MongoDB'de yaygın veri modelleme desenleri nelerdir?

Question

Accepted Answer

Temel embed-vs-reference kararının ötesinde, MongoDB, büyük diziler, polimorfik veriler ve ilişkiler gibi yaygın senaryolar için kanıtlanmış çözümler olan **veri modelleme desenleri**ne sahiptir. Bunları bilmek, gerçek durumlar için etkili şemalar tasarlamanıza yardımcı olur.

## Bucket deseni — zaman serileri/ilişkili verileri gruplandırma

```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
```

## Subset deseni — sık kullanılan bir alt kümesi gömme

```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
```

## Computed deseni — önceden hesapla ve sakla

```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)
```

## Extended Reference deseni — temel başvuru alanlarını gömme

```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
```

## Diğer desenler

```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.)
```

## Neden önemli

Yaygın MongoDB veri modelleme desenlerini anlamak, **gerçek dünya senaryoları için etkili şemalar tasarlamak** açısından değerlidir, bu nedenle temel embed-vs-reference kararının üzerine inşa edilen yararlı bir bilgidir.

Embedding vs referencing temel seçim olsa da, gerçek uygulamalar bu kanıtlanmış desenlerin ele aldığı yinelenen modelleme zorlukları ile karşılaşır: **Bucket deseni** (zaman serileri/IoT okumasını daha az belgeye gruplandırma — yaygın zaman serileri kullanım durumu için önemli, milyonlarca küçük belgeyi önleme), **Subset deseni** (sık kullanılan alt kümeyi gömme, tam verilere başvurma — büyük ilişkili veriler için okuma performansı ile belge boyutunun dengelenmesi), **Computed deseni** (toplam/ortalama gibi değerleri önceden hesapla ve sakla — okumalarda pahalı yeniden hesaplamayı önlemek), **Extended Reference deseni** (başvurulan belgelerin sık ihtiyaç duyulan alanlarını gömme — yaygın okulamalar için birleşimleri önlemek amacıyla pratik bir hibrit), ve diğerleri (değişken şekiller için polimorfik, evrim için şema sürümü oluşturma, hiyerarşiler için ağaç desenleri).

Bu desenleri bilmek, tasarımları yeniden icat etmek yerine yaygın senaryolar için **kanıtlanmış çözümler** sağlar, zaman serileri verileri, büyük ilişkili koleksiyonlar, pahalı hesaplamalar ve hiyerarşik veriler gibi durumlar için sağlam modelleme kararları vermenize yardımcı olur.

Gerçek MongoDB uygulamaları bu yinelenen tasarım zorlukları ile karşılaştığından ve kurulmuş desenler test edilmiş, etkili çözümler sağladığından (performansı ve bakımlanabilirliği iyileştirerek), yaygın MongoDB veri modelleme desenlerini anlamak — bucket, subset, computed, extended reference ve diğer desenler — temel embed/reference seçimlerinden gerçek senaryolar için kanıtlanmış çözümleri uygulamaya geçen şema tasarımını yükselten değerli, pratik olarak ilgili bilgidir, olgun MongoDB tasarım becerisini yansıtır ve bir uygulamanın belirli erişim desenleri ve veri özelliklerine iyi performans gösteren şemalar oluşturmaya yardımcı olur.