MongoDB多列数据结构

业务需求

基于电影票售卖渠道的价格存储，某场次电影，不同销售渠道对应不同的价格。

业务分解

schedule场次
movie 影片
channel 渠道：不同渠道对应不同价格，渠道数据有限最多几十个。
price 价格

查询业务

根据场次查询某渠道的价格
根据渠道查询对应场次信息

解决方案1

{
  schedule:'001',
  movie:'王者归来',
  price:{'gewala':30, 'maoyan':29, 'taopiao':32}
}

数据表达上无字段冗余非常紧凑，那么业务查询能力呢？

根据电影场次查询某渠道的价格

# 建立索引 
> createIndex({shedule:1, movie:1})

可定位到唯一文档，对price没有创建索引优化，查询效率一般。

根据渠道查询对应的场次

为优化查询需对每个渠道分别建立索引

# 建立索引
> createIndex({price.gewala:1})
> createIndex({price.maoyan:1})
> createIndex({price.taopiao:1})

问题是渠道会虽然固定但会变化，为支持此种查询，想想维护起来是异常噩梦。

解决方案2

{
  schedule:'001',
  movie:'王者归来',
  channel:'gewala',
  price:30
}
{
  schedule:'001',
  movie:'王者归来',
  channel:'maoyan',
  price:29
}
{
  schedule:'001',
  movie:'王者归来',
  channel:'taopiao',
  price:32
}

相比方案1，方案2将整个存储对象结构进行扁平化处理，变成了表的结构，传统关系数据库多采用此种类型的方案。

信息表达上，把一个对象按渠道维度拆分成多个，其它字段进行冗余存储。

若业务需求在复杂点，造成的冗余信息膨胀非常巨大，膨胀后带来的副作用是磁盘空间占用上升，内存命中率降低等缺点。

查询处理

根据场次查询某渠道价格

# 建立索引
> createIndex({schedule:1, movie:1, channel:1})

根据渠道查询对应场次信息

# 建立索引
> createIndex({channel:1})

解决方案3

{
  shedule:'001',
  movie:'王者归来',
  provider:[
    {channel:'gewala', price:30},
    {channel:'maoyan', price:29},
    {channel:'taopiao', price:32}
  ]
}

使用MongoDB建模结果中的数组，查询方面可建立 Multikey Index索引。

根据渠道查询某渠道的价格

# 建立索引
> createIndex({schdule:1, movie:1, provider.channel:1})

根据渠道查询对应场次信息

# 建立索引
> createIndex({provider.channel:1})

开发人员在进行建模时会受到传统数据库的思想影响，沿用之前的思维惯性，而忽视了“文档”的价值。

最后编辑于：2017.11.28 18:50:17