Mongo DB

 

https://blog.toright.com/posts/4552/mongodb-sharding-%E5%88%86%E6%95%A3%E5%BC%8F%E5%84%B2%E5%AD%98%E6%9E%B6%E6%A7%8B%E5%BB%BA%E7%BD%AE-%E6%A6%82%E5%BF%B5%E7%AF%87.html

MongoDB

NoSQL

第一招：Modeling One-to-Few 少量級關聯模式 (Embedding)

假設我們可以預期某個 Document 中的某個欄位所包含的複數子文件數量不多，可以稱為 One-to-Few 模式。如此「一個實體」對上「少少的實體」，通常的關聯數量可以落在 1000 以內，要注意整體 Document Size 不可以超過 16MB，把關聯的資料直接放在 Document 中的某個欄位，這樣的技巧我們稱為 Embedding。

第二招：One-to-Many 多量級關聯模式 (Child-Referencing)

假設主實體關聯的子項目數量比起上述的例子來得多一些，但可能在幾百筆上下。但是放在同一個 Document 又有機會超過 16MB 就爆了，另外可能還會考慮到資料獨立性的問題。遇到這樣的情況就是採用類似傳統 RDBMS 的正規化作法，將關聯的 Document 放在另一個 Collection，透過 Object ID 建立關聯，實際查詢時透過 Application-level Join 進行反查。如此便可以滿足大量子物件的一對多關係，並同時保持資料的獨立性。這樣的技巧我們稱為 Child-Referencing，

第三招：One-to-Squillions 海量級關聯模式 (Parent-Referencing)

海量級參照模式（大數據的最愛），如果主實體所參照的另一個實體可能是海量級，千以上的極大數字。如果用上面介紹的模式來實作，會遇到用來存放 ObjectID 的陣列爆表。遇到這樣的情況其實很簡單，就是反過來進行參照，實現 Parent-Referencing。像是下面的例子：

 

> db.hosts.findOne()

{

    _id : ObjectID('AAAB'),

    name : 'goofy.example.com',

    ipaddr : '127.66.66.66'

}

 

>db.logmsg.findOne()

{

    time : ISODate("2014-03-28T09:42:41.382Z"),

    message : 'cpu is on fire!',

    host: ObjectID('AAAB')       // Reference to the Host document

}

實務上可以透過以下的方式進行 Query，比如要找出哪台機器的 log：

 

  // find the parent ‘host’ document

> host = db.hosts.findOne({ipaddr : '127.66.66.66'});  // assumes unique index

   // find the most recent 5000 log message documents linked to that host

> last_5k_msg = db.logmsg.find({host: host._id}).sort({time : -1}).limit(5000).toArray()

如何來選擇設計模式？最簡單可以透過估計 Document 的參照「基數」來決定。如果很少就直接放進 Document 做 One-to-Few (Embedding)，有點多就將獨立到另一個 Collection 做 Child-Referencing。如要用來存放隨著時間爆炸性成長的資料，就可以選用 Parent-Referencing 模式。依據需求選用適合的設計才是最重要的