MongoDB 文档阅读笔记 —— 优雅的 NoSQL

来自 http://chloerei.com/2011/02/04/778

 

NoSQL 数据库在上年炒得很热，于是我也萌生了使用 NoSQL 数据库写一个应用的想法。首先来认识一下 NoSQL。NoSQL 是一个缩写，含义从最初的 No-SQL 到现在已经成为了 Not-Only-SQL。确实后面一种解释比较符合 NoSQL 的使用场景。

现在网络上被人所知的 NoSQL 数据库可以在这个网页（http://nosql-database.org ）看到。这个列表林林总总一大堆，要选择哪个数据库入手呢？

1. 选择非关系数据库

在我关注的 Web 领域，特别是 Ruby on Rails 社区，比较多提到的是这几个数据库：

Cassandra  ， apache基金会下的非关系数据库。早前一段时间传言 Twitter 要用 Cassandra 替代 Mysql，一时间坊间流传“NoSQL 要革 SQL 的命了！”。不过Twitter 博客澄清 ，Twitter 只是在部分领域使用 Cassandra，存放 Tweets 的主数据库依然是 MySQL。

      MongoDB ，10gen   公司的开源非关系数据库产品，可以选择他们公司的商业支持。RoR 相关的插件挺多。

CouchDB ，另一个apache基金会下的非关系数据库。

Redis ，特点是运行在内存中，速度很快。相比于用来持久化数据，也许更接近于 memcached 这样的缓存系统，或者用来实现任务队列。（比如resque ）

在这些候选名单中我选择了 MongoDB。因为它最近在 RoR 社区中的露脸率比较高，网页文档完善，并且项目主页的设计也不错

在 陈述 MongoDB 的特性之前，还是给第一次接触 NoSQL 的人提个醒：不要意图用 NoSQL 全盘取代 SQL 数据库。非关系数据库的出现不是为了取代关系数据库。具体的说，MongoDB 并不支持复杂的事务，只支持少量的原子操作，所以不适用于“转帐”等对事务和一致性要求很高的场合。而 MongoDB 适合什么场合，请继续阅读。

2. 文档型数据库初探

关系数据库比如 MySQL，通常将不同的数据划分为一个个“表”，表的数据是按照“行”来储存的。而关系数据库的“关系”是指通过“外键”将表间或者表内的数据关联起来。比如 文章-评论 的一对多关系可以用这样的表来实现：

posts(id, author_id, content, ... )
comments(id, name, email, web_site, content, post_id)
实现关联的关键就是 comments 表的最后一个 post_id 字段，将 comment 数据的 post_id 字段设为评论目标文章的 id 值，就可以用 SQL 语句进行相关查询（假设要查的文章 id 是 1）：
 
SELECT * FROM comments WHERE post_id = 1;
 
相对于关系数据库的行式储存和查询，MongoDB 作为一个文档型数据库，可以支持更具层次感的数据。上面举的 文章-评论 结构，在 MongoDB 里面可以这样设计。
  
{

  _id :
 ObjectId(
...)
,

  author :
 'Rei'
,

  content :
 'content text'
,

  comments :
 [
 {
 name
 :
 'Asuka'

                 email :
 '...'
,

                 web_site :
 '...'
,

                 content :
 'comment text'
}
 ]

}
 

   

comments 项是内嵌在 post 项中的（作为数组）。在 MongoDB 中，一个数据项叫做 Document，一个文档嵌入另一个文档（comment 嵌入 post）叫做 Embed，储存一系列文档的地方叫做 Collections。顺便一提，MongoDB 中也提供类似 SQL 数据库中的表间关联，叫做 Reference。 

   

3. 用文档型数据库储存文档

可以看到，文档性数据库从储存的数据项上就跟 SQL 数据库不同。在 MongoDB 中，文档是以  BSON   格式（类似 JSON）储存的，可以支持丰富的层次的结构。由于数据结构的表达能力更强，用 MongoDB 储存文档型数据可以比 SQL 数据库更直观和高效。

3.1 简化模式设计

在 SQL 数据库中，为表达数据的从属关系，通常要将表间关系分为 one-to-one，one-to-many，many-to-many 等模式进行设计，这通常会需要很多链接表的辅助。在 MongoDB 中，如果关联文档体积较小，固定不变，并且与另一文档是主从关系，那么通常可以嵌入（Embed）主文档。

常见情景：评论、投票点击数据、Tag。

这类场景的有时单个数据项体积很小，但是数量巨大，与之相应的 是查询成本也会上升。如果将这些小数据嵌入所属文档，在查询主文档时一并提取，查询效率要比 SQL 高，后者通常需要开支较大的 JOIN 查询。并且根据文档介绍，每个文档包括 Embed 部分在物理硬盘上都是储存在同一区域的，IO 部分也会比 SQL 数据库快。（注，MongoDB 有单文档大小限制）

3.2 动态的文档模式

MongoDB 中的文档其实是没有模式的，不像 SQL 数据库那样在使用前强制定义一个表的每个字段。这样可以避免对空字段的无谓开销。

例如两个用户的联系信息，A 用户带有 email 不带 url，B 用户带有 url 不带 email。在 SQL 数据库中需要为两个数据项都提供 email 段和 url 段，而在 MongoDB 中可以这样保存：

[
 {
 name
 :
 'A'
,
 email :
 'A email address'
 }
,
 {
 :
name
 :
 'B'
,
 url :
 'B url address'
 }
 ]

在关系数据库中，如果这些不确定的字段很多而且数量很大，为了 优化考虑可能又要划分成两个表了，比如 users 和 profiles 两个表。在 MongoDB 中，如果这一类不确定信息确实是属于同一文档的，那么可以轻松的放在一起，因为并不需要预先定义模式，也不会有空字段的开销。

不过因为要支持这样的动态性，并且为了性能考虑进行预先分配硬盘空间，数据外的开销也会带来磁盘占用。我还未实测实际中开销有多大，也许未来不久我会写一个应用测试。

4. MongoDB 另外一些特点

4.1 JSON 文档式查询

MongoDB 的查询语言看起来是这样的：

>
db.users
.find
(
 {
 x :
 3
,
 y :
 "abc"
 }
 )
.sort
(
{
x:
1
}
)
;

这是在 MongoDB 内置的 JavaScript 控制台上的查询，表示在名为 users 的 Collections 中查找 x = 3，y = “abc” 的文档，并且以 x 递增的顺序返回数据。

JSON 文档式查询会让写惯应用层代码的开发者眼前一亮，但对于精通 SQL 查询的关系数据库管理员来说就是一个新的挑战了。

4.2 对分布式的支持

MongoDB 对大型网站的最大吸引力也许来源于其对分布式部署的支持。当今互联网最流行的数据库 MySQL 在网站扩大到一定规模之后就会遇到扩展瓶颈，解决方案通常是分表分库、配置主从数据库。很多互联网开拓者前仆后继的为数据库扩展性奋斗，留下了一页页的宝 贵经验。

既然年复一年的有人为同一个问题奋斗，为什么不将这些问题在数据库层面就解决了呢？而 MongoDB 的优势之一就是内建对分布式的支持。

不过我没有组建数据库群集的需求，所以还未阅读这方面的文档。

5. 总结

没有银弹，这个教诲已经提过太多。由于缺乏对事务的支 持，MongoDB 不太适用于金融等行业的关键部分（我想也没有这个人群来看我博客吧）。但对于现在要应对海量细信息的 web 网站来说，MongoDB 可能恰好出现在了正确的时代。NoSQL 的无模式，能让网站开发的迭代更轻盈；MongoDB 对分布式的支持，可以缓解网站快速成长时在数据库端的瓶颈疼痛。

不要激进的用 NoSQL 替代所有 MySQL 应用，激进的 NoSQL 化只会像5年前的 all rewrite by RoR 浪潮一样，耗费不必要的精力。但在新项目开发之初，可以考虑是否更适合使用 NoSQL。而我，已经打算在下一个 web 项目里面使用 MongoDB。