Το MongoDB μοντελοποιεί σχέσεις (one-to-one, one-to-many, many-to-many) μέσω embedding ή referencing — η επιλογή εξαρτάται από την καρδιναλιότητα της σχέσης, από το πώς προσπελαύνονται τα δεδομένα, και αν είναι κοινόχρηστα. Σε αντίθεση με την ομοιόμορφη προσέγγιση των ξένων κλειδιών του SQL, το MongoDB προσφέρει ευελιξία ανά σχέση.
{ : (), : , : { : , : } }
// ONE-TO-FEW → embed (bounded, accessed together)
{ _id: ObjectId("..."), name: "Ann", addresses: [ {...}, {...} ] } // a few addresses
// ONE-TO-MANY → reference (the "many" side references the "one")
// authors collection: { _id: "a1", name: "Ann" }
// books collection: { _id: "b1", authorId: "a1", title: "..." } // each book references its author
// ONE-TO-SQUILLIONS (huge/unbounded) → ALWAYS reference (never embed unbounded data)
// e.g. a user with millions of log entries → separate collection, reference by userId
Η βασική λεπτομέρεια: one-to-few (embed), one-to-many (reference από την πλευρά του many), one-to-squillions (πάντα reference — ποτέ μην embed απεριόριστα δεδομένα, λόγω του ορίου 16MB ανά έγγραφο και του κόστους απόδοσης).
// reference with an array of ids (on one or both sides)
{ _id: "s1", name: "Student", courseIds: ["c1", "c2"] } // student → courses
{ _id: "c1", name: "Course", studentIds: ["s1", "s2"] } // course → students (optional)
// → query and $lookup to resolve; or a separate "enrollments" collection (junction-like)
Το many-to-many χρησιμοποιεί πίνακες με αναφερόμενα ids (στη μία ή και στις δύο πλευρές), ή μια ξεχωριστή συλλογή τύπου junction για πλούσιο δεδομένα σχέσης.
// join referenced data when needed
db.books.aggregate([
{ $lookup: { from: "authors", localField: "authorId", foreignField: "_id", as: "author" } }
]);
Η μοντελοποίηση σχέσεων είναι θεμελιώδης για το σχεδιασμό βάσεων δεδομένων, και η εύκαμπτη προσέγγιση του MongoDB που βασίζεται στα πρότυπα πρόσβασης είναι διαφορετική από τα ομοιόμορφα ξένα κλειδιά του SQL, γι' αυτό η κατανόηση του πώς να μοντελοποιήσεις σχέσεις στο MongoDB είναι απαραίτητη για τον σχεδιασμό αποτελεσματικών σχημάτων.
Η βασική ιδέα είναι ότι το MongoDB μοντελοποιεί σχέσεις μέσω embedding ή referencing με βάση τα χαρακτηριστικά της σχέσης — και η κατανόηση του πώς η καρδιναλιότητα επηρεάζει την επιλογή είναι η κρίσιμη δεξιότητα: one-to-one (συνήθως embed — προσπελαύνονται μαζί), one-to-many με τις σημαντικές λεπτομέρειές του (one-to-few → embed για περιορισμένα δεδομένα που προσπελαύνονται μαζί; one-to-many → reference από την πλευρά του many; one-to-squillions → πάντα reference, ποτέ embedding απεριόριστων δεδομένων λόγω του ορίου 16MB ανά έγγραφο και του κόστους απόδοσης), και many-to-many (πίνακες αναφερόμενων ids, ή συλλογή τύπου junction).
Η λήψη αποφάσεων με βάση την καρδιναλιότητα (ιδιαίτερα η αναγνώριση του πότε τα δεδομένα είναι πολύ μεγάλα/απεριόριστα για να embedded) είναι απαραίτητη για την αποφυγή κοινών λαθών όπως το embedding απεριόριστων πινάκων (φούσκωμα εγγράφων, πρόσκρουση σε όρια) ή η υπερ-αναφορά δεδομένων που θα έπρεπε να είναι embedded.
Η κατανόηση του πώς να ανακτήσεις αναφορές με $lookup όταν απαιτούνται joins ολοκληρώνει την εικόνα.
Επειδή οι σχέσεις μεταξύ οντοτήτων είναι εγγενείς στα περισσότερα μοντέλα δεδομένων, και επειδή η εύκαμπτη προσέγγιση του MongoDB ανά σχέση (embed vs reference με βάση την καρδιναλιότητα και τα πρότυπα πρόσβασης) είναι θεμελιακά διαφορετική και πιο περίπλοκη από τα ομοιόμορφα ξένα κλειδιά του SQL, η κατανόηση του πώς να μοντελοποιήσεις σχέσεις στο MongoDB — οι αποφάσεις embedding/reference με βάση την καρδιναλιότητα (ιδιαίτερα η διάκριση one-to-few/many/squillions) και η ανάλυση αναφορών — είναι απαραίτητη γνώση που εφαρμόζεται συχνά για τον αποτελεσματικό σχεδιασμό σχημάτων MongoDB, χτίζοντας πάνω στα θεμελιώδη embed/reference για την αντιμετώπιση των σχέσεων που έχει κάθε πραγματική εφαρμογή, και ένα βασικό σημείο που διακρίνει την ορθή μοντελοποίηση MongoDB από τις αφελείς μεταφορές σχεσιακών βάσεων.