MongoDB 集合概念解析

集合（Collection）是 MongoDB 中组织文档的核心逻辑单元，类似于关系型数据库中的“表”，但其动态模式和灵活结构赋予了更强大的数据管理能力。以下是集合的全面解析：

---

1. 集合的定义与核心特性

• 定义：
  集合是 文档的容器，属于某个数据库（Database），用于逻辑分组具有相似特征的文档。
• 核心特性：
  • 动态模式（Schema-less）：集合中的文档可以有不同的字段和结构。
  • 自动创建：插入第一个文档时自动创建集合（无需预定义）。
  • 无固定大小：理论上可存储无限数量文档（受磁盘容量限制）。
  • 命名规则：
    • 区分大小写（如 users 与 Users 不同）。
    • 不能包含空字符（\0）、$ 或系统保留前缀（如 system.）。

---

2. 集合的操作与管理

2.1 创建与删除集合

• 显式创建集合（可选参数指定配置）：

  // 创建固定大小集合（Capped Collection），限制为 1MB  
  db.createCollection("logs", { 
    capped: true, 
    size: 1048576, 
    max: 1000  // 最多存储 1000 个文档
  });

• 删除集合：

  db.users.drop(); // 删除集合 users

2.2 集合文档统计

• 统计文档数量：

  db.users.countDocuments({ age: { $gt: 25 } }); // 统计年龄大于25的文档数

• 集合存储信息：

  db.users.stats(); // 查看集合大小、索引、存储引擎等信息

2.3 集合类型

• 普通集合：默认类型，无存储限制。
• 固定集合（Capped Collection）：
  • 固定存储空间，写入新文档时自动覆盖旧数据（类似循环缓冲区）。
  • 适用场景：日志存储、实时数据流。

---

3. 集合设计的最佳实践

3.1 集合拆分策略

• 垂直拆分：
  按业务功能划分集合（如 users、orders），避免单一集合臃肿。
• 水平拆分：
  通过 分片（Sharding） 将大集合分布到多个服务器。
  • 分片键选择：需满足高基数、均匀分布（如 user_id 或 timestamp）。

3.2 嵌入 vs. 引用

• 嵌入文档：
  • 适用场景：数据关联紧密、高频共同访问（如用户与地址）。
  • 优势：减少查询次数，提升读取性能。

  // users 集合中的文档  
  {
    "_id": ObjectId(...),
    "name": "Alice",
    "orders": [
      { "product": "Laptop", "price": 1200 },
      { "product": "Phone", "price": 800 }
    ]
  }

• 引用文档：
  • 适用场景：数据关联松散、避免冗余（如用户与评论）。
  • 实现方式：通过 _id 字段关联其他集合。

  // comments 集合中的文档  
  {
    "text": "Great product!",
    "user_id": ObjectId(...), // 引用 users 集合的文档
    "post_id": ObjectId(...)
  }

3.3 索引优化

• 索引类型：
  • 单字段索引：db.users.createIndex({ name: 1 });
  • 复合索引：db.users.createIndex({ name: 1, age: -1 });
  • 文本索引：支持全文搜索。
  • TTL 索引：自动过期删除文档（如会话数据）。

    db.logs.createIndex({ "createdAt": 1 }, { expireAfterSeconds: 3600 }); // 1小时后自动删除

• 索引管理：
  • 避免过度索引（影响写入性能）。
  • 监控索引使用率：db.users.aggregate([ { $indexStats: {} } ]);

---

4. 集合与存储引擎

• WiredTiger 引擎（默认）：
  • 支持文档级并发控制、压缩（Snappy/Zlib）。
  • 集合数据以 B+树 结构存储，索引单独存储。
• In-Memory 引擎：
  • 数据完全存储在内存中，重启后丢失，适用于缓存场景。

---

5. 集合的常见问题与解决方案

5.1 大集合性能下降

• 问题：
  文档数量过多或数据量过大导致查询缓慢。
• 解决方案：
  • 分片：水平拆分数据到多个分片。
  • 归档旧数据：将历史数据迁移到归档集合。

5.2 索引效率低

• 问题：
  索引未命中或选择不当导致查询性能差。
• 解决方案：
  • 使用 explain() 分析查询计划。
  • 重建低效索引：db.users.reIndex();

5.3 数据分布不均

• 问题：
  分片集合中数据集中在部分分片（热点问题）。
• 解决方案：
  • 选择更均匀的分片键（如哈希分片）。
  • 调整分片键范围或手动迁移数据块。

---

6. 集合与 SQL 表的对比

特性	MongoDB 集合	SQL 表
模式	动态模式（无固定结构）	严格模式（预定义列和类型）
扩展性	天然支持水平扩展（分片）	依赖垂直扩展或复杂分库分表
数据关联	通过嵌入或引用实现	通过外键和 JOIN 实现
事务支持	多文档事务（4.0+）	原生支持多表事务
适用场景	半结构化数据、高并发读写	强一致性、复杂关联查询

---

总结

集合是 MongoDB 中管理文档的核心逻辑单元，其动态模式、灵活的数据模型和水平扩展能力使其适用于现代应用开发。合理设计集合结构（如嵌入与引用）、优化索引策略、结合分片技术，是应对海量数据和高并发场景的关键。理解集合的操作、存储引擎特性及常见问题解决方案，能够最大化发挥 MongoDB 的性能优势。