http://blog.163.com/pjt_ren/blog/static/188250602014121103854532/
MySql一直是性价比最高的关系型数据库典范
MongoDB带来了关系数据库以外的NoSql体验。
让我们看一个简单的例子，我们将如何为MySQL（或任何关系数据库）和MongoDB中创建一个数据结构。
MySql设计
我们假设设计个表:
People 人物信息表 包含ID 和名字字段
passports 护照表 ,主要包含 对应的people表的外键ID ，所属国家，和护照有效期
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
mysql>select*from people;
+----+------------+
|id|name |
+----+------------+
| 1|Stephane |
| 2|John |
| 3|Michael |
| 4|Cinderella|
+----+------------+
mysql>select*from passports;
+----+-----------+---------+-------------+
|id|people_id|country|valid_until|
+----+-----------+---------+-------------+
| 4| 1|FR |2020-01-01 |
| 5| 2|US |2020-01-01 |
| 6| 3|RU |2020-01-01 |
+----+-----------+---------+-------------+
|
于是你接下来可以操作如下基本功能:
一共有多少人
|
1
|
SELECT count(*)FROM people
|
查询出 stephane 的护照有效期
|
1
|
SELECT valid_until from passports ps join people pl ON ps.people_id=pl.id WHERE name='Stephane'
|
有多少人木有护照
|
1
|
SELECT name FROM people pl LEFT JOIN passports ps ON ps.people_id=pl.id WHERE ps.id ISNULL
|
MongoDB的设计
接下来是在MongoDB中进行设计
上述关系型数据库中使用三范式，固然是规范的，但是效率不高，因为关联度不高的情况下完全没有必要使用三范式来设计。
一种是“直筒式”的设计，和关系型数据库的理解区别不大
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
{
"_id":ObjectId("51f7be1cd6189a56c399d3bf"),
"name":"Stephane",
"country":"FR",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
{
"_id":ObjectId("51f7be3fd6189a56c399d3c0"),
"name":"John",
"country":"US",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
{
"_id":ObjectId("51f7be4dd6189a56c399d3c1"),
"name":"Michael",
"country":"RU",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
{"_id":ObjectId("51f7be5cd6189a56c399d3c2"),"name":"Cinderella"}
|
MongoDB 无固定结构，每张表每段数据可以有不同的结构，这既是好处也是缺点，缺点在于你必须很了解MongoDB的表结构，这其实给维护人员带来一定的不适应和麻烦。
2、以下是MongoDb特征的设计方法， 既：把people信息和护照信息柔和在一起
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
{
"_id":ObjectId("51f7c0048ded44d5ebb83774"),
"name":"Stephane",
"passport":{
"country":"FR",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
}
{
"_id":ObjectId("51f7c70e8ded44d5ebb83775"),
"name":"John",
"passport":{
"country":"US",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
}
{
"_id":ObjectId("51f7c71b8ded44d5ebb83776"),
"name":"Michael",
"passport":{
"country":"RU",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
}
{"_id":ObjectId("51f7c7258ded44d5ebb83777"),"name":"Cinderella"}
|
3、同样的，上述结构也可以字段反过来设计，如果没有“valid_until”字段代表没有护照
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
{
"_id":ObjectId("51f7c7e58ded44d5ebb8377b"),
"country":"FR",
"valid_until":ISODate("2019-12-31T23:00:00Z"),
"person":{
"name":"Stephane"
}
}
{
"_id":ObjectId("51f7c7ec8ded44d5ebb8377c"),
"country":"US",
"valid_until":ISODate("2019-12-31T23:00:00Z"),
"person":{
"name":"John"
}
}
{
"_id":ObjectId("51f7c7fa8ded44d5ebb8377d"),
"country":"RU",
"valid_until":ISODate("2019-12-31T23:00:00Z"),
"person":{
"name":"Michael"
}
}
{
"_id":ObjectId("51f7c8058ded44d5ebb8377e"),
"person":{
"name":"Cinderella"
}
}
|
结论
我们看到MySQL和MongoDB的根本区别之一，
1、使用MongoDB， 架构设计变得无比重要，一旦中间有个环节设计的有问题，将会带来灾难性的维护和返工后果，后面更不用提优化。但是同样的问题也逼着我们去做一个好的架构养成好的习惯。
2、 哪种方式更好？当然，有没有明确的答案。不同的环境使用不同的方式,就像上面这个例子完全使用MongoDB效率更高，譬如单表数据达到1000 万，mysql关联查询是很坑爹的。对于多业务逻辑复杂关联设计，MongoDB不是不能胜任，关键我们不能保证我们的软件需求像老外那样不会一直变更或 者推翻重写，所以用mysql更易于维护
MySql一直是性价比最高的关系型数据库典范
MongoDB带来了关系数据库以外的NoSql体验。
让我们看一个简单的例子，我们将如何为MySQL（或任何关系数据库）和MongoDB中创建一个数据结构。
MySql设计
我们假设设计个表:
People 人物信息表 包含ID 和名字字段
passports 护照表 ,主要包含 对应的people表的外键ID ，所属国家，和护照有效期
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
mysql>select*from people;
+----+------------+
|id|name |
+----+------------+
| 1|Stephane |
| 2|John |
| 3|Michael |
| 4|Cinderella|
+----+------------+
mysql>select*from passports;
+----+-----------+---------+-------------+
|id|people_id|country|valid_until|
+----+-----------+---------+-------------+
| 4| 1|FR |2020-01-01 |
| 5| 2|US |2020-01-01 |
| 6| 3|RU |2020-01-01 |
+----+-----------+---------+-------------+
|
于是你接下来可以操作如下基本功能:
一共有多少人
|
1
|
SELECT count(*)FROM people
|
查询出 stephane 的护照有效期
|
1
|
SELECT valid_until from passports ps join people pl ON ps.people_id=pl.id WHERE name='Stephane'
|
有多少人木有护照
|
1
|
SELECT name FROM people pl LEFT JOIN passports ps ON ps.people_id=pl.id WHERE ps.id ISNULL
|
MongoDB的设计
接下来是在MongoDB中进行设计
上述关系型数据库中使用三范式，固然是规范的，但是效率不高，因为关联度不高的情况下完全没有必要使用三范式来设计。
一种是“直筒式”的设计，和关系型数据库的理解区别不大
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
{
"_id":ObjectId("51f7be1cd6189a56c399d3bf"),
"name":"Stephane",
"country":"FR",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
{
"_id":ObjectId("51f7be3fd6189a56c399d3c0"),
"name":"John",
"country":"US",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
{
"_id":ObjectId("51f7be4dd6189a56c399d3c1"),
"name":"Michael",
"country":"RU",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
{"_id":ObjectId("51f7be5cd6189a56c399d3c2"),"name":"Cinderella"}
|
MongoDB 无固定结构，每张表每段数据可以有不同的结构，这既是好处也是缺点，缺点在于你必须很了解MongoDB的表结构，这其实给维护人员带来一定的不适应和麻烦。
2、以下是MongoDb特征的设计方法， 既：把people信息和护照信息柔和在一起
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
{
"_id":ObjectId("51f7c0048ded44d5ebb83774"),
"name":"Stephane",
"passport":{
"country":"FR",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
}
{
"_id":ObjectId("51f7c70e8ded44d5ebb83775"),
"name":"John",
"passport":{
"country":"US",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
}
{
"_id":ObjectId("51f7c71b8ded44d5ebb83776"),
"name":"Michael",
"passport":{
"country":"RU",
"valid_until":ISODate("2019-12-31T23:00:00Z")
}
}
{"_id":ObjectId("51f7c7258ded44d5ebb83777"),"name":"Cinderella"}
|
3、同样的，上述结构也可以字段反过来设计，如果没有“valid_until”字段代表没有护照
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
{
"_id":ObjectId("51f7c7e58ded44d5ebb8377b"),
"country":"FR",
"valid_until":ISODate("2019-12-31T23:00:00Z"),
"person":{
"name":"Stephane"
}
}
{
"_id":ObjectId("51f7c7ec8ded44d5ebb8377c"),
"country":"US",
"valid_until":ISODate("2019-12-31T23:00:00Z"),
"person":{
"name":"John"
}
}
{
"_id":ObjectId("51f7c7fa8ded44d5ebb8377d"),
"country":"RU",
"valid_until":ISODate("2019-12-31T23:00:00Z"),
"person":{
"name":"Michael"
}
}
{
"_id":ObjectId("51f7c8058ded44d5ebb8377e"),
"person":{
"name":"Cinderella"
}
}
|
结论
我们看到MySQL和MongoDB的根本区别之一，
1、使用MongoDB， 架构设计变得无比重要，一旦中间有个环节设计的有问题，将会带来灾难性的维护和返工后果，后面更不用提优化。但是同样的问题也逼着我们去做一个好的架构养成好的习惯。
2、 哪种方式更好？当然，有没有明确的答案。不同的环境使用不同的方式,就像上面这个例子完全使用MongoDB效率更高，譬如单表数据达到1000 万，mysql关联查询是很坑爹的。对于多业务逻辑复杂关联设计，MongoDB不是不能胜任，关键我们不能保证我们的软件需求像老外那样不会一直变更或 者推翻重写，所以用mysql更易于维护