博客
关于我
mongo笔记07( MongoDB 关系)
阅读量:498 次
发布时间:2019-03-07

本文共 951 字,大约阅读时间需要 3 分钟。

MongoDB中的关系类型与数据表达方式

在MongoDB中,文档之间可以建立多种关系,这些关系可以通过嵌入和引用两种方式实现。了解不同关系类型及其适用场景,有助于合理设计数据库架构。

1:1关系(One-to-One)这种关系适用于父子级的数据关系。例如,可以选择将地址嵌入到用户文档中。这种方式保持数据在一个文档中,便于操作。

1:N关系(One-to-Many)当一个用户拥有多个地址时,选择嵌入式方式存储地址。例如,用户的contact字段可以直接包含多个地址。这种方式适合频繁查询地址列表的情况。

N:1关系(Many-to-One)通常用于关联参考数据。例如,可以将地址的《id》作为引用字段存储在用户文档中。这种方式适合需要查询经常访问地址信息的场景。

N:N关系(Many-to-Many)这种关系适用于需要双向关联的场景。例如,可以将用户地址的《id》放在两个文档中独立存储,并通过联合索引等方式实现关联。

关系方式选择的关键在于数据的使用场景。嵌入式方式优点是查询简单,但缺点是数据冗余,难以维护。引用式方式则适用于逆向查询和数据独立存储的需求。

典型案例:用户与地址关系假设我们有User和Address两个集合:

用户集合:{"_id": ObjectId(),"name": "Tom Benzamin","contact": "987654321","dob": "01-01-1991","address_ids": [ObjectId()]}

地址集合:{"_id": ObjectId(),"building": "22 A, Indiana Apt","pincode": 123456,"city": "Los Angeles","state": "California"}

通过这种方式,用户文档直接引用地址的《id》,反向查询则需要在地址文档中建立索引。这种设计既节省存储空间,又提高了查询效率。

dehydration这个概念是数据库性能优化的关键点。插入式存储在本地文档中,查询则需要解除嵌入关系。这在填充缓存或构建前台视图时特别重要。

合理选择关系类型和存储方式,对于数据库性能和架构的设计都有重要影响。在实际项目中,需要根据具体需求评估哪种方式更适合。

转载地址:http://jxzjz.baihongyu.com/

你可能感兴趣的文章
Pandas 读取具有浮点值的 csv 文件会导致奇怪的舍入和小数位数
查看>>
pandas 适用,但仅适用于满足条件的行
查看>>
pandas 重新采样到每月的特定工作日
查看>>
pandas :我如何对堆叠的条形图进行分组?
查看>>
pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
查看>>
pandas :检测一个DF和另一个DF之间缺失的列
查看>>
Pandas-从具有嵌套列表列表的现有列创建动态列时出错
查看>>
Pandas-通过对列和索引的值求和来合并两个数据框
查看>>
pandas.columns、get_dummies等用法
查看>>
pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
查看>>
pandas.read_csv()的详解-ChatGPT4o作答
查看>>
PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
查看>>
pandas100个骚操作:再见 for 循环!速度提升315倍!
查看>>
Pandas:如何根据其他列值的条件对列进行求和?
查看>>
Pandas:对给定列求和 DataFrame 行
查看>>
Pandas、Matplotlib、Pyecharts数据分析实践
查看>>
Pandas中文官档~基础用法2
查看>>
Pandas中文官档~基础用法5
查看>>
Pandas中文官档~基础用法6
查看>>
Pandas中的GROUP BY AND SUM不丢失列
查看>>