¿Cuál es la diferencia entre embedding y referencing?

Question

Accepted Answer

**Embedding** almacena datos relacionados *dentro* de un documento (anidado); **referencing** los almacena en documentos *separados* vinculados por id. Esta es la decisión de modelado central en MongoDB, con diferentes compensaciones para rendimiento de lectura, tamaño de datos y complejidad de actualización.

## Embedding — anidado dentro del documento

```js
{
  _id: ObjectId("..."),
  title: "My Post",
  author: { name: "Ann", email: "ann@x.com" },   // EMBEDDED author
  comments: [                                      // EMBEDDED comments
    { user: "Bob", text: "Great!" },
    { user: "Carol", text: "Thanks" }
  ]
}
// ✓ ONE query gets the post + author + comments (fast, atomic)
// ✗ if author info changes, must update it in every post embedding it (duplication)
// ✗ document grows with comments → could hit the 16MB limit if unbounded
```

## Referencing — documentos separados vinculados por id

```js
// posts collection
{ _id: ObjectId("p1"), title: "My Post", authorId: ObjectId("u1") }
// users collection
{ _id: ObjectId("u1"), name: "Ann", email: "ann@x.com" }
// comments collection
{ _id: ObjectId("c1"), postId: ObjectId("p1"), user: "Bob", text: "Great!" }

// ✓ author/comments stored ONCE, updated in one place; no document-size issues
// ✓ each entity managed independently
// ✗ need multiple queries or $lookup to combine (slower reads for related data)
```

## Las compensaciones lado a lado

```text
                  Embedding                    Referencing
Reads             ✓ fast (one query)           ✗ multiple queries / $lookup
Data duplication  ✗ duplicated (update many)   ✓ stored once
Document size     ✗ grows (16MB limit risk)    ✓ no size concern
Updates           ✗ update in every copy       ✓ update in one place
Atomicity         ✓ atomic (single document)   ✗ across documents
Best for          contains, accessed-together  shared, large, independent, many
```

## Un enfoque híbrido (común)

```js
// embed a SUBSET for fast reads, reference for the full data
{ title: "Post", author: { _id: ObjectId("u1"), name: "Ann" } }  // enough for display
// → reference (author._id) for full details when needed; embed name for the common read
```

## Por qué es importante

Entender embedding vs referencing es la **habilidad central del modelado de datos de MongoDB**, por lo que es conocimiento esencial para diseñar aplicaciones MongoDB efectivas.

Esta decisión — almacenar datos relacionados dentro de un documento (embedding) vs en documentos separados vinculados (referencing) — determina directamente el rendimiento de lectura, la consistencia de datos, el tamaño del documento y la complejidad de actualización de una aplicación, lo que la convierte en la decisión de diseño más importante en MongoDB.

Entender las **compensaciones** es clave: **embedding** proporciona lecturas rápidas de consulta única de datos relacionados y actualizaciones atómicas (adecuadas para relaciones "contiene", datos accedidos juntos, sub-datos acotados) pero causa duplicación (complejidad de actualización si los datos se comparten) y crecimiento del documento (riesgo del límite de 16MB si no está acotado); **referencing** almacena datos una sola vez (actualizaciones fáciles, sin duplicación, sin problemas de tamaño, gestión independiente) pero requiere múltiples consultas o `$lookup` para combinar (lecturas más lentas de datos relacionados).

Saber cuál se adapta a cada escenario — embeber para datos acotados, propios, accedidos juntos; referenciar para datos grandes, compartidos, independientes o muchas relaciones — es el juicio de modelado esencial.

Entender el común **enfoque híbrido** (embedding de un subconjunto para lecturas rápidas mientras se referencia para datos completos — obteniendo lo mejor de ambos) refleja un diseño sofisticado.

Ya que esta decisión afecta profundamente la calidad de las aplicaciones MongoDB (las decisiones incorrectas causan consultas lentas, documentos inflados o actualizaciones dolorosas), y ya que es la habilidad de modelado fundamental y distintiva de MongoDB (sin equivalente directo en SQL — SQL normaliza por defecto), entender embedding vs referencing — las compensaciones, cuándo usar cada uno y enfoques híbridos — es conocimiento esencial de alto valor que está en el corazón del modelado de datos MongoDB efectivo y uno de los temas MongoDB más importantes y frecuentemente discutidos, central para diseñar esquemas que funcionen bien para los patrones de acceso de una aplicación.