MongoDB数据建模与优化技巧

核心建模原则

1. 应用驱动原则：根据应用查询模式设计数据模型
2. 预聚合原则：提前计算并存储常用数据
3. 嵌入与引用平衡：在数据冗余与一致性间找到平衡点
4. 基数考虑：考虑关系是一对一、一对多还是多对多

常用建模模式

1. 内嵌文档模式

// 适用于一对一或一对少关系
{
  _id: "order123",
  customer: {
    name: "John Doe",
    email: "john@example.com"
  },
  items: [
    { product: "Laptop", quantity: 1 },
    { product: "Mouse", quantity: 2 }
  ]
}

2. 引用模式

// 适用于一对多或多对多关系
// 用户集合
{
  _id: "user123",
  name: "Alice",
  posts: ["post1", "post2"]
}

// 帖子集合
{
  _id: "post1",
  title: "First Post",
  content: "..."
}

3. 预聚合模式

// 博客文章带评论计数
{
  _id: "blog123",
  title: "MongoDB Tips",
  content: "...",
  comment_count: 42,
  last_comment: {
    user: "reviewer1",
    text: "Great post!"
  }
}

4. 分桶模式

// 适用于时间序列数据
{
  _id: "sensor123_202301",
  sensor_id: "sensor123",
  date: ISODate("2023-01-01"),
  readings: [
    { time: "00:00", value: 23.5 },
    { time: "01:00", value: 23.7 }
  ],
  avg_value: 23.6
}

性能优化技巧

索引策略

1. 常用查询字段：为频繁查询的字段创建索引
2. 复合索引：遵循ESR原则(等值-排序-范围)
3. 覆盖查询：创建包含所有返回字段的复合索引
4. 部分索引：只为满足条件的文档创建索引

// 创建索引示例
db.orders.createIndex({ customer_id: 1, order_date: -1 })
db.products.createIndex({ category: 1, price: 1 }, { partialFilterExpression: { stock: { $gt: 0 } } })

查询优化

1. 限制返回字段：只查询需要的字段
2. 使用投影：减少网络传输
3. 分页优化：使用skip()和limit()或基于游标的分页
4. 避免全表扫描：确保查询使用索引

// 优化查询示例
db.users.find(
  { status: "active", age: { $gt: 18 } },
  { name: 1, email: 1, _id: 0 }
).sort({ created_at: -1 }).limit(10)

分片策略

1. 选择合适的分片键：高基数、低频率、不可变
2. 避免热点：确保写操作均匀分布
3. 考虑地理位置：对地理数据使用基于位置的分片
4. 哈希分片：对随机分布的值使用哈希分片

// 启用分片示例
sh.enableSharding("mydb")
sh.shardCollection("mydb.orders", { customer_id: 1 })

反模式与避免方法

1. 大数组增长：避免无限制增长的数组
2. 过度嵌套：避免超过3-4层的深度嵌套
3. 巨型文档：保持文档大小合理(通常<16MB)
4. 频繁更新：避免高频更新嵌入文档
5. 无索引查询：确保所有生产查询都使用索引

监控与调优工具

1. explain()：分析查询执行计划
2. mongostat/mongotop：监控数据库活动
3. 性能分析器：db.setProfilingLevel()
4. 索引使用统计：$indexStats聚合阶段

// 使用explain分析查询
db.orders.find({ status: "shipped" }).explain("executionStats")

通过合理应用这些建模技巧和优化策略，可以显著提高MongoDB应用的性能和可扩展性。