Jaké jsou běžné vzory modelování dat v MongoDB?

Question

Accepted Answer

Kromě základního rozhodnutí mezi vkládáním a referencováním má MongoDB etablované **vzory modelování dat** — prověřená řešení pro běžné scénáře, jako jsou velká pole, polymorfní data a vztahy. Jejich znalost vám pomůže navrhnout efektivní schémata pro reálné situace.

## Vzor Bucket — seskupování dat časových řad/souvisejících dat

```js
// instead of one document per reading (millions of tiny docs), BUCKET them:
{
  sensorId: "s1",
  date: ISODate("2024-01-15"),
  readings: [                            // a day's readings in one document
    { time: "10:00", value: 23 },
    { time: "10:01", value: 24 }
  ]
}
// → fewer documents, efficient for time-series/IoT data
```

## Vzor Subset — vkládání často používané podmnožiny

```js
// embed the most-used part, reference the rest (for large related data)
{
  _id: ObjectId("..."),
  title: "Product",
  recentReviews: [ /* 5 most recent — embedded for fast display */ ],
  // full reviews live in a separate collection (referenced)
}
// → fast common reads without loading ALL related data
```

## Vzor Computed — předvýpočet a uložení

```js
// store precomputed values (avoid recomputing on every read)
{ productId: "p1", totalReviews: 1500, avgRating: 4.5 }
// → update these when reviews change; reads are fast (no aggregation needed)
```

## Vzor Extended Reference — vkládání klíčových polí reference

```js
// embed the OFTEN-NEEDED fields of a referenced document (avoid a join for common reads)
{ orderId: "o1", customer: { _id: "u1", name: "Ann", city: "NY" } }  // enough for display
// → reference customer._id for full data; embed name/city for the common read
```

## Další vzory

```text
Polymorphic    → different document shapes in one collection (with a "type" field)
Schema Versioning → a version field to handle evolving schemas in one collection
Outlier        → handle rare documents that don't fit the common pattern specially
Approximation  → store approximate values (e.g. view counts) to reduce write load
Tree/Hierarchy → patterns for hierarchical data (parent refs, arrays of ancestors, etc.)
```

## Proč je to důležité

Porozumění běžným vzorům modelování dat v MongoDB je cenné pro **navrhování efektivních schémat pro reálné scénáře**, takže jde o užitečné znalosti, které navazují na základní rozhodnutí o vkládání vs referencování.

Zatímco vkládání versus referencování je základní volba, reálné aplikace čelí opakujícím se modelovacím výzvám, které tyto prověřené vzory řeší: **vzor Bucket** (seskupování čtení časových řad/IoT do méně dokumentů — důležité pro běžný případ užití časových řad, aby se zabránilo milionům malých dokumentů), **vzor Subset** (vkládání často používané podmnožiny při referencování úplných dat — vyvážení výkonu čtení s velikostí dokumentu pro velké související data), **vzor Computed** (předvýpočet a uložení hodnot, jako jsou součty/průměry, aby se zabránilo drahému přepočítávání při čtení), **vzor Extended Reference** (vkládání často potřebných polí odkazovaných dokumentů, aby se zabránilo spojům pro běžné čtení — praktická hybridní varianta) a další (polymorfní pro různé tvary, verzování schématu pro vývoj, stromové vzory pro hierarchie).

Znalost těchto vzorů poskytuje **prověřená řešení** pro běžné scénáře místo vymýšlení nových návrhů, pomáhá vám činit informované rozhodnutí při modelování pro situace, jako jsou data časových řad, velké související kolekce, nákladné výpočty a hierarchická data.

Protože reálné aplikace MongoDB čelí těmto opakujícím se výzvám návrhu a protože etablované vzory poskytují testovaná, efektivní řešení (zlepšující výkon a udržovatelnost), pochopení běžných vzorů modelování dat v MongoDB — vzory Bucket, Subset, Computed, Extended Reference a dalších — je cenné, prakticky relevantní znalosti, které posouvají návrh schématu od základních voleb vkládání/referencování k aplikaci prověřených řešení pro reálné scénáře, odrážející zralou dovednost v návrhu MongoDB a pomáhající vytvářet schémata, která dobře fungují pro specifické přístupové vzory a charakteristiky dat aplikace.