使用MongoDB，我很清楚规范化何时有意义，但我试图从数据大小或查询性能的意义上理解它是否有意义。
举个例子，假设我列出了2,000家零售店。例如，我不关心其他任何事情，所以我只有商店名称。至少几个字符但不超过一百个。
我有2000万人去商店旅行的记录。我会记录一些关于这次旅行的信息，以及这个商店名称。
在MySQL中，表/记录的文件大小会严重影响查询性能。规范化商店名称，以便我可以存储一次字符串，然后写入密钥（一个int），而不是节省大量的磁盘空间。这会变成性能提升。
在MongoDB中，这种类型的数据很小且不够重要，应该简单地嵌入。但是，我担心在2000万条记录之后，由于存在多少冗余数据，查询和/或文件大小会出现性能问题。
如果有500万人都去了一家商店，那么在mongo文件中将会有500万个该字符串的嵌入式副本。这将占用更多的磁盘空间，似乎它可能会超过整数的性能。
我想如果我对数据进行了规范化，Mongo仍然会有一些性能开销来查询其他数据。
答案 0 :(得分：1)
如果有500万人都去了一家商店，那么在mongo文件中将会有500万个该字符串的嵌入式副本。
是的，更糟糕的是，如果名称更改，您必须更新5M条目
这将占用更多的磁盘空间，似乎它可能会超过整数的性能。
我禁止将整数作为键。如果排序（序列发生器成为瓶颈），整数会产生瓶颈，如果使用像HiLo这样的算法，则整数会产生非单调的瓶颈。使用ObjectId或其他非连续但非单调的内容。
Monotony通常会改善数据的位置（如果创建时间是一个地方标准，通常是这样），并有助于更有效地利用BTree。
我有2000万人去商店旅行的记录。我会记录一些有关旅行的信息以及这个商店名称。
这是一个典型的图形问题。人和商店是节点，旅行是边缘。 MongoDB handles normalized graphs better than one might think
直接比较两种方法的性能很棘手 - 额外的往返会使规范化查询变慢，但您可以选择另外存储每次旅行的商店名称。性能开销不会很大，但会增加内存压力。
总结一下，调整数据结构以减少查询肯定是有价值的，但是对于从平均80字节到24字节的绝对大小减少，我不会这样做。标准化结构更容易保持一致（或最终一致，当存储两者时），易于查询并且可以有效地加入＆＃39;使用$in。好处是明确的数据所有权和更大的灵活性（例如，将查询转移到曾经去过x＆＃39;）的人更容易。
答案 1 :(得分：0)
规范化的问题取决于您在95％的时间内访问数据的方式。 例如如果您有一个首先列出商店的网站或应用程序 然后根据请求显示到商店的旅行然后肯定正常化
为集合中的Store属性添加索引可以提高搜索的性能，无论其是否为int
假设你已经这样做了，从我所看到的文档大小不会影响文档的搜索，因为它将使用索引来查找带有引用的存储的行