이상치 패턴으로 데이터 그룹화

시작하기 전에

이상값을 처리하도록 스키마를 수정하기 전에 이상값 패턴의 장단점을 고려하세요.

이 작업에 대하여

도서 판매를 추적하는 스키마를 생각해 보세요. 컬렉션의 일반적인 문서는 다음과 같습니다.

db.sales.insertOne(
   {
      "_id": 1,
      "title": "Invisible Cities",
      "year": 1972,
      "author": "Italo Calvino",
      "customers_purchased": [ "user00", "user01", "user02" ]
   }
)

customers_purchased 배열은 무제한 이므로 책을 구매하는 고객이 많을수록 배열이 커집니다. 대부분의 문서의 경우 매장에서는 특정 책에 대해 소량 이상의 판매를 기대하지 않으므로 문제가 되지 않습니다.

인기 있는 신간 도서가 대량 구매로 이어진다고 가정해 보겠습니다. 현재 스키마 디자인으로 인해 문서가 너무 커져 성능에 부정적인 영향을 미칩니다. 이 문제를 해결하려면 일반적인 판매량이 없는 문서에 대해 이상치 패턴을 구현하세요.

단계

db.sales.insertOne(
   {
      "_id": 2,
      "title": "The Wooden Amulet",
      "year": 2023,
      "author": "Lesley Moreno",
      "customers_purchased": [ "user00", "user01", "user02", ... "user49" ],
      "has_extras": true
   }
)

db.extra_sales.insertOne(
   {
      "book_id": 2,
      "customers_purchased_extra": [ "user50", "user51", "user52", ... "user999" ]
   }
)

결과

이상치 패턴은 비정형 문서가 쿼리 성능에 영향을 미치는 것을 방지합니다. 결과 스키마를 사용하면 전체 판매 목록을 유지하면서 컬렉션에 큰 문서를 포함하지 않습니다.

책과 해당 책을 구매한 모든 사용자에 대한 정보를 표시하는 애플리케이션 페이지를 예로 들어 보겠습니다. 이상치 패턴을 구현한 후 페이지에는 대부분의 도서(일반 문서)에 대한 정보가 빠르게 표시됩니다.

인기 있는 책(이상치)의 경우 애플리케이션은 book_id의 extra_sales 컬렉션에서 추가 쿼리를 수행합니다. 이 쿼리의 성능을 향상하려면 book_id 필드에 인덱스를 생성할 수 있습니다.

자세히 알아보기

• 버킷 패턴으로 데이터 그룹화하기

• 무제한 배열 피하기

• 임베디드된 데이터 및 참조 비교

• 모델 계산 데이터