面对Schema free的MongoDB，如何规范你的schema
作为近年最为火热的文档型数据库，MongoDB受到了越来越多人的关注，但是由于国内的MongoDB相关技术分享屈指可数，不少朋友都在抱怨无从下手。本期【DBA+社群】联合发起人周李洋为大家分享面对Schema free 的MongoDB时，如何规范你的schema。将从实际应用的角度，并覆盖调优，troubleshooting等方面来进行MongoDB的干货分享，希望能对大家带来帮助。
目录：
MongoDB文档模型带来的好处
Variety
我们为什么要用Variety呢？
Document Validation
validation的限制
如果希望了解更多MongoDB基础的信息，还请大家Google下。我们知道MongoDB是一个文档型数据库，scheme free 是其非常重要的特性，但是在生产中我们应该怎么如合理利用这个特性，合理处理MongoDB的schema呢？
一、MongoDB文档模型带来的好处
大家都知道MongoDB是文档型数据库，是Schema Free的。那么MongoDB的文档模型能给我们带来哪些好处呢，在这简单列举几个：
1、json形式
在MongoDB中，开发人员可以直接将一个json数据存储进MongoDB，这对于开发人员来说是非常友好额；
2、读写性能高
在关系型数据库中，我们经常会进行join、子查询等关联性需求，这时候往往会带来较多的随机IO，而在MongoDB中，我们可以通过合理的数据模型设计来将很多的关联需求通过内嵌、反范式的方式实现，减少了随机IO；
3、schema free
MongoDB的数据模型是灵活的，无需为了Online DDL而操心，不同的document也可以有不同的结构。
在这，我们不深入探究如何对于MongoDB 的Schema进行设计、建模，有关这部分内容，推荐大家可以阅读TJ在开源中国的年终盛典会上分享《MongoDB 进阶模式设计》，以及《Retail Reference Architecture Part 1 to 4 》。
在此我们将主要针对进行了初步建模、并正式上线服务后的schema进行巡检与检测的方式来进行讨论。
二、Variety
Variety是一个开源的，非常使用的，检测mongodb表字段类型、分布的一个开源工具。正如其github readme中第一句所说"**Meet Variety, a Schema Analyzer for MongoDB**"。
Variety能够帮助我们检测我们MongoDB表中的字段类型、分布，并生产报表，可以让我们非常直观的对现有表结构、字段类型进行分析，并找出数据模型中的隐患。
下面我们通过例子来进行讲解：
首先，建立一个表
我们来看看通过variety获得的结果
test是我们的db名，users是表名。我们可以看到，针对我们之前插入的5条数据，variety跑出的结果是：
所有的document都含有_id,和name字段，60%的document含有bio字段，40%的document含有birthday和pets字段，且pets字段有2个类型的数据（4个array的，1个string的），20%的document含有someBinData和SomeWeirdLegacyKey字段。
然而生产环境中由于我们的数据量较大，比如一个表有10亿条数据，全部进行扫描会耗时较长，可能我们仅希望对1000条数据进行分析，这时候就可以使用limit来限定。
由于MongoDB的可以通过内嵌来减少联合查询的需求，可以通过反范式来减少随机IO，所以很可能会有嵌套出现在我们的document中。有的时候嵌套的层数太多了，影响我们的统计信息，怎么办，我们可以通过maxDepth来限制。请参考下面的例子：
又或者我们希望指定统计的条件，比如希望caredAbout为true的，可以这样做：
```
$ mongo test --eval "var collection = 'users', query = {'caredAbout':true}" variety.js
```
又或者是希望进行排序：
```
$ mongo test --eval "var collection = 'users', sort = { updated_at : -1 }" variety.js
```
同时我们也可以指定分析结果的format：
```
$ mongo test --quiet --eval "var collection = 'users', outputFormat='json'" variety.js
```
一般在生产中， 我们不会在primary上进行分析， 我们可以在一个priority为0，且为hidden的secondary上进行分析，这时候需要指定slaveOK：
```
$ mongo secondary.replicaset.member:31337/somedb --eval "var collection = 'users', slaveOk = true" variety.js
```
又或者说我们希望将分析结果存在mongo中:
```
$ mongo test --quiet --eval "var collection = 'users', persistResults=true" variety.js
```
并且指定存储的详细信息：
- resultsDatabase 分析结果所存储的db名
- resultsCollection 分析结果所存储的collection名
- resultsUser 分析结果存储的实例的user
- resultsPass 分析结果所存储的实例的password
```
mongo test --quiet --eval "var collection = 'users', persistResults=true, resultsDatabase='db.example.com/variety' variety.js
```
三、我们为什么要用Variety呢？
尽管我们MongoDB是Schema Free的，但是绝大多数情况下， 我们都希望字段类型统一。
不一致的字段类型可能会为我们的数据带来误差，试想一下，如果某个字段的字段类型不统一，而我们却不知情，这时候很可能会发现业务查询有数据丢失，数据不准确。
并且在生产环境中，应用的版本在不断迭代，需求不断增多，字段也随之变化，如果在没有规范化的上线流程检查过后，数据库中可能还会存在部分数据的字段确实，比如有的document有a字段，有的却没有，variety也可以帮助我们发现这些问题。
四、Document Validation
MongoDB 3.2推出了很多给力的功能，在这不得不提及Document Validation，Document Validation的出现我想也是MongoDB官方想表达”schema free but you may need some rules”吧，哈哈，纯属臆测。
简单介绍下Document Validation:
我们可以为我们schema free的mongodb collection做一些限制。当然这并不是意味着MongoDB变成了关系型数据库，个人觉得这反而更好的突出了MongoDB Schema free的特性。在正确的地方、需要的地方schema free，在适当的地方要有限制。
假设我们要新建一个表contacts，要有如下约束：
phone字段为string类型或者email字段要匹配”@mongodb.com”结尾，或者status为”Unknown”或者"Incomplete"
对已经建立了的表，我们可以通过如下方式来做限定：
这里可以看到，多了一个validationLevel参数，我们可以在设置validation的时候指定我们的validationLevel级别：
- 默认级别是strict，对该collection已有的和以后新增的document都进行validation验证；
- 可以设置为moderate，仅对已经存在的document进行validation限定；
同时还有validationAction参数来指定当有不符合validation规则的数据进行update或者insert的时候， 我们mongodb实例如何进行处理。
- 默认级别为error，mongodb将拒绝这些不符合validation规则的insert和update。
- 可以设置为warn，mongodb会在日志中记录，但是允许这类insert和update操作。日志中如：
五、validation的限制
- validation不能对admin、local和config库中的collection进行设置；
- 不能对system.*这类collections进行validation设置；
作者介绍：周李洋
【DBA+社群】联合发起人
社区常用ID eshujiushiwo，Teambition运维总监
MongoDB Contribution Award获得者，大陆首位MongoDB Certified Professional
MongoDB上海用户组发起人
CSDN MongoDB版主。关注Mysql与MongoDB技术，数据架构，服务器架构，高效运维等。
mongo-mopre，mongo-mload作者
MongoDB官方翻译组核心成员，MongoDB中文站博主
小编精心为大家挑选了近日最受欢迎的几篇热文：
回复001，看杨志洪《【职场心路】一个老DBA的自白》；
回复002，看丁俊的《【重磅干货】看了此文，Oracle SQL优化文章不必再看！》；
回复003，看胡怡文《PG，一道横跨oltp到olap的梦想之桥》；
回复004，看陈科《memcached&redis等分布式缓存的实现原理》；
回复005，看邹德裕《数据库运维工具化：一切从“简”，只为DBA更轻松》；
回复006，看郑晓辉《存储和数据库不得不说的故事》；
回复007，看袁伟翔《揭秘Oracle数据库truncate原理》；
回复008，看杨建荣《立等可取:工具定制让Oracle优化变得更简单快捷》；
回复009，看丁启良《LINUX类主机JAVA应用程序占用CPU、内存过高分析手段》；
回复010，看徐桂林《以应用为中心的企业混合云管理》。
DBA+社群是中国最大的涵盖各种架构师、数据库、中间件的微信社群！线上分享2次/周、线下沙龙1次/月，顶级峰会6次/年，直接受众10000+，间接影响50万+ITer。DBA+社群致力于搭建一个学习交流、专业人脉、跨界合作的公益平台，更多精彩请持续关注dbaplus微信订阅号！
扫码关注
DBAplus社群
超越DBA圈子，连接的不仅仅是DBA