Reduzir o número de collections

Visão geral

Collections são agrupamentos de documentos MongoDB, semelhantes a uma tabela RDBMS . Uma collection existe dentro de um único banco de dados.

Mesmo que uma coleção não contenha nenhum documento, ela ainda vem com um custo de recurso na forma de um índice _id padrão imutável. Embora esse índice não ocupe muito espaço por conta própria (especialmente para coleções pequenas), se você tiver milhares de coleções desses índices podem adicionar recursos e sobrecarregar a alocação do banco de dados.

Se sua implantação contiver um número desnecessário ou crescente de collection, considere reestruturar seus dados para reduzir o número de collection e, por fim, reduzir os requisitos de recursos da sua aplicação.

Exemplo

Considere um banco de dados temperatures que armazena coleções de leituras de temperatura obtidas de um sensor. O sensor faz leituras a cada meia hora, das 10h às 22h. As leituras de cada dia são armazenadas em uma collection separada, nomeada pela data de leitura:

// temperatures.march-09-2020
{
  "_id": 1,
  "timestamp": "2020-03-09T010:00:00Z",
  "temperature": 29
}
{
  "_id": 2,
  "timestamp": "2020-03-09T010:30:00Z",
  "temperature": 30
}
...
{
  "_id": 25,
  "timestamp": "2020-03-09T022:00:00Z",
  "temperature": 26
}

// temperatures.march-10-2020
{
  "_id": 1,
  "timestamp": "2020-03-10T010:00:00Z",
  "temperature": 30
}
{
  "_id": 2,
  "timestamp": "2020-03-10T010:30:00Z",
  "temperature": 32
}
...
{
  "_id": 25,
  "timestamp": "2020-03-10T022:00:00Z",
  "temperature": 28
}

A cada dia que passa, o número de collection no reconhecimento de data center aumenta. Como o número de collection é ilimitado, há uma necessidade cada vez maior do reconhecimento de data center de manter essas collection e seus índices correspondentes. Se o reconhecimento de data center chegar a um ponto em que está gerenciando milhares de collection e índices, isso pode resultar em degradação do desempenho.

Além disso, essa abordagem não facilita facilmente as query em vários dias. Para query dados de vários dias para obter tendências de temperatura em períodos de tempo mais longos, você precisaria executar uma operação $lookup, que não é tão eficiente quanto query dados na mesma coleção.

// temperatures.readings
{
  "_id": ISODate("2020-03-09"),
  "readings": [
    {
      "timestamp": "2020-03-09T010:00:00Z",
      "temperature": 29
    },
    {
      "timestamp": "2020-03-09T010:30:00Z",
      "temperature": 30
    },
    ...
    {
      "timestamp": "2020-03-09T022:00:00Z",
      "temperature": 26
    }
  ]
}
{
  "_id": ISODate("2020-03-10"),
  "readings": [
    {
      "timestamp": "2020-03-10T010:00:00Z",
      "temperature": 30
    },
    {
      "timestamp": "2020-03-10T010:30:00Z",
      "temperature": 32
    },
    ...
    {
      "timestamp": "2020-03-10T022:00:00Z",
      "temperature": 28
    }
  ]
}

Como verificar se há coleções desnecessárias

db.getCollectionNames().length

Saiba mais

• Para saber mais sobre modelagem de dados no MongoDB e o modelo de esquema flexível, consulte Introdução à modelagem de dados.

• Para saber mais sobre bancos de dados e coleções, consulte Bancos de dados e coleções.

• Para saber mais sobre como incorporar dados relacionados em um único documento, consulte Modelos de dados incorporados