MongoD和关系型数据库相关概念的对应

在 MongoDB（NoSQL）中，文档（Document）、集合（Collection）等概念与 关系型数据库（RDBMS） 的表、行等概念有一定的对应关系。可以用下面的表格来对比它们的概念：

MongoDB（NoSQL）	关系型数据库（RDBMS）	解释
数据库（Database）	数据库（Database）	一个存储数据的整体，包含多个集合（表）
集合（Collection）	表（Table）	由多个文档组成的集合，类似于表，但无固定模式（Schema-less）
文档（Document）	行（Row）	单条数据，存储为 BSON（类似 JSON），在 RDBMS 中是行
字段（Field）	列（Column）	文档中的键值对（Key-Value），类似于关系数据库中的列
索引（Index）	索引（Index）	提高查询速度，类似于 RDBMS 的索引
嵌套文档（Embedded Document）	表关联（Join）	在文档中嵌套子文档，相当于 RDBMS 中的外键表，但不需要 Join
主键 _id（ObjectId）	主键（Primary Key）	_id 字段是默认的唯一标识，类似于关系型数据库中的主键
引用（Reference）	外键（Foreign Key）	在一个文档中存储另一个文档的 _id，类似于外键关系

---

举例说明

关系型数据库（MySQL）

假设有两个表：users（用户表） 和 orders（订单表），它们通过 user_id 关联：

users 表

id (PK)	name	email
1	Tom	[email protected]
2	Jerry	[email protected]

orders 表

id (PK)	user_id (FK)	product
101	1	Laptop
102	2	Smartphone

在查询某个用户的订单时，我们通常使用 JOIN：

SELECT users.name, orders.product 
FROM users
JOIN orders ON users.id = orders.user_id;

---

在 MongoDB 中

MongoDB 使用 文档 代替行，嵌套文档 代替外键关系：

嵌套文档方式

{
    "_id": ObjectId("6501a23b1a2b3c4d5e6f7890"),
    "name": "Tom",
    "email": "[email protected]",
    "orders": [
        { "order_id": 101, "product": "Laptop" },
        { "order_id": 102, "product": "Smartphone" }
    ]
}

查询某个用户的订单非常方便：

db.users.find({ name: "Tom" });

优点：

• 查询时不需要 JOIN，速度更快。
• 数据读取方便，直接获取用户及其订单信息。

缺点：

• 适用于数据更新较少的情况，如果订单信息需要频繁修改，嵌套文档可能会导致冗余数据。

---

引用（Reference）方式

如果订单较多，可以存储 user_id 进行引用：

{
    "_id": ObjectId("6501a23b1a2b3c4d5e6f7890"),
    "name": "Tom",
    "email": "[email protected]"
}

{
    "_id": ObjectId("7601b45c2d3e4f5g6h7i8901"),
    "user_id": ObjectId("6501a23b1a2b3c4d5e6f7890"),
    "product": "Laptop"
}

查询时类似 SQL 需要 $lookup：

db.users.aggregate([
    {
        $lookup: {
            from: "orders",
            localField: "_id",
            foreignField: "user_id",
            as: "orders"
        }
    }
]);

适用场景：

• 适用于 订单数据量很大，但用户信息不会频繁更新的情况。

---

总结

场景	MongoDB 方案	关系型数据库 方案
小型数据、少量关系	嵌套文档	一张表或简单关联
数据较大、查询性能重要	嵌套文档或索引引用	索引优化的 JOIN
数据分布广泛、需要灵活查询	引用 + $lookup	标准外键表设计

MongoDB 的 嵌套文档 让读取速度更快，但 引用方式 更适合大规模数据。