Mongodb关系建模（n to n为例）

　　最近公司正在研发一个医疗行业的数据库，收录医疗创业公司，人，以及投资机构和医疗编辑们的知识，并将它们关联起来，以便后期的数据分析和编辑选题选素材。

　　在这种需求下，我们选用了Mongodb这种介于nosql和关系型数据库之间的一种数据库，本质上Mongodb不能单纯的归类为非关系型，虽然他是nosql文档型数据库，但并不意味着它不能有关系，纯nosql数据库应该是Redis，memcached这类key-value数据库，Mongodb是一种特殊的nosql，它采用json的方式存储数据，操作和使用都非常灵活，没有关系型数据库严格的类型长度和复杂的查询，我们的需求对于一个字段来说希望他是灵活的，但是也希望它能处理一些关系，所以Mongodb最适合我们。

　　传统关系型数据库在涉及一对多的情况下，通常会设置外键来关联，在涉及多对多的情况下，会采用中间表的方式。而Mongodb有个黑科技，因为它是以json存储的，所以，字段类型可以是Array，这样，就可以很方便的实现1 to n的情况，n to n也可以很方便的实现。

　　下面就说一下Mongodb的几种建模方式，网上的帖子大都是以1 to n为例，这里我们就以最复杂的n to n来说

　　1）内嵌文档

 

　　比如每个Person会有多个Address, 同一个Address又会存在不同的Person中。

     

   {
　　　　name: 'Kate Monster1',
　　　　_id: ObjectId('ABCD'),
　　　　addresses : [
　　　　　　{ street: '123 Sesame St', city: 'Anytown', cc: 'USA' },
　　　　　　{ street: '123 Avenue Q', city: 'New York', cc: 'USA' }
　　　　]
　　}

　　{
　　　　name: 'Kate Monster2',
　　　　_id: ObjectId('ABCE'),
　　　　addresses : [
　　　　　　{ street: '123 Sesame St', city: 'Anytown', cc: 'USA' },
　　　　　　{ street: '123 haidian E', city: 'Beijing', cc: 'CHA' }
　　　　]
　　}

 

　　优点：一条语句就可以得到某个人的所有地址信息，查询效率无疑是最高的。

 

　　缺点：无法像操作独立文档那样来操作地址信息。你必须首先操作Person文档后，才有可能继续操作Address，而且对于单条文档的大小会有影响。

 

　　使用场景：不需要独立建表的信息，信息比较简单，数量很少，不值得单独做一个表，没有太多独立操作，但是又有n to n的需求（n < 100）,n to n需要使用$elementMatch操作符来反向查询含有某条记录的所有记录。

 

　　2）内嵌文档id和中间字段

 

　　比如产品（Product）和零部件（part），每个产品会有很多个零部件，每个零部件又被用到了多个产品上，同一个零件在不同产品上的花费又是不一样的。

 

零部件（Part）：
{
    _id : ObjectID('AAAA'),
    name : 'xxx',
    price: 3.99
}

{
    _id : ObjectID('BBBB'),
    name : 'xxx2',
    price: 5.99 }

产品（Product）： 
{
　　 _id : ObjectID('ZZZZ'),
    name : 'Knife1',
    parts : [
        { part_id: ObjectID('AAAA'), cost: 5 },  
        { part_id: ObjectID('BBBB'), cost: 7 }
    ]
}

{
　　 _id : ObjectID('YYYY'),
    name : 'Knife2',
    parts : [
        { part_id: ObjectID('AAAA'), cost: 8 }
    ]
}

　　

　　优点：部件是作为独立文档存在的，你可以对某一部件进行独立的操作，比如查询或更新，有效减小了单个文档的大小，并且可以实现中间表字段的功能。

 

　　缺点：你必须通过两次查询才能找到某一个产品所属的所有部件详细信息，或者反向找到某个零件所属的所有产品。对文档的大小依然有压力。依然要通过产品来查询两种情况，除非你在零件表也建立一个Array，存放产品id，不过在更新关系字段的时候需要同时更新两边。

 

　　使用场景：需要独立建表的信息，信息比较复杂，但数量不是太多，有很多独立操作，但是又有n to n的需求（n < 1000），这是一种最常见的用法

 

　　3）完全按照关系型数据库的做法，建立外键（1 to n），或者建立中间表（n to n）

 

　　这种方式就不再赘述了，如果过度使用这种办法，建议不要使用Mongodb，还是使用关系型数据库更好一些

　　

　　使用场景：信息关系极度复杂，数量巨大，有很多独立操作，又有n to n的需求（n > 1000）

 

　　最后附上一个官方链接： http://blog.mongodb.org/post/87892923503/6-rules-of-thumb-for-mongodb-schema-design-part-2

 

转载于:https://www.cnblogs.com/geoffgu/p/6385791.html