മോംഗോഡിബിയിൽ ആരംഭിക്കുന്നതിന് മുമ്പ് ഞാൻ അറിഞ്ഞിരുന്ന 14 കാര്യങ്ങൾ

കോഴ്‌സ് തുടങ്ങുന്നതിന്റെ തലേന്ന് തയ്യാറാക്കിയതാണ് ലേഖനത്തിന്റെ പരിഭാഷ "നോൺ റിലേഷണൽ ഡാറ്റാബേസുകൾ".

ഹൈലൈറ്റുകൾ:

• മോംഗോഡിബിയിൽ ഓപ്ഷണൽ ആണെങ്കിലും ഒരു സ്കീമ വികസിപ്പിക്കുന്നത് വളരെ പ്രധാനമാണ്.
• അതുപോലെ, സൂചികകൾ നിങ്ങളുടെ സ്‌കീമയുമായും ആക്‌സസ് പാറ്റേണുകളുമായും പൊരുത്തപ്പെടണം.
• വലിയ വസ്തുക്കളും വലിയ നിരകളും ഉപയോഗിക്കുന്നത് ഒഴിവാക്കുക.
• മോംഗോഡിബി ക്രമീകരണങ്ങളിൽ ശ്രദ്ധാലുവായിരിക്കുക, പ്രത്യേകിച്ചും സുരക്ഷയുടെയും വിശ്വാസ്യതയുടെയും കാര്യത്തിൽ.
• MongoDB-ക്ക് ഒരു അന്വേഷണ ഒപ്റ്റിമൈസർ ഇല്ല, അതിനാൽ അന്വേഷണ പ്രവർത്തനങ്ങൾ നടത്തുമ്പോൾ നിങ്ങൾ ശ്രദ്ധിക്കണം.

ഞാൻ വളരെക്കാലമായി ഡാറ്റാബേസുകളിൽ പ്രവർത്തിക്കുന്നു, എന്നാൽ അടുത്തിടെയാണ് MongoDB കണ്ടെത്തിയത്. അതിൽ പ്രവർത്തിക്കാൻ തുടങ്ങുന്നതിന് മുമ്പ് ഞാൻ അറിഞ്ഞിരുന്ന ചില കാര്യങ്ങളുണ്ട്. ഒരു വ്യക്തിക്ക് ഒരു പ്രത്യേക മേഖലയിൽ അനുഭവപരിചയം ഉണ്ടെങ്കിൽ, ഡാറ്റാബേസുകൾ എന്താണെന്നും അവർ എന്താണ് ചെയ്യുന്നതെന്നുമൊക്കെയുള്ള മുൻ ധാരണകൾ അവർക്കുണ്ടാകും. മറ്റുള്ളവർക്ക് മനസ്സിലാക്കാൻ എളുപ്പമാക്കുമെന്ന പ്രതീക്ഷയിൽ, പൊതുവായ തെറ്റുകളുടെ ഒരു ലിസ്റ്റ് ഞാൻ അവതരിപ്പിക്കുന്നു.

ആധികാരികത ഇല്ലാതെ ഒരു MongoDB സെർവർ സൃഷ്ടിക്കുന്നു

നിർഭാഗ്യവശാൽ, സ്ഥിരസ്ഥിതിയായി ആധികാരികത ഉറപ്പാക്കാതെയാണ് MongoDB ഇൻസ്റ്റാൾ ചെയ്തിരിക്കുന്നത്. പ്രാദേശികമായി ആക്സസ് ചെയ്യുന്ന ഒരു വർക്ക്സ്റ്റേഷനിൽ, ഈ രീതി സാധാരണമാണ്. എന്നാൽ മോംഗോഡിബി വലിയ അളവിലുള്ള മെമ്മറി ഉപയോഗിക്കാൻ ഇഷ്ടപ്പെടുന്ന ഒരു മൾട്ടി-യൂസർ സിസ്റ്റമായതിനാൽ, നിങ്ങൾ അത് വികസനത്തിനായി മാത്രം ഉപയോഗിക്കുകയാണെങ്കിൽപ്പോലും, കഴിയുന്നത്ര റാം ഉള്ള ഒരു സെർവറിൽ ഇത് ഇടുന്നത് നന്നായിരിക്കും. ഡിഫോൾട്ട് പോർട്ട് വഴി സെർവറിൽ ഇൻസ്റ്റാൾ ചെയ്യുന്നത് പ്രശ്‌നകരമാണ്, പ്രത്യേകിച്ചും അഭ്യർത്ഥനയിൽ ഏതെങ്കിലും ജാവാസ്ക്രിപ്റ്റ് കോഡ് എക്‌സിക്യൂട്ട് ചെയ്യാൻ കഴിയുമെങ്കിൽ (ഉദാഹരണത്തിന്, $where ഒരു ആശയമായി കുത്തിവയ്പ്പ്).

നിരവധി പ്രാമാണീകരണ രീതികളുണ്ട്, എന്നാൽ ഏറ്റവും എളുപ്പമുള്ളത് ഒരു ഉപയോക്തൃ ഐഡി/പാസ്‌വേഡ് സജ്ജീകരിക്കുക എന്നതാണ്. അടിസ്ഥാനമാക്കിയുള്ള ഫാൻസി പ്രാമാണീകരണത്തെക്കുറിച്ച് ചിന്തിക്കുമ്പോൾ ഈ ആശയം ഉപയോഗിക്കുക LDAP. സുരക്ഷയുടെ കാര്യം വരുമ്പോൾ, MongoDB നിരന്തരം അപ്‌ഡേറ്റ് ചെയ്യണം, കൂടാതെ ലോഗുകൾ എപ്പോഴും അനധികൃത ആക്‌സസ്സ് പരിശോധിക്കണം. ഉദാഹരണത്തിന്, ഡിഫോൾട്ട് പോർട്ടായി മറ്റൊരു പോർട്ട് തിരഞ്ഞെടുക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു.

ആക്രമണ പ്രതലത്തെ മോംഗോഡിബിയുമായി ബന്ധിപ്പിക്കാൻ മറക്കരുത്

മോംഗോഡിബി സുരക്ഷാ ചെക്ക്‌ലിസ്റ്റ് നെറ്റ്‌വർക്ക് നുഴഞ്ഞുകയറ്റത്തിന്റെയും ഡാറ്റ ചോർച്ചയുടെയും അപകടസാധ്യത കുറയ്ക്കുന്നതിനുള്ള നല്ല നുറുങ്ങുകൾ അടങ്ങിയിരിക്കുന്നു. ഒരു ഡെവലപ്‌മെന്റ് സെർവറിന് ഉയർന്ന തലത്തിലുള്ള സുരക്ഷ ആവശ്യമില്ലെന്ന് ഇത് ബ്രഷ് ചെയ്യുന്നത് എളുപ്പമാണ്. എന്നിരുന്നാലും, ഇത് അത്ര ലളിതമല്ല, ഇത് എല്ലാ MongoDB സെർവറുകൾക്കും ബാധകമാണ്. പ്രത്യേകിച്ച്, ഉപയോഗിക്കാൻ നിർബന്ധിത കാരണമില്ലെങ്കിൽ mapReduce, group അഥവാ $എവിടെ, കോൺഫിഗറേഷൻ ഫയലിൽ എഴുതി നിങ്ങൾ ജാവാസ്ക്രിപ്റ്റിലെ അനിയന്ത്രിതമായ കോഡിന്റെ ഉപയോഗം പ്രവർത്തനരഹിതമാക്കേണ്ടതുണ്ട് javascriptEnabled:false. ഡാറ്റ ഫയലുകൾ സ്റ്റാൻഡേർഡ് മോംഗോഡിബിയിൽ എൻക്രിപ്റ്റ് ചെയ്തിട്ടില്ലാത്തതിനാൽ, മോംഗോഡിബി ഉപയോഗിച്ച് പ്രവർത്തിപ്പിക്കുന്നതിൽ അർത്ഥമുണ്ട്. സമർപ്പിത ഉപയോക്താവ്, ഫയലുകളിലേക്ക് പൂർണ്ണ ആക്‌സസ് ഉണ്ട്, അതിലേക്ക് മാത്രം പരിമിതമായ ആക്‌സസ്സും ഓപ്പറേറ്റിംഗ് സിസ്റ്റത്തിന്റെ സ്വന്തം ഫയൽ ആക്‌സസ്സ് നിയന്ത്രണങ്ങൾ ഉപയോഗിക്കാനുള്ള കഴിവും.

സർക്യൂട്ട് വികസിപ്പിക്കുമ്പോൾ പിശക്

MongoDB ഒരു സ്കീമ ഉപയോഗിക്കുന്നില്ല. എന്നാൽ സ്കീം ആവശ്യമില്ലെന്ന് ഇതിനർത്ഥമില്ല. നിങ്ങൾക്ക് സ്ഥിരമായ പാറ്റേൺ ഇല്ലാതെ ഡോക്യുമെന്റുകൾ സംഭരിക്കണമെങ്കിൽ, അവ സംഭരിക്കുന്നതിന് വേഗത്തിലും എളുപ്പത്തിലും കഴിയും, എന്നാൽ പിന്നീട് അവ വീണ്ടെടുക്കുന്നത് ബുദ്ധിമുട്ടായിരിക്കും. കഷ്ടം.

ക്ലാസിക് ലേഖനം "മോംഗോഡിബി സ്കീമ ഡിസൈനിനുള്ള 6 നിയമങ്ങൾ" ഇത് വായിക്കേണ്ടതാണ്, അതുപോലെയുള്ള ഫീച്ചറുകളും സ്കീമ എക്സ്പ്ലോറർ മൂന്നാം കക്ഷി ടൂൾ സ്റ്റുഡിയോ 3T-ൽ, സർക്യൂട്ടുകളുടെ പതിവ് പരിശോധനകൾക്കായി ഇത് ഉപയോഗിക്കുന്നത് മൂല്യവത്താണ്.

അടുക്കൽ ക്രമം മറക്കരുത്

അടുക്കൽ ക്രമം മറക്കുന്നത്, മറ്റേതൊരു തെറ്റായ കോൺഫിഗറേഷനേക്കാളും കൂടുതൽ നിരാശയും കൂടുതൽ സമയം പാഴാക്കുകയും ചെയ്യും. സ്ഥിരസ്ഥിതിയായി MongoBD ഉപയോഗിക്കുന്നു ബൈനറി തരം. എന്നാൽ ഇത് ആർക്കും ഉപയോഗപ്രദമാകാൻ സാധ്യതയില്ല. കെസ്-സെൻസിറ്റീവ്, ആക്സന്റ്-സെൻസിറ്റീവ്, ബൈനറി തരങ്ങൾ എന്നിവ കഴിഞ്ഞ നൂറ്റാണ്ടിന്റെ 80-കളിൽ മുത്തുകൾ, കഫ്താൻ, ചുരുണ്ട മീശകൾ എന്നിവയ്‌ക്കൊപ്പം കൗതുകകരമായ അനാക്രോണിസങ്ങളായി കണക്കാക്കപ്പെട്ടിരുന്നു. ഇപ്പോൾ അവരുടെ ഉപയോഗം പൊറുക്കാനാവാത്തതാണ്. യഥാർത്ഥ ജീവിതത്തിൽ, "മോട്ടോർ സൈക്കിൾ" എന്നത് "മോട്ടോർ സൈക്കിൾ" തന്നെയാണ്. "ബ്രിട്ടൻ", "ബ്രിട്ടൻ" എന്നിവ ഒരേ സ്ഥലമാണ്. ഒരു ചെറിയ അക്ഷരം ഒരു വലിയ അക്ഷരത്തിന്റെ വലിയക്ഷരത്തിന് തുല്യമാണ്. ഡയക്രിറ്റിക്‌സ് അടുക്കാൻ എന്നെ തുടങ്ങരുത്. മോംഗോഡിബിയിൽ ഒരു ഡാറ്റാബേസ് സൃഷ്‌ടിക്കുമ്പോൾ, ആക്സന്റ്-ഇൻസെൻസിറ്റീവ് കോലേഷൻ ഉപയോഗിക്കുക രജിസ്റ്റർ ചെയ്യുക, ഏത് ഭാഷയുമായി യോജിക്കുന്നു ഒപ്പം സിസ്റ്റം ഉപയോക്തൃ സംസ്കാരം. ഇത് സ്‌ട്രിംഗ് ഡാറ്റയിലൂടെ തിരയുന്നത് വളരെ എളുപ്പമാക്കും.

വലിയ പ്രമാണങ്ങൾ ഉപയോഗിച്ച് ശേഖരങ്ങൾ സൃഷ്ടിക്കുക

ശേഖരങ്ങളിൽ 16MB വരെ വലിയ പ്രമാണങ്ങൾ ഹോസ്റ്റ് ചെയ്യുന്നതിൽ MongoDB സന്തോഷിക്കുന്നു ഗ്രിഡ്എഫ്എസ് 16 MB-യിൽ കൂടുതലുള്ള വലിയ പ്രമാണങ്ങൾക്കായി രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്നു. പക്ഷേ, വലിയ രേഖകൾ അവിടെ സ്ഥാപിക്കാമെന്നതിനാൽ, അവ അവിടെ സൂക്ഷിക്കുന്നത് നല്ല ആശയമല്ല. കുറച്ച് കിലോബൈറ്റ് വലുപ്പമുള്ള വ്യക്തിഗത ഡോക്യുമെന്റുകൾ നിങ്ങൾ സംഭരിക്കുകയും വിശാലമായ SQL പട്ടികയിലെ വരികൾ പോലെ അവയെ കണക്കാക്കുകയും ചെയ്താൽ മോംഗോഡിബി മികച്ച രീതിയിൽ പ്രവർത്തിക്കും. വലിയ രേഖകൾ പ്രശ്നങ്ങൾക്ക് കാരണമാകും ഉത്പാദനക്ഷമത.

വലിയ ശ്രേണികളുള്ള പ്രമാണങ്ങൾ സൃഷ്ടിക്കുന്നു

പ്രമാണങ്ങളിൽ അറേകൾ അടങ്ങിയിരിക്കാം. അറേയിലെ മൂലകങ്ങളുടെ എണ്ണം നാലക്ക സംഖ്യയിൽ നിന്ന് വളരെ അകലെയാണെങ്കിൽ അത് നല്ലതാണ്. ഒരു ശ്രേണിയിലേക്ക് ഘടകങ്ങൾ ഇടയ്ക്കിടെ ചേർക്കുകയാണെങ്കിൽ, അത് അത് ഉൾക്കൊള്ളുന്ന പ്രമാണത്തെ മറികടക്കും, അത് ആവശ്യമായി വരും നീക്കുക, അത് ആവശ്യമായി വരും എന്നാണ് സൂചികകളും അപ്ഡേറ്റ് ചെയ്യുക. ഒരു വലിയ അറേ ഉള്ള ഒരു പ്രമാണം വീണ്ടും സൂചികയിലാക്കുമ്പോൾ, സൂചികകൾ പലപ്പോഴും തിരുത്തിയെഴുതപ്പെടും, കാരണം റെക്കോർഡ്, അതിന്റെ സൂചിക സംഭരിക്കുന്നു. ഒരു പ്രമാണം ചേർക്കുമ്പോഴോ ഇല്ലാതാക്കുമ്പോഴോ ഈ റീ-ഇൻഡക്‌സിംഗ് സംഭവിക്കുന്നു.

MongoDB എന്ന് വിളിക്കപ്പെടുന്ന ഒന്ന് ഉണ്ട് "ഫിൽ ഫാക്ടർ", ഈ പ്രശ്നം കുറയ്ക്കുന്നതിന് ഡോക്യുമെന്റുകൾ വളരുന്നതിന് ഇടം നൽകുന്നു.
അറേ ഇൻഡെക്‌സിംഗ് ഇല്ലാതെ നിങ്ങൾക്ക് ചെയ്യാൻ കഴിയുമെന്ന് നിങ്ങൾ ചിന്തിച്ചേക്കാം. നിർഭാഗ്യവശാൽ, സൂചികകളുടെ അഭാവം നിങ്ങൾക്ക് മറ്റ് പ്രശ്‌നങ്ങൾ ഉണ്ടാക്കിയേക്കാം. പ്രമാണങ്ങൾ തുടക്കം മുതൽ അവസാനം വരെ സ്കാൻ ചെയ്യുന്നതിനാൽ, അറേയുടെ അവസാനത്തിലുള്ള ഘടകങ്ങൾക്കായി തിരയുന്നതിന് കൂടുതൽ സമയമെടുക്കും, അത്തരം ഒരു പ്രമാണവുമായി ബന്ധപ്പെട്ട മിക്ക പ്രവർത്തനങ്ങളും പതുക്കെ.

ഒരു അഗ്രഗേഷനിലെ ഘട്ടങ്ങളുടെ ക്രമം പ്രാധാന്യമർഹിക്കുന്ന കാര്യം മറക്കരുത്

ഒരു ക്വറി ഒപ്റ്റിമൈസർ ഉള്ള ഒരു ഡാറ്റാബേസ് സിസ്റ്റത്തിൽ, നിങ്ങൾ എഴുതുന്ന അന്വേഷണങ്ങൾ നിങ്ങൾക്ക് എന്ത് ലഭിക്കണം എന്നതിന്റെ വിശദീകരണങ്ങളാണ്, അത് എങ്ങനെ നേടാം എന്നല്ല. ഒരു റെസ്റ്റോറന്റിൽ ഓർഡർ ചെയ്യുന്നതുമായി സാമ്യമുള്ളതാണ് ഈ സംവിധാനം പ്രവർത്തിക്കുന്നത്: സാധാരണയായി നിങ്ങൾ ഒരു വിഭവം ഓർഡർ ചെയ്യുക, പാചകക്കാരന് വിശദമായ നിർദ്ദേശങ്ങൾ നൽകരുത്.

മോംഗോഡിബിയിൽ, നിങ്ങൾ പാചകക്കാരന് നിർദ്ദേശം നൽകുന്നു. ഉദാഹരണത്തിന്, ഡാറ്റ കടന്നുപോകുന്നുണ്ടെന്ന് നിങ്ങൾ ഉറപ്പാക്കേണ്ടതുണ്ട് reduce ഉപയോഗിച്ച് പൈപ്പ്ലൈനിൽ കഴിയുന്നത്ര നേരത്തെ $match и $project, കൂടാതെ സോർട്ടിംഗ് സംഭവിക്കുന്നത് അതിനുശേഷം മാത്രമാണ് reduce, നിങ്ങൾ ആഗ്രഹിക്കുന്ന ക്രമത്തിൽ തിരയൽ നടക്കുന്നു. ആവശ്യമില്ലാത്ത ജോലികൾ ഒഴിവാക്കുന്ന, ഒപ്റ്റിമൽ സീക്വൻസ് സ്റ്റെപ്പുകൾ, ജോയിൻ തരങ്ങൾ തിരഞ്ഞെടുക്കുന്ന ഒരു ക്വറി ഒപ്റ്റിമൈസർ ഉള്ളത് നിങ്ങളെ നശിപ്പിക്കും. മോംഗോഡിബി ഉപയോഗിച്ച്, സൗകര്യപ്രദമായ ചിലവിൽ നിങ്ങൾക്ക് കൂടുതൽ നിയന്ത്രണമുണ്ട്.

പോലുള്ള ഉപകരണങ്ങൾ സ്റ്റുഡിയോ 3T ഇൻ അഗ്രഗേഷൻ അന്വേഷണങ്ങളുടെ നിർമ്മാണം ലളിതമാക്കും മോംഗോഡിബി. അഗ്രഗേഷൻ എഡിറ്റർ ഫീച്ചർ നിങ്ങളെ പൈപ്പ്‌ലൈൻ പ്രസ്താവനകൾ ഒരു ഘട്ടത്തിൽ പ്രയോഗിക്കാനും എളുപ്പത്തിൽ ഡീബഗ്ഗിംഗിനായി ഓരോ ഘട്ടത്തിലും ഇൻപുട്ട്, ഔട്ട്പുട്ട് ഡാറ്റ പരിശോധിക്കാനും അനുവദിക്കുന്നു.

ദ്രുത റെക്കോർഡിംഗ് ഉപയോഗിക്കുന്നു

ഉയർന്ന വേഗതയുള്ളതും എന്നാൽ കുറഞ്ഞ വിശ്വാസ്യതയുള്ളതുമായ മോംഗോഡിബി റൈറ്റ് ഓപ്ഷനുകൾ ഒരിക്കലും സജ്ജീകരിക്കരുത്. ഈ മോഡ് "ഫയൽ-മറക്കുക" റൈറ്റ് സംഭവിക്കുന്നതിന് മുമ്പ് കമാൻഡ് തിരികെ ലഭിക്കുന്നതിനാൽ വേഗത്തിൽ തോന്നുന്നു. ഡാറ്റ ഡിസ്കിലേക്ക് എഴുതുന്നതിന് മുമ്പ് സിസ്റ്റം ക്രാഷായാൽ, അത് നഷ്‌ടപ്പെടുകയും സ്ഥിരതയില്ലാത്ത അവസ്ഥയിൽ അവസാനിക്കുകയും ചെയ്യും. ഭാഗ്യവശാൽ, 64-ബിറ്റ് മോംഗോഡിബി ലോഗിംഗ് പ്രവർത്തനക്ഷമമാക്കിയിരിക്കുന്നു.

MMAPv1, WiredTiger സ്റ്റോറേജ് എഞ്ചിനുകൾ ഇത് തടയാൻ ലോഗിംഗ് ഉപയോഗിക്കുന്നു, എന്നിരുന്നാലും WiredTiger-ന് അവസാനത്തെ സ്ഥിരത വീണ്ടെടുക്കാൻ കഴിയും. നിയന്ത്രണ പോയിന്റ്, ലോഗിംഗ് അപ്രാപ്തമാക്കിയാൽ.

വീണ്ടെടുക്കലിനുശേഷം ഡാറ്റാബേസ് സ്ഥിരതയുള്ള അവസ്ഥയിലാണെന്നും ലോഗിൽ എഴുതുന്നതുവരെ എല്ലാ ഡാറ്റയും നിലനിർത്തുമെന്നും ജേണലിംഗ് ഉറപ്പാക്കുന്നു. പാരാമീറ്റർ ഉപയോഗിച്ചാണ് റെക്കോർഡിംഗുകളുടെ ആവൃത്തി ക്രമീകരിച്ചിരിക്കുന്നത് commitIntervalMs.

എൻട്രികൾ ഉറപ്പാക്കാൻ, കോൺഫിഗറേഷൻ ഫയലിൽ ലോഗിംഗ് പ്രവർത്തനക്ഷമമാക്കിയിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക (storage.journal.enabled), കൂടാതെ റെക്കോർഡിംഗുകളുടെ ആവൃത്തി നിങ്ങൾക്ക് നഷ്ടപ്പെടാൻ കഴിയുന്ന വിവരങ്ങളുടെ അളവുമായി യോജിക്കുന്നു.

സൂചികയില്ലാതെ അടുക്കുന്നു

തിരയുകയും സമാഹരിക്കുകയും ചെയ്യുമ്പോൾ, പലപ്പോഴും ഡാറ്റ അടുക്കേണ്ടതുണ്ട്. ക്രമപ്പെടുത്തുന്ന ഡാറ്റയുടെ അളവ് കുറയ്ക്കുന്നതിന് ഫലം ഫിൽട്ടർ ചെയ്തതിന് ശേഷം, അവസാന ഘട്ടങ്ങളിലൊന്നിൽ ഇത് ചെയ്യുമെന്ന് നമുക്ക് പ്രതീക്ഷിക്കാം. ഈ സാഹചര്യത്തിൽ പോലും, അടുക്കുന്നതിന് നിങ്ങൾക്ക് ഇത് ആവശ്യമാണ് സൂചിക. നിങ്ങൾക്ക് ഒറ്റ അല്ലെങ്കിൽ സംയുക്ത സൂചിക ഉപയോഗിക്കാം.

അനുയോജ്യമായ സൂചിക ഇല്ലെങ്കിൽ, മോംഗോഡിബി അത് കൂടാതെ ചെയ്യും. എല്ലാ ഡോക്യുമെന്റുകളുടെയും മൊത്തം വലുപ്പത്തിൽ 32 MB മെമ്മറി പരിധിയുണ്ട് സോർട്ടിംഗ് പ്രവർത്തനങ്ങൾ, MongoDB ഈ പരിധിയിൽ എത്തിയാൽ, അത് ഒന്നുകിൽ ഒരു പിശക് വരുത്തും അല്ലെങ്കിൽ തിരികെ വരും ശൂന്യമായ റെക്കോർഡ്സെറ്റ്.

സൂചിക പിന്തുണയില്ലാതെ തിരയുക

SQL-ലെ JOIN പ്രവർത്തനത്തിന് സമാനമായ ഒരു ഫംഗ്‌ഷൻ തിരയൽ അന്വേഷണങ്ങൾ നിർവഹിക്കുന്നു. മികച്ച രീതിയിൽ പ്രവർത്തിക്കാൻ, അവർക്ക് വിദേശ കീ ആയി ഉപയോഗിക്കുന്ന കീയുടെ മൂല്യത്തിന്റെ സൂചിക ആവശ്യമാണ്. ഉപയോഗം പ്രതിഫലിക്കാത്തതിനാൽ ഇത് വ്യക്തമല്ല explain(). അത്തരം സൂചികകൾ എഴുതിയിരിക്കുന്ന സൂചികയ്ക്ക് പുറമേയാണ് explain(), ഇത് പൈപ്പ്ലൈൻ ഓപ്പറേറ്റർമാർ ഉപയോഗിക്കുന്നു $match и $sort, പൈപ്പ്ലൈനിന്റെ തുടക്കത്തിൽ അവർ കണ്ടുമുട്ടുമ്പോൾ. സൂചികകൾക്ക് ഇപ്പോൾ ഏത് ഘട്ടവും ഉൾക്കൊള്ളാൻ കഴിയും അഗ്രഗേഷൻ പൈപ്പ്ലൈൻ.

മൾട്ടി-അപ്‌ഡേറ്റുകൾ ഉപയോഗിക്കുന്നത് ഒഴിവാക്കുന്നു

രീതി db.collection.update() നിങ്ങൾ വ്യക്തമാക്കുന്ന പാരാമീറ്ററിനെ ആശ്രയിച്ച്, നിലവിലുള്ള ഒരു ഡോക്യുമെന്റിന്റെ ഭാഗമോ മുഴുവൻ പ്രമാണമോ മാറ്റാൻ ഉപയോഗിക്കുന്നു. update. നിങ്ങൾ ഓപ്‌ഷൻ സജ്ജമാക്കിയില്ലെങ്കിൽ ശേഖരത്തിലെ എല്ലാ രേഖകളും ഇത് പ്രോസസ്സ് ചെയ്യില്ല എന്നതാണ് അത്ര വ്യക്തമല്ലാത്തത് multi അഭ്യർത്ഥന മാനദണ്ഡങ്ങൾ പാലിക്കുന്ന എല്ലാ രേഖകളും അപ്ഡേറ്റ് ചെയ്യാൻ.

ഒരു ഹാഷ് ടേബിളിലെ കീകളുടെ ക്രമത്തിന്റെ പ്രാധാന്യം മറക്കരുത്

JSON-ൽ, ഒരു ഒബ്‌ജക്‌റ്റിൽ വലുപ്പം പൂജ്യമോ അതിലധികമോ പേര്/മൂല്യ ജോഡികളുടെ ക്രമരഹിതമായ ശേഖരം അടങ്ങിയിരിക്കുന്നു, ഇവിടെ പേര് ഒരു സ്ട്രിംഗും മൂല്യം ഒരു സ്‌ട്രിംഗ്, നമ്പർ, ബൂളിയൻ, നൾ, ഒബ്‌ജക്റ്റ് അല്ലെങ്കിൽ അറേയുമാണ്.

നിർഭാഗ്യവശാൽ, തിരയുമ്പോൾ BSON ഓർഡറിന് വളരെയധികം ഊന്നൽ നൽകുന്നു. മോംഗോഡിബിയിൽ, ബിൽറ്റ്-ഇൻ ഒബ്‌ജക്‌റ്റുകൾക്കുള്ളിലെ കീകളുടെ ക്രമം കാര്യങ്ങൾ, അതായത്. { firstname: "Phil", surname: "factor" } - ഇത് സമാനമല്ല { { surname: "factor", firstname: "Phil" }. അതായത്, നിങ്ങളുടെ ഡോക്യുമെന്റുകളിൽ പേര്/മൂല്യ ജോഡികളുടെ ക്രമം നിങ്ങൾ സൂക്ഷിക്കണം, അവ കണ്ടെത്തുമെന്ന് നിങ്ങൾക്ക് ഉറപ്പുണ്ടെങ്കിൽ.

ആശയക്കുഴപ്പത്തിലാക്കരുത് "ശൂന്യം" и "നിർവചിക്കാത്തത്"

വില "നിർവചിക്കാത്തത്" JSON-ൽ ഒരിക്കലും സാധുവായിരുന്നില്ല ഔദ്യോഗിക നിലവാരം JSON (ECMA-404 വിഭാഗം 5), ഇത് JavaScript-ൽ ഉപയോഗിച്ചിട്ടുണ്ടെങ്കിലും. മാത്രമല്ല, BSON-ന് ഇത് കാലഹരണപ്പെട്ടതും പരിവർത്തനം ചെയ്യപ്പെടുന്നതുമാണ് $null, ഇത് എല്ലായ്പ്പോഴും ഒരു നല്ല പരിഹാരമല്ല. ഉപയോഗിക്കുന്നത് ഒഴിവാക്കുക "നിർവചിക്കാത്തത്" മോംഗോഡിബിയിൽ.

ഉപയോഗിക്കുക $limit() ഇല്ലാതെ $sort()

നിങ്ങൾ മോംഗോഡിബിയിൽ വികസിപ്പിക്കുമ്പോൾ, ഒരു അന്വേഷണത്തിൽ നിന്നോ സമാഹരണത്തിൽ നിന്നോ ലഭിക്കുന്ന ഫലത്തിന്റെ ഒരു സാമ്പിൾ കാണുന്നത് ഉപയോഗപ്രദമാണ്. ഈ ടാസ്ക്കിനായി നിങ്ങൾക്ക് ഇത് ആവശ്യമാണ് $limit(), എന്നാൽ നിങ്ങൾ മുമ്പ് ഇത് ഉപയോഗിക്കാത്തിടത്തോളം ഇത് ഒരിക്കലും അന്തിമ കോഡിൽ ഉണ്ടാകരുത് $sort. ഈ മെക്കാനിക്ക് ആവശ്യമാണ്, അല്ലാത്തപക്ഷം നിങ്ങൾക്ക് ഫലത്തിന്റെ ക്രമം ഉറപ്പുനൽകാൻ കഴിയില്ല, കൂടാതെ നിങ്ങൾക്ക് ഡാറ്റ വിശ്വസനീയമായി കാണാൻ കഴിയില്ല. സോർട്ടിംഗിനെ ആശ്രയിച്ച് ഫലത്തിന്റെ മുകളിൽ നിങ്ങൾക്ക് വ്യത്യസ്ത എൻട്രികൾ ലഭിക്കും. വിശ്വസനീയമായി പ്രവർത്തിക്കാൻ, അന്വേഷണങ്ങളും കൂട്ടിച്ചേർക്കലുകളും നിർണ്ണായകമായിരിക്കണം, അതായത്, ഓരോ തവണ എക്സിക്യൂട്ട് ചെയ്യുമ്പോഴും ഒരേ ഫലങ്ങൾ ഉണ്ടാക്കണം. അടങ്ങുന്ന കോഡ് $limit(), പക്ഷെ ഇല്ല $sort, നിർണ്ണായകമായിരിക്കില്ല, തുടർന്ന് ട്രാക്ക് ചെയ്യാൻ ബുദ്ധിമുട്ടുള്ള പിശകുകൾക്ക് കാരണമായേക്കാം.

തീരുമാനം

മോംഗോഡിബിയിൽ നിരാശപ്പെടാനുള്ള ഏക മാർഗം, ഡിബിഎംഎസ് പോലെയുള്ള മറ്റൊരു തരം ഡാറ്റാബേസുമായി നേരിട്ട് താരതമ്യം ചെയ്യുകയോ ചില പ്രതീക്ഷകളെ അടിസ്ഥാനമാക്കി അത് ഉപയോഗിക്കാൻ വരികയോ ആണ്. ഓറഞ്ചിനെ നാൽക്കവലയോട് ഉപമിക്കുന്നത് പോലെയാണിത്. ഡാറ്റാബേസ് സിസ്റ്റങ്ങൾ പ്രത്യേക ഉദ്ദേശ്യങ്ങൾ നിറവേറ്റുന്നു. ഈ വ്യത്യാസങ്ങൾ സ്വയം മനസിലാക്കുകയും അഭിനന്ദിക്കുകയും ചെയ്യുന്നതാണ് നല്ലത്. DBMS പാതയിലേക്ക് അവരെ നിർബന്ധിതരാക്കുന്ന ഒരു പാതയിലൂടെ മോംഗോഡിബി ഡെവലപ്പർമാരെ സമ്മർദ്ദത്തിലാക്കുന്നത് ലജ്ജാകരമാണ്. ഡാറ്റ സമഗ്രത ഉറപ്പാക്കുക, പരാജയത്തിനും ക്ഷുദ്രകരമായ ആക്രമണങ്ങൾക്കും പ്രതിരോധശേഷിയുള്ള ഡാറ്റാ സിസ്റ്റങ്ങൾ സൃഷ്ടിക്കൽ തുടങ്ങിയ പഴയ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനുള്ള പുതിയതും രസകരവുമായ വഴികൾ കാണാൻ ഞാൻ ആഗ്രഹിക്കുന്നു.

4.0 പതിപ്പിൽ മോംഗോഡിബിയുടെ ACID ട്രാൻസാക്ഷനാലിറ്റി അവതരിപ്പിക്കുന്നത് നൂതനമായ രീതിയിൽ പ്രധാനപ്പെട്ട മെച്ചപ്പെടുത്തലുകൾ അവതരിപ്പിക്കുന്നതിനുള്ള മികച്ച ഉദാഹരണമാണ്. മൾട്ടി-ഡോക്യുമെന്റ്, മൾട്ടി-സ്റ്റേറ്റ്‌മെന്റ് ഇടപാടുകൾ ഇപ്പോൾ ആറ്റോമിക് ആണ്. ലോക്കുകൾ ഏറ്റെടുക്കുന്നതിനും കുടുങ്ങിക്കിടക്കുന്ന ഇടപാടുകൾ അവസാനിപ്പിക്കുന്നതിനും ആവശ്യമായ സമയം ക്രമീകരിക്കാനും ഐസൊലേഷൻ ലെവൽ മാറ്റാനും കഴിയും.

കൂടുതൽ വായിക്കുക:

• Google BigQuery-ലേക്ക് ഡാറ്റ എങ്ങനെ ലോഡ് ചെയ്യാം

അവലംബം: www.habr.com