前的索引都只能是正序排列的，在 8.0 之后才引入了逆序的索引，單一字段索引可以說是 MySQL 中的輔助(Secondary)索引的一個(gè)子集，它只是對(duì)除了 _id 外的任意單一字段建立起正序或者逆序的索引樹。

復(fù)合索引(Compound)

除了單一字段索引這種非常簡(jiǎn)單的索引類型之外，MongoDB 還支持多個(gè)不同字段組成的復(fù)合索引(Compound Index)，由于 MongoDB 中支持對(duì)同一字段的正逆序排列，所以相比于 MySQL 中的輔助索引就會(huì)出現(xiàn)更多的情況：

db.users.createIndex( { username: 1, age: -1 } )  
db.users.createIndex( { username: 1, age: 1 } ) 

上面的兩個(gè)索引是完全不同的，在磁盤上的 B+ 樹其實(shí)也按照了完全不同的順序進(jìn)行存儲(chǔ)，雖然 username 字段都是升序排列的，但是對(duì)于 age 來說，兩個(gè)索引的處理是完全相反的：

這也就造成了在使用查詢語(yǔ)句對(duì)集合中數(shù)據(jù)進(jìn)行查找時(shí)，如果約定了正逆序，那么其實(shí)是會(huì)使用不同的索引的，所以在索引創(chuàng)建時(shí)一定要考慮好使用的場(chǎng)景，避免創(chuàng)建無用的索引。

多鍵索引(Multikey)

由于 MongoDB 支持了類似數(shù)組的數(shù)據(jù)結(jié)構(gòu)，所以也提供了名為多鍵索引的功能，可以將數(shù)組中的每一個(gè)元素進(jìn)行索引，索引的創(chuàng)建其實(shí)與單字段索引沒有太多的區(qū)別：

db.collection.createIndex( { address: 1 } ) 

如果一個(gè)字段是值是數(shù)組，那么在使用上述代碼時(shí)會(huì)自動(dòng)為這個(gè)字段創(chuàng)建一個(gè)多鍵索引，能夠加速對(duì)數(shù)組中元素的查找。

文本索引(Text)

文本索引是 MongoDB 為我們提供的另一個(gè)比較實(shí)用的功能，不過在這里也只是對(duì)這種類型的索引提一下，也不打算深入去談?wù)勥@東西的性能如何，如果真的要做全文索引的話，還是推薦使用 Elasticsearch 這種更專業(yè)的東西來做，而不是使用 MongoDB 提供的這項(xiàng)功能。

存儲(chǔ)

如何存儲(chǔ)數(shù)據(jù)就是一個(gè)比較重要的問題，在前面我們已經(jīng)提到了 MongoDB 與 MySQL 一樣都提供了插件化的存儲(chǔ)引擎支持，作為 MongoDB 的主要組件之一，存儲(chǔ)引擎全權(quán)負(fù)責(zé)了 MongoDB 對(duì)數(shù)據(jù)的管理。

WiredTiger

MongoDB3.2 之后 WiredTiger 就是默認(rèn)的存儲(chǔ)引擎了，如果對(duì)各個(gè)存儲(chǔ)引擎并不了解，那么還是不要改變 MongoDB 的默認(rèn)存儲(chǔ)引擎;它有著非常多的優(yōu)點(diǎn)，比如擁有效率非常高的緩存機(jī)制：

WiredTiger 還支持在內(nèi)存中和磁盤上對(duì)索引進(jìn)行壓縮，在壓縮時(shí)也使用了前綴壓縮的方式以減少 RAM 的使用，在后面的文章中我們會(huì)詳細(xì)介紹和分析 WiredTiger 存儲(chǔ)引擎是如何對(duì)各種數(shù)據(jù)進(jìn)行存儲(chǔ)的。

Journaling

為了在數(shù)據(jù)庫(kù)宕機(jī)保證 MongoDB 中數(shù)據(jù)的持久性，MongoDB 使用了 Write Ahead Logging 向磁盤上的 journal 文件預(yù)先進(jìn)行寫入;除了 journal 日志，MongoDB 還使用檢查點(diǎn)(Checkpoint)來保證數(shù)據(jù)的一致性，當(dāng)數(shù)據(jù)庫(kù)發(fā)生宕機(jī)時(shí)，我們就需要 Checkpoint 和 journal 文件協(xié)作完成數(shù)據(jù)的恢復(fù)工作：

• 在數(shù)據(jù)文件中查找上一個(gè)檢查點(diǎn)的標(biāo)識(shí)符;
• 在 journal 文件中查找標(biāo)識(shí)符對(duì)應(yīng)的記錄;
• 重做對(duì)應(yīng)記錄之后的全部操作;

MongoDB 會(huì)每隔 60s 或者在 journal 數(shù)據(jù)的寫入達(dá)到 2GB 時(shí)設(shè)置一次檢查點(diǎn)，當(dāng)然我們也可以通過在寫入時(shí)傳入 j: true 的參數(shù)強(qiáng)制 journal 文件的同步。

這篇文章并不會(huì)介紹 Journal 文件的格式以及相關(guān)的內(nèi)容，作者可能會(huì)在之后介紹分析 WiredTiger 的文章中簡(jiǎn)單分析其存儲(chǔ)格式以及一些其它特性。

總結(jié)

這篇文章中只是對(duì) MongoDB 的一些基本特性以及數(shù)據(jù)模型做了簡(jiǎn)單的介紹，雖然『***』擴(kuò)展是 MongoDB 非常重要的特性，但是由于篇幅所限，我們并沒有介紹任何跟 MongoDB 集群相關(guān)的信息，不過會(huì)在之后的文章中專門介紹多實(shí)例的 MongoDB 是如何協(xié)同工作的。

在這里，我想說的是，如果各位讀者接收到了類似 MongoDB 比 MySQL 性能好很多的斷言，但是在使用 MongoDB 的過程中仍然遵循以往 RDBMS 對(duì)數(shù)據(jù)庫(kù)的設(shè)計(jì)方式，那么我相信性能在最終也不會(huì)有太大的提升，反而可能會(huì)不升反降;只有真正理解 MongoDB 的數(shù)據(jù)模型，并且根據(jù)業(yè)務(wù)的需要進(jìn)行設(shè)計(jì)才能很好地利用類似嵌入式文檔等特性并提升 MongoDB 的性能。