스키마 개선

스키마 설계 패턴

자주 사용되는 디자인 패턴을 기반으로 스키마를 모델링할 수 있습니다. 패턴으로 구축 블로그 시리즈에서는 자주 사용되는 다음과 같은 디자인 패턴에 대해 설명합니다.

배열이 잘 작동하는 상황에 대해 알아보려면 다음 디자인 패턴을 참조하세요.

• 각 영화가 일부 국가에서만 개봉하는 영화 데이터와 같이 고유한 속성 조합이 있는 데이터를 처리하려면 속성 패턴을 사용합니다.

• 버킷 패턴은 시간 범위 데이터와 같이 긴밀하게 그룹화되거나 순차적인 데이터를 처리할 때 사용합니다.

• 다형성 패턴을 사용하면 여러 스포츠 종목의 선수 기록과 같이 동일한 컬렉션에서 서로 다른 형태의 문서를 처리할 수 있습니다.

작업 세트의 문서를 관리 가능한 크기로 유지하기 위한 전략에 대해 알아보려면 다음 패턴을 참조하세요.

• 확장 참조 패턴을 사용해 자주 읽는 데이터의 일부를 큰 문서에서 작은 문서로 복제할 수 있습니다.

• 서브셋 패턴을 사용하면 배열 필드가 큰 문서의 크기를 줄일 수 있습니다.

• 표준 컬렉션에서 소수의 대용량 문서를 처리하려면 이상값 패턴을 사용하세요.

유연한 데이터 모델을 스키마에 통합하는 방법을 알아보려면 MongoDB.live 2020의 다음 프레젠테이션을 참조하세요:

• MongoDB의엔티티 관계에 대해 알아보고, MongoDB를 사용한 데이터 모델링으로 구현한 예시를 살펴보세요.

• 고급 스키마 설계 패턴을 통해 스키마에 통합할 수 있는 고급 데이터 모델링 디자인 패턴에 대해 알아보세요.

스키마 추천

Atlas는 일반적인 스키마 설계 문제를 감지하는 두 가지 방법을 제공하며 MongoDB의 권장사항을 따르는 수정을 제안합니다.

• Performance Advisor 는 가장 활동적인 collection과 collection에서 느리게 실행되는 쿼리로 문서를 샘플링하여 클러스터 에 대한 전체적인 스키마 권장 사항을 제공합니다.

• Atlas UI 는 해당 컬렉션 의 문서를 샘플링하여 특정 컬렉션 에 대한 스키마 제안을 제공합니다.

Performance Advisor 또는 데이터 탐색기에서 제공되는 추천을 적용하는 방법에 대해 자세히 알아보려면 다음 페이지를 참조하세요.

스키마 추천의 제한 사항

• 컬렉션에 대한 스키마 추천은 부분적으로 해당 컬렉션의 문서를 무작위로 샘플링하여 이루어집니다. 이 샘플링은 스키마가 분석될 때마다 수행되므로 동일한 컬렉션에 대해 다른 시간에 다른 추천이 표시될 수 있습니다.

• Performance Advisor 는 느린 쿼리를 모니터링하여 특정 스키마 문제, 즉 너무 많은 $lookup 작업 및 대소문자를 구분하는 정규식 쿼리에 인덱스 를 활용하지 않는 것을 인식합니다. 클러스터 가 장기 실행 쿼리를 지속적으로 수신하지 않는 경우, Performance Advisor 는 해당 클러스터 에 대한 모든 잠재적 개선 사항을 제안하지 않거나 개선 사항이 제안되는 모든 이유를 표시하지 않을 수 있습니다.

• Performance Advisor는 top 명령의 출력을 기반으로 가장 활성화된 20개의 컬렉션을 분석합니다. 특정 컬렉션에 대한 추천을 보려면 Atlas UI에서 해당 컬렉션을 확인하세요.

• Performance Advisor 와 Atlas UI 모두 time-series 컬렉션에 대한 스키마 제안을 제공하지 않습니다.

Performance Advisor 에서 스키마 제안 보기