开始使用MongoDB之前应该知道的14件事

225次阅读

共计 3914 个字符，预计需要花费 10 分钟才能阅读完成。

我从事数据库相关工作已经很长时间了，但是最近才开始使用 MongoDB。在开始使用 MongoDB 之前，我希望有些事情我已经知道。根据一般经验，对于数据库是什么以及它们能干什么，人们会有先入为主的认识。为了给他人提供方便，本文列出了一些常见的错误。

很遗憾，MongoDB 在安装时默认不启用身份验证。在只从本地访问的工作站上，这没什么不好。但是，由于 MongoDB 是一个多租户系统，它会尽可能地占用内存，因此最好是安装在服务器上，最大限度地提供内存，即使是开发工作。在服务器上使用默认端口安装而不启用身份验证是在自找麻烦，尤其是可以在查询中运行任意 JavaScript 时（例如把 $where 作为注入攻击的载体）。

身份验证方法有多种，但是用户 ID/ 密码凭证最容易安装和管理。当你考虑基于 LDAP 的身份验证时，可以采用那个方法。在我们谈论安全时，MongoDB 必须保持最新，而且，在日志里查找未授权访问的迹象总是值得的。我不喜欢使用默认端口。

MongoDB 的安全检查清单为降低网络渗透和数据泄露风险提供了很好的建议。我们很容易会认为，开发服务器不需要高等级的安全。不是这样的：安全对于所有 MongoDB 服务器都很重要。尤其是，除非有非常好的理由要使用 mapReduce、group 或 $where，否则你应该在配置文件中设置 javascriptEnabled:false，禁用 JavaScript。因为标准 MongoDB 的数据文件是不加密的，另外，使用专门的用户运行 MongoDB 也是一个明智的做法，对数据文件的完全访问仅限于那个用户，这样就可以使用操作系统自带的文件访问控制了。

对于模式，MongoDB 没有强制要求。这不是说它不需要模式。如果你真想保存文档而又没有一致的模式，那么你可以非常快速、简单地保存它们，但是检索会十分麻烦。

“MongoDB 模式设计的六大经验原则”是一篇值得一读的经典文章，而第三方工具（如 Studio 3T）提供的类似“模式浏览器（Schema Explorer）”这样可以执行定期模式检查的特性也是值得拥有的。

这比其他任何的配置错误都会导致更多的挫折和时间浪费。MongoDB 默认使用二进制排序规则。这对任何地方的文化都是不利的。在 80 年代，大小写敏感、重音敏感、二进制排序规则，和念珠、土耳其长衫和卷胡子一起，被视为奇怪的时代错误。现在，他们没法辩解了。在现实生活中，motorbike 和 Motorbike 就是一样，而 Britain 和 britain 就是同一个地方。小写字母和大写字母只是书写上的等价。就不要让我再说重音字符排序规则了。当你创建一个 MongoDB 数据库时，使用一种合乎系统用户语言和文化的重音敏感、大小写敏感排序规则。这使得字符串数据的检索容易许多。

MongoDB 乐于把最大 16MB 的文档置于集合中，而 GridFS 设计用于超过 16MB 的大文档。但是，可以容纳大文档并不意味着那是一个好主意。MongoDB 在单个文档的大小为几 KB 时表现最好，处理它们的方式更像宽 SQL 表的行。大文档会导致多种性能问题。

文档可以包含数组。最好是把数组元素的数量保持在四位数以下。如果数组频繁添加，会使得包含它的文档过大，那样，它在磁盘上的位置就需要移动，反过来，这意味着每个索引都必须更新。当一个包含大数组的文档重新索引时，由于每个数组元素都有一个单独的索引条目，所以会发生大量的索引重写。此外，这种重新索引在这类文档插入或删除时也会发生。

为了最小化这个问题，MongoDB 有一个“填充因子（padding factor）”，为文档增长提供空间。

你也许会想，你可以通过不建立数组索引来绕开这个问题。遗憾的是，没有索引，你会遇到其他问题。因为文档会从头到尾扫描，找到一个接近数组尾部的元素需要花更多的时间，大部分处理这个文档的操作都会变慢。

在有查询优化器的数据库系统中，你编写的查询是说明你想要什么而不是如何获取它。这就像在餐馆中点餐；你通常只需要点菜，而不必对厨师发出详细的指令。

在 MongoDB 中，你是对厨师发指令。例如，你需要通过 $match 和 $project 确保管道中的数据尽早减少，排序只在数据减少时发生一次，查找按照你希望的顺序执行。查询优化器省去了不必要的工作，优化阶段顺序，选择连接类型，这会把你宠坏。MongoDB 给了你更多的控制，但这种便利是有成本的。

像 Studio 3T 这样的工具使构建准确的 MongoDB 聚合查询变得更容易。它的聚合编辑器特性使你可以一次对一个阶段应用管道操作符，你可以在每个阶段验证输入和输出，更便于调试。

永远不要把 MongoDB 设为低稳定性的高速写。看上去，“file-and-forget”模式使得写入速度变快了，因为命令在实际写入任何东西前就返回了。如果系统在数据写入磁盘之前崩溃了，就会丢失，存在出现不一致状态的风险。所幸，64 位的 MongoDB 启用了“日志（Journaling）”。

MMAPv1 和 WiredTiger 存储引擎都使用日志预防上述情况，不过，在日志关闭的情况下，WiredTiger 也可以在还原过程中恢复到最后一致的检查点。

日志可以确保数据库在恢复时处于一致状态，它会保存日志写入时的所有数据。日志写入的时间间隔可以使用运行时选项 commitIntervalMs 来配置。

为了确保写入，就要确保在配置文件中启用日志（storage.journal.enabled），而且提交间隔要和你能够承担的数据丢失相对应。

在搜索和聚合中，你经常希望排序数据。但愿那是在最后阶段完成的，在结果过滤之后，从而减少需要排序的数据量。即使在那个时候，你需要一个可以覆盖排序的索引。单键索引或混合索引都可以。

当没有合适的索引可用时，MongoDB 就不得不在没有索引的情况下排序。对于排序操作中所有文档的总大小，有 32MB 的内存限制，如果 MongoDB 达到了这个限值，它就会产生错误，或者有时候仅仅返回一个空的记录集。

Lookup 的功能和 SQL 联合查询类似。为了获得良好的性能，作为外键的键值上需要有索引。这并不明显，因为其使用并没有在 explain()中报告。这些索引并不包含在 explain()记录的索引里，那些索引是供管道操作符 $match、$sort 出现在管道开始时使用的。现在，索引可以覆盖聚合管道的任何阶段。

db.collection.update()方法用于修改一个已存在文档的一部分或全部，或者是整个替换一个已存在的文档，这取决于你提供的更新参数。除非你设置 multi 参数，更新匹配查询条件的所有文档，否则它不会更新集合里的所有文档。这一点不是那么明显。

在 JSON 中，一个对象包含一个无序集合，而该集合中有零个或多个名 / 值对，其中名是一个字符串，而值是一个字符串、数值、布尔值、空、对象或数组。

遗憾的是，BSON 在做搜索时给顺序赋予了意义。在 MongoDB 中，嵌入对象中键的顺序很重要，也就是说，{firstname: “Phil”, surname: “factor”}和 {surname: “factor”, firstname: “Phil”} 就不匹配。这意味着，你必须保留文档中名 / 值对的顺序，如果你想确保可以找到它们的话。

根据正式的 JSON 标准（ECMA-404 第 5 节），“undefined”值在 JSON 中从来就是不合法的，虽然它事��上已经在 JavaScript 中使用。而且，它在 BSON 中是“deprecated”，会转换成 $null，这并不是一个总令人满意的解决方案。在 MongoDB 中，要避免使用“undefined”。

通常，当你在 MongoDB 中开发时，仅仅查看查询或聚合返回的结果的样例会很有用。$limit()就是为了满足这个要求，但是，它永远不应该出现在最终版本的代码中，除非你首先使用了 $sort。这是因为，不这样的话，你就无法保证结果的顺序，你就无法可靠地“按页浏览”数据。为了确保可靠性，查询或聚合必须是“确定的”，就是说，它们每次执行都会给出相同的结果。包含 $limit 而不包含 $sort 的代码不是确定的，后续会导致难以跟踪的 Bug。

对于 MongoDB，让你最终感到失望的唯一方式是把它直接和另一种类型的数据库如 RDBMS 比较，或者对它有特别的期待。这就像把桔子和叉子比较。数据库系统有它们的用途。最好是理解并领会这些差别。强迫 MongoDB 开发人员按照 RDBMS 的方式做事就太遗憾了，我希望继续看到解决旧问题的有趣的新方法，如确保数据完整性、使数据系统具有从故障和恶意破坏中恢复的能力。

在 4.0 版本中，MongoDB 引入了 ACID 事务处理，这是以创新方式引入重大改善的一个很好的例子。多文档、多语句事务现在是原子的了，它允许开发人员调整用于获取锁的时间，过期挂起事务以及修改隔离级别。

Phil Factor （为保护作者隐去真名），又称数据库摩尔，他有将近四十年的数据库密集型应用程序经验。在 20 世纪 80 年代初的一次展览会上，愤怒的比尔盖茨曾对他大吼大叫，自此，在整个职业生涯中，他就坚决匿名。