MongoDB స్కీమా డిజైన్ ఒక ముఖ్య నిర్ణయం చుట్టూ ఆధారపడుతుంది: embedding (సంబంధిత డేటాను డాక్యుమెంట్ లోపల నిల్వ చేయడం) వర్సెస్ referencing (సంబంధిత డేటాను ప్రత్యేక డాక్యుమెంట్లు/కలెక్షన్లలో సూచనలతో నిల్వ చేయడం). SQL యొక్క normalize-by-default కాకుండా, MongoDB డిజైన్ డేటా ఎలా ప్రాప్తం చేయబడుతుందో దానికి ఆప్టిమైజ్ చేస్తుంది.
{
: (),
: ,
: { : , : },
: [
{ : , : },
{ : , : }
]
}
Embedding సంబంధిత డేటాను ఒక డాక్యుమెంట్లో ఉంచుతుంది — దీన్ని ఒకే ప్రశ్నలో చదవండి (వేగవంతమైనది, కనెక్షన్లు లేవు). కలిసి ప్రాప్త చేయబడిన డేటా మరియు "contains" సంబంధాలకు మంచిది.
// store a reference (id) to a document in another collection
{ _id: ObjectId("u1"), name: "Ann" } // users collection
{ _id: ObjectId("o1"), userId: ObjectId("u1"), product: "Phone" } // orders collection
// → query orders by userId; use $lookup to join when needed
Referencing డేటాను ప్రత్యేకంగా నిల్వ చేస్తుంది మరియు id ద్వారా లింక్ చేస్తుంది (иностранный ключ లాగా) — ప్రత్యేకంగా ప్రశ్న చేయండి లేదా $lookup తో జోయిన్ చేయండి.
EMBED when:
✓ data is accessed TOGETHER (read the parent → you want the children)
✓ a "contains"/ownership relationship (address, order line items)
✓ the embedded data is bounded (not unboundedly growing)
✓ one-to-few relationships
REFERENCE when:
✓ data is large or grows UNBOUNDEDLY (avoid huge documents — 16MB doc limit!)
✓ data is accessed/updated INDEPENDENTLY
✓ many-to-many or one-to-many with many
✓ the same data is shared/referenced by many documents (avoid duplication)
MongoDB schema design is driven by HOW YOU QUERY the data, not pure normalization:
→ Structure data so common queries are efficient (often a single document read).
→ "Data that is accessed together should be stored together."
→ This may mean DENORMALIZING (some duplication) for read efficiency — acceptable
in MongoDB, traded against update complexity.
MongoDB లో స్కీమా డిజైన్ విమర్శనాత్మకంగా ముఖ్యమైనది — ఇది SQL లో కంటే భిన్నంగా ఉంటుంది మరియు ఆరోపితంగా మరింత ఫలితాలను కలిగి ఉంటుంది, ఎందుకంటే MongoDB యొక్క సరళ డాక్యుమెంట్ మోడల్ మీకు పనితీరు మరియు నిర్వహణకు గణనీయంగా ప్రభావితం చేసే ఎంపికలను ఇస్తుంది, కాబట్టి ఇది నిర్ణయాత్మక MongoDB అనువర్తనాలను రూపొందించడానికి అవసరం.
కేంద్ర నిర్ణయం — embedding వర్సెస్ referencing — నిర్వచించే MongoDB డిజైన్ ఎంపిక: embedding (డాక్యుమెంట్ లోపల సంబంధిత డేటాను నిల్వ చేయడం) సంబంధిత డేటా యొక్క వేగవంతమైన ఒకే-ప్రశ్న చదవడిని (కనెక్షన్లు లేవు) ప్రారంభ చేస్తుంది మరియు కలిసి ప్రాప్త చేయబడిన డేటా మరియు "contains" సంబంధాలకు సరిపోతుంది, రీఫারెన్సింగ్ (ఐడి ద్వారా ప్రత్యేక డాక్యుమెంట్లను లింకింగ్) పెద్ద/అపరిమితమైన డేటా, స్వతంత్రంగా-ప్రాప్త చేయబడిన డేటా, మరియు భాగస్వామ్య/అనేక సంబంధాలకు సరిపోతుంది.
ప్రతిది ఎప్పుడు ఉపయోగించాలో అర్థం చేసుకోవడం (సరిహద్దు, కలిసి-ప్రాప్త చేయబడిన, స్వంత డేటా కోసం embed చేయండి; పెద్ద/పెరుగుతున్న, స్వతంత్ర, ఆధిపత్య, లేదా అనేక సంబంధాల కోసం reference చేయండి — మరియు MongoDB యొక్క 16MB డాక్యుమెంట్ సైజ్ పరిమితిని గమనించండి) చాలా ముఖ్యమైన నైపుణ్యం.
సర్వీసపరమైనంగా, నిర్దేశించే సూత్రం — ప్రాప్తి నమూనాల కోసం డిజైన్ చేయండి (డేటాను మీరు దీనిని ఎలా ప్రశ్న చేస్తారు చుట్టూ నిర్మించండి, తద్వారా సాధారణ ప్రశ్నలు సమర్థవంతమైనవి, తరచుగా ఒకే డాక్యుమెంట్ చదవడం, SQL లాగా సాధారణీకరించడానికి బదులుగా) — అర్థం చేసుకోవడం మంచి MongoDB స్కీమా డిజైన్ను వేరుచేస్తుంది.
ఇది కొన్ని denormalization (నకలు) చదవడం సామర్థ్యం కోసం అంగీకరించడం అర్థం కూడా చేసుకోవాలి, ఇది నవీకరణ సంక్లిష్టతకు వ్యతిరేక వర్తకం, MongoDB లో ఏదేవైనా మరియు తరచుగా సరిగ్గా ఉంటుంది.
स्कีमा డిజైన్ MongoDB అనువర్తన పనితీరు మరియు నిర్వహణపై లోతుగా ప్రభావితం చేస్తుంది (బీజ embedment/reference ఎంపిక నెమ్మదిగా ప్రశ్నలు, భారీ డాక్యుమెంట్లు, లేదా నవీకరణ సంక్లిష్టతను కలిగిస్తుంది), మరియు ప్రాప్తి-నమూనా-ఆధారిత, embed-vs-reference విధానం నిర్దేశించడం SQL సాధారణీకరణ నుండి ప్రాథమికంగా భిన్నంగా ఉంటుంది, MongoDB స్కీమా డిజైన్ — embed/reference నిర్ణయం, ఎప్పుడు ప్రతిది ఉపయోగించాలి, మరియు ప్రాప్తి నమూనాల కోసం డిజైన్ చేయడం — నిర్దేశించడం, అధిక-విలువ నిపుణ చదరంగం నిర్మాణాలను నిర్మించడానికి అవసరమైన ఎక్కువ ఆయా MongoDB విషయాలలో నుండి నిర్విభజకారీ డిజైన్కూ నిర్భయ సంబంధిత డిజైన్ నుండి వేరుచేస్తుంది.