| id | user_id | blog_id |
| 0 | 0 | 0 |
| 1 | 0 | 1 |
壞處：
破壞數(shù)據(jù)完備性。由于ID是主鍵，在數(shù)據(jù)模型上沒有約束來保證不出現(xiàn)重復(fù)的user_id,blog_id對(duì)。一旦數(shù)據(jù)出現(xiàn)重復(fù)，更新刪除都是問題。索引過多。由于是關(guān)系表，必須在user_id和blog_id上面分別建一個(gè)索引。影響性能。
解決方案：使用文檔數(shù)據(jù)庫典型的處理多對(duì)多的辦法。不是建立一張關(guān)系表，而是在其中一個(gè)文檔(如User)中，加入一個(gè)List字段。
| user_id | user_name | blog_id[] | …… |
| 0 | Jake | 0,1 | …… |
| 1 | Rose | 1,2 | …… |
問題二:沒有區(qū)分"一對(duì)多關(guān)系"和“多對(duì)一關(guān)系”癥狀：關(guān)系模型不區(qū)分“一對(duì)多”和“多對(duì)一”，對(duì)于文檔數(shù)據(jù)庫來講，關(guān)系模型只有“多對(duì)一”。就像這張Comment表：
| comment_id | user_id | content | …… |
| 0 | 0 | “NoSQL反模式是好文章” | …… |
| 1 | 0 | “是啊” | …… |
如果整個(gè)模型都是這樣的“多對(duì)一”關(guān)系就需要反思了。
壞處：
額外索引。如果客戶端已知user_id,需要獲得User信息和Comment信息，需要執(zhí)行兩次查詢。其中一次查詢需要使用索引。并且要在客戶端自己Join。這樣可能有潛在性能問題。
解決方案：問題的核心在于是已知user_id查詢兩張表，還是已知comment_id查詢兩張表。如果是已知comment_id這樣的設(shè)計(jì)就是合理的，但是如果是已知user_id來查詢，把關(guān)系放在user表里的設(shè)計(jì)更合理一些。
| user_id | user_name | comment_id[] | …… |
| 0 | Jake | 0,1 | …… |
| 1 | Rose | 1,2 | …… |
這樣的設(shè)計(jì)，就可以避免一個(gè)索引。同理，對(duì)于多對(duì)多也是一樣的，通過合理的安排字段的位置可以避免索引。
正確使用的場合：
關(guān)系型模型是非常成功的數(shù)據(jù)模型，合理的沿用是非常好的。但是由于文檔數(shù)據(jù)庫的特點(diǎn)，需要適當(dāng)?shù)恼{(diào)整，這樣得出的數(shù)據(jù)模型，盡管性能不是最優(yōu)，但是有最好的靈活性。并且也有利于和關(guān)系數(shù)據(jù)庫轉(zhuǎn)換。
反模式二：處處引用客戶端Join
癥狀：數(shù)據(jù)庫設(shè)計(jì)中充滿了xx_id的字端，在查詢的時(shí)候需要大量的手動(dòng)Join操作。就涉及到了這個(gè)反模式。正如上面提到的博客的關(guān)系模型，如果已知blog_id查詢comments，需要至少執(zhí)行3次查詢，并且手動(dòng)Join。
壞處：
手動(dòng)Join，麻煩且易出錯(cuò)。文檔數(shù)據(jù)庫不支持Join且沒有外鍵保證。因此需要在客戶端Join，這樣的操作對(duì)于軟件開發(fā)來講是比較繁瑣的。由于沒有外鍵保證，因此不能保證取得的ID在數(shù)據(jù)庫里面是有數(shù)據(jù)的。在處理的時(shí)候需要不斷判斷，容易出錯(cuò)。多次查詢。如果引用過多，查詢的時(shí)候需要多次查詢才能查到足夠的數(shù)據(jù)。本來文檔數(shù)據(jù)庫是很快的，但是由于多次查詢，給數(shù)據(jù)庫增加了壓力，獲取全部數(shù)據(jù)的時(shí)間也會(huì)增加。事務(wù)處理繁瑣。文檔數(shù)據(jù)庫一般不支持一般意義上事務(wù)，只支持行鎖。如果文檔數(shù)據(jù)庫有給多個(gè)連接。在插入的時(shí)候，事務(wù)的處理就是噩夢(mèng)。在文檔數(shù)據(jù)庫中使用事務(wù)，需要使用行鎖，在進(jìn)行大量的處理。太過繁瑣，感興趣的讀者可以搜一下。
解決方案：適當(dāng)使用內(nèi)聯(lián)數(shù)據(jù)結(jié)構(gòu)。由于文檔數(shù)據(jù)庫支持更復(fù)雜的數(shù)據(jù)結(jié)構(gòu)可以將引用轉(zhuǎn)換為內(nèi)聯(lián)的數(shù)據(jù)，而不用新建一張表。這樣做可以解決上面的一些問題，是一個(gè)推薦的方案。就像上面博客的例子一樣。將五張表簡化成了兩張表。那什么時(shí)候使用內(nèi)聯(lián)呢？一般認(rèn)為
使用內(nèi)聯(lián)可以解決讀性能問題，明顯減少Q(mào)uery的次數(shù)的時(shí)候。可以簡化數(shù)據(jù)模型，化簡表之間的關(guān)系，而同時(shí)不會(huì)影響靈活性的時(shí)候。事務(wù)可以得到簡化為單行事務(wù)的時(shí)候正確使用的場合：
范式化的使用場景，文檔數(shù)據(jù)庫會(huì)被多個(gè)應(yīng)用使用。由于數(shù)據(jù)庫設(shè)計(jì)無法估計(jì)多個(gè)應(yīng)用現(xiàn)在及將來的查詢情況，需要極大的靈活性。在這個(gè)時(shí)候，使用引用比內(nèi)聯(lián)靠譜。
反模式三 濫用內(nèi)聯(lián)后患無窮
問題一 妨礙到查詢的內(nèi)聯(lián)癥狀：頻繁查詢一些內(nèi)聯(lián)字段，丟棄其他字段。
壞處：
無ID約束：使用內(nèi)聯(lián)字段和引用不同，是沒有ID約束的。因此不能通過ID(主鍵)來管理，如果經(jīng)常需要單獨(dú)操作內(nèi)聯(lián)對(duì)象會(huì)非常不便。索引泛濫：如果以內(nèi)聯(lián)字段為條件進(jìn)行查詢，需要建立索引。有可能造成索引泛濫。性能浪費(fèi)：大部分文檔數(shù)據(jù)庫的實(shí)現(xiàn)是按行存儲(chǔ)的，也就意味著，盡管只查詢一個(gè)字段，但是DB需要將整行從磁盤中取出。如果字段夠小，文檔夠大，是很不合算的。
解決方案：如果出現(xiàn)以上的癥結(jié)，就可以考慮使用引用代替內(nèi)聯(lián)了。內(nèi)聯(lián)特性主要的用途在于提高性能，如果出現(xiàn)性能不升反降，那就沒有意義了。如果對(duì)性能有很強(qiáng)烈的要求，可以考慮使用重復(fù)數(shù)據(jù)，同樣的數(shù)據(jù)即在內(nèi)聯(lián)字段中也在引用的表里面。這樣可以結(jié)合內(nèi)聯(lián)和引用的性能優(yōu)勢。缺點(diǎn)是數(shù)據(jù)出現(xiàn)重復(fù)，維護(hù)會(huì)比較麻煩。
問題二 無限膨脹的內(nèi)聯(lián)癥狀：List,Map類型的內(nèi)聯(lián)字段不斷膨脹，而且沒有限制。就像前面提到的Blog的內(nèi)聯(lián)字段Comment。如果對(duì)每一篇Blog的Comment數(shù)量沒有限制的話，Comment會(huì)無限膨脹。輕則影響性能，重則插入失敗。
| Blog_id | content | Comment[] | …… |
| 0 | “…” | “NoSQL反模式是好文章”, “是啊”,”無限增長中”… | …… |
插入失敗。文檔數(shù)據(jù)庫的每條記錄都有最大大小，并且也有推薦最佳的大小。一般不會(huì)超過4M。就像剛剛提到的例子，如果是篇熱門的博文的話，評(píng)論的大小很容易就超過4M。屆時(shí)文檔將無法更新，新的評(píng)論無法插入。性能拖油瓶。由于內(nèi)聯(lián)字段膨脹，其大小將遠(yuǎn)遠(yuǎn)超過其他部分，影響其他部分的性能表現(xiàn)。并且因此導(dǎo)致該記錄大小頻繁變化，對(duì)檔數(shù)據(jù)庫的數(shù)據(jù)文件內(nèi)部可能因此產(chǎn)生很多碎片。
解決方案：設(shè)定最大數(shù)目或者使用引用。還是Blog和Comment的例子，可以將Comment從Blog中剝離出成一張表。如果考慮到性能，可以在Blog表中新建一個(gè)字段如最近的評(píng)論。這樣既保證了性能，又能夠預(yù)防膨脹。
| Blog_id | content | last_five_comment[] | …… |
| 0 | “…” | “NoSQL反模式是好文章”, “是啊”,”最多5條”… | …… |
壞處：
權(quán)限管理難。數(shù)據(jù)庫的權(quán)限管理的最小粒度是表。如果使用內(nèi)聯(lián)技術(shù)，就意味著內(nèi)聯(lián)部分必須和其他字段用同一個(gè)權(quán)限來管理。沒有辦法在DB級(jí)別隱藏。切表難。如果發(fā)現(xiàn)一張表的龐大需要切表。這個(gè)時(shí)候就比較糾結(jié)了。如果一刀切，partion Key的選擇；索引的失效都會(huì)成為問題。如果覺得拆為兩張表，就會(huì)很好操作的話，就是內(nèi)聯(lián)的過度使用了 。備份難。關(guān)系數(shù)據(jù)庫中每張表可以有不同的備份策略。但是如果內(nèi)聯(lián)起來，這樣的備份就做不到了。解決辦法：設(shè)計(jì)數(shù)據(jù)庫模型的時(shí)候需要考量之后的維護(hù)操作，尤其是內(nèi)聯(lián)的字段需不需要單獨(dú)的維護(hù)。需要和運(yùn)維商量。如果對(duì)內(nèi)聯(lián)的字段有單獨(dú)維護(hù)的要求，可以拆分出來作為引用。
問題四 盯死應(yīng)用的內(nèi)聯(lián)癥狀：應(yīng)用可以非常好的運(yùn)行在數(shù)據(jù)庫上。但是當(dāng)新的應(yīng)用接入的時(shí)候會(huì)很麻煩。因?yàn)樵O(shè)計(jì)數(shù)據(jù)模型的時(shí)候考慮到了查詢。所以當(dāng)有新應(yīng)用，新查詢接入的時(shí)候，就會(huì)難于使用原有的模型。
壞處：
新應(yīng)用接入難。當(dāng)新的應(yīng)用試圖使用同一個(gè)數(shù)據(jù)庫的時(shí)候，接入比較困難。因?yàn)椴樵儠r(shí)不同的，需要調(diào)整數(shù)據(jù)模型才能適應(yīng)。但是調(diào)整模型又會(huì)影響原有應(yīng)用。集成難。不同的關(guān)系型數(shù)據(jù)庫可以集成在一起，共同使用。但是對(duì)于文檔數(shù)據(jù)庫，雖然功能上可以互補(bǔ)，但是由于內(nèi)聯(lián)數(shù)據(jù)結(jié)構(gòu)的差異，也比較難于集成。ETL難?，F(xiàn)在大部分的數(shù)據(jù)分析系統(tǒng)使用的是關(guān)系模型，就連Hadoop雖然不用關(guān)系模型，但是其上的Hive的常用工具也是按關(guān)系模型設(shè)計(jì)的。
解決方案：
使用范式設(shè)計(jì)數(shù)據(jù)庫，即用引用代替內(nèi)聯(lián)。或者在使用內(nèi)聯(lián)的時(shí)候，給每個(gè)內(nèi)聯(lián)對(duì)象一個(gè)全局唯一的Key，保證其和關(guān)系模型直接可以存在映射關(guān)系，這樣可以提高數(shù)據(jù)模型的靈活性。如Blog表：
| Blog_id | content | Comment[] | …… |
| 0 | “…” | [{"id"=1,"content"=“NoSQL反模式是好文章”}, {"id"=2,"content"=“是啊”}…] | …… |
這樣的設(shè)計(jì)既可以利用到內(nèi)聯(lián)的好處，又能將其和關(guān)系模型映射起來。確定是需要手動(dòng)維護(hù)comment_id，保證其全局唯一性。
反模式四：在線計(jì)算
癥狀：有一些運(yùn)行時(shí)間很長的Query,由于有聚合計(jì)算，索引也不能解決。隨著數(shù)據(jù)量的增長，逐漸成為性能瓶頸。
壞處：
影響用戶體驗(yàn)。在線業(yè)務(wù)中，如果一個(gè)查詢大于4s，用戶體驗(yàn)會(huì)急劇下降。按主鍵和按索引的查詢都能滿足要求。但是聚合操作往往需要掃描全表或者大量的數(shù)據(jù)，隨著數(shù)據(jù)量的增加，查詢時(shí)間會(huì)變長，用戶不可容忍。影響數(shù)據(jù)庫性能。長查詢的壞處數(shù)不清。在線上應(yīng)用中，如果出現(xiàn)長查詢，可能會(huì)霸占數(shù)據(jù)的大部分資源，包括IO，連接，CPU等等。導(dǎo)致其他很好的查詢，輕則性能也下降，重者無法使用數(shù)據(jù)庫。長查詢可以稱之為DB殺手。
解決方案：首先要權(quán)衡，這個(gè)聚合操作是不是必要的，必須實(shí)時(shí)完成。如果沒有必要實(shí)時(shí)完成的話，可以采取離線操作的方案。在夜深人靜的時(shí)候，跑一個(gè)長查詢，將結(jié)果緩存起來，給第二天使用。如果必須實(shí)時(shí)完成，則可以新建一個(gè)字段，用“incr”這樣的操作，在運(yùn)行的時(shí)候，實(shí)時(shí)聚合結(jié)果。而不是查詢的時(shí)候執(zhí)行一次長查詢。如果邏輯比較復(fù)雜，或者覺得大量“incr”操作給數(shù)據(jù)庫系統(tǒng)帶來了壓力，可以使用Storm之類的實(shí)時(shí)數(shù)據(jù)處理框架?？傊?，要慎用長查詢。
反模式五：把內(nèi)聯(lián)Map對(duì)象的Key當(dāng)作ID用
癥狀：文檔數(shù)據(jù)庫支持內(nèi)聯(lián)Map類型。將其中Map的Key當(dāng)作數(shù)據(jù)庫的主鍵來用。
| Blog_id | content | Comment{} | …… |
| 0 | “…” | {"1"=“NoSQL反模式是好文章”, "2"=“是啊”} | …… |
壞處：
無法通過數(shù)據(jù)庫做各種(>=)查詢。對(duì)于關(guān)系型數(shù)據(jù)庫來說，雖然數(shù)據(jù)結(jié)構(gòu)可以很靈活，但查詢的時(shí)候都是按層次的。比如comment.id，comment.content。也就是說其Map類型中的Key可以理解為屬性名的，而不是用作ID。因此一旦這樣使用，就脫離的數(shù)據(jù)庫管制，無法使用各種查詢功能。無法通過索引查詢。文檔數(shù)據(jù)可建立索引是需要列名的。比如comment.id。而這樣的數(shù)據(jù)結(jié)構(gòu)沒有固定的列名，因此無法建立索引。
解決方案：使用數(shù)組+Map來解決。如：
| Blog_id | content | Comment[] | …… |
| 0 | “…” | [{"id"=1,"content"=“NoSQL反模式是好文章”}, {"id"=2,"content"=“是啊”}…] | …… |
反模式六：不合理的ID
癥狀：使用String甚至更復(fù)雜數(shù)據(jù)結(jié)構(gòu)作為的ID，或者全部使用數(shù)據(jù)庫提供的自生成ID。如：
| id(該ID系系統(tǒng)自生成） | Blog_id | content | …… |
| 0 | 0 | ... | …… |
ID混亂。如果使用數(shù)據(jù)庫提供的自生成ID，同時(shí)表中還有一個(gè)類似有主鍵含義的Blog_id，這樣很不好，容易造成邏輯混亂。由于文檔數(shù)據(jù)庫不支持ID的重命名，習(xí)慣關(guān)系數(shù)據(jù)庫做法的人可能會(huì)再建立一個(gè)自己的邏輯ID字段。這是沒有必要的。索引龐大，性能低下。ID是數(shù)據(jù)庫的非常重要的部分。ID的長度將決定索引(包括主鍵的索引)的大小，直接影響到數(shù)據(jù)庫性能。如果索引比內(nèi)存小，性能會(huì)很好。但一旦索引大小超過內(nèi)存，出現(xiàn)數(shù)據(jù)交換，性能會(huì)急劇下降。一個(gè)Long占8字節(jié)，一個(gè)20個(gè)字符的UTF8 String占用約60個(gè)字節(jié)。相差10倍之巨，不能不考慮。
解決方案：盡量使用有一定意義的字段做ID，并且不在其他字段中重復(fù)出現(xiàn)。不使用復(fù)雜的數(shù)據(jù)類型做ID，只使用int,long或者系統(tǒng)提供的主鍵類型做ID。
文檔數(shù)據(jù)庫的反模式總結(jié)
闡述了這么多的反模式，下面有個(gè)一覽表，涵蓋了上面所有的反模式。這個(gè)一覽表，是按照文檔數(shù)據(jù)庫模型建立的。是個(gè)文檔數(shù)據(jù)庫模型的例子。
| ID | 反模式名 | 問題 |
| 0 | 存在描述多對(duì)多的關(guān)系表 | [{ID：00 癥狀：文檔數(shù)據(jù)庫中存儲(chǔ)在有純粹的關(guān)系表 壞處：[破壞數(shù)據(jù)完備性，索引過多] 解決方案：加入一個(gè)List字段 },{ ID：01 癥狀：關(guān)系模型不區(qū)分“一對(duì)多”和“多對(duì)一” 壞處：額外索引 解決方案：合理的安排字段的位置 }] |
| 1 | 處處引用客戶端Join | [{ ID：10 癥狀：查詢的時(shí)候需要大量的手動(dòng)Join操作 壞處：[手動(dòng)Join，多次查詢, 事務(wù)處理繁瑣] 解決方案：適當(dāng)使用內(nèi)聯(lián)數(shù)據(jù)結(jié)構(gòu)。 }] |
| 2 | 濫用內(nèi)聯(lián)后患無窮 | [{ ID：20 癥狀：頻繁查詢一些內(nèi)聯(lián)字段，丟棄其他字段 壞處：[無ID約束，索引泛濫, 性能浪費(fèi)] 解決方案：使用引用代替內(nèi)聯(lián)了,允許重復(fù)數(shù)據(jù) },{ ID：21 癥狀：List,Map類型的內(nèi)聯(lián)字段不斷膨脹，而且沒有限制 壞處：[插入失敗, 性能拖油瓶] 解決方案：設(shè)定最大數(shù)目或者使用引用。 },{ ID：22 癥狀：DBA想單獨(dú)維護(hù)內(nèi)聯(lián)字段，但無法做到 壞處：[權(quán)限管理難, 切表難, 備份難] 解決方案：設(shè)計(jì)數(shù)據(jù)庫模型的時(shí)候需要考量之后的維護(hù)操作 },{ ID：23 癥狀：應(yīng)用可以非常好的運(yùn)行在數(shù)據(jù)庫上。但是當(dāng)新的應(yīng)用接入的時(shí)候會(huì)很麻煩。內(nèi)聯(lián)盯死了應(yīng)用 壞處：[新應(yīng)用接入難, 集成難, ETL難] 解決方案：使用范式設(shè)計(jì)數(shù)據(jù)庫，即用引用代替內(nèi)聯(lián)。保證其和關(guān)系模型直接可以存在映射關(guān)系 }] |
| 3 | 在線計(jì)算 | [{ ID：30 癥狀：有一些運(yùn)行時(shí)間很長的Query, 逐漸成為性能瓶頸。 壞處：[影響用戶體驗(yàn)，影響數(shù)據(jù)庫性能] 解決方案：取消不必要的聚合操作. 運(yùn)行的時(shí)候，實(shí)時(shí)聚合結(jié)果.使用第三方實(shí)時(shí)或非實(shí)時(shí)工具。如Hadoop，Storm. }] |
| 4 | 把內(nèi)聯(lián)Map對(duì)象的Key當(dāng)作ID用 | [{ ID：40 癥狀：文檔數(shù)據(jù)庫支持內(nèi)聯(lián)Map類型。將其中Map的Key當(dāng)作數(shù)據(jù)庫的主鍵來用。 壞處：[無法通過數(shù)據(jù)庫做各種(>""" =)查詢，無法通過索引查詢] 解決方案：使用數(shù)組+Map來解決。 }] |
| 5 | 不合理的ID | [{ ID：50 癥狀：用String甚至更復(fù)雜數(shù)據(jù)結(jié)構(gòu)作為的ID，或者全部使用數(shù)據(jù)庫提供的自生成ID。 壞處：[ID混亂，索引龐大] 解決方案：盡量使用有一定意義的字段做ID。不使用復(fù)雜的數(shù)據(jù)類型做ID。 }] |
本文試圖總結(jié)了筆者知道的重要的文檔數(shù)據(jù)庫的反模式?，F(xiàn)在關(guān)于NoSQL數(shù)據(jù)模型設(shè)計(jì)模式的討論才剛剛起步，將來也許會(huì)逐漸自成體系。對(duì)于列數(shù)據(jù)庫和Key-Value的反模式，筆者等到有了足夠積累的時(shí)候，再和大家分享。
標(biāo)簽：吉安 丹東 本溪 鶴崗 邯鄲 昭通 大理 景德鎮(zhèn)
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《NoSQL反模式 - 文檔數(shù)據(jù)庫篇》，本文關(guān)鍵詞 NoSQL,反,模式,文檔,數(shù)據(jù)庫,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。
