MongoDB Document

Hi~朋友，关注置顶防止错过消息

MongoDB使用BSON进行数据的存储，BSON是JSON的二进制表现形式，支持比JSON更多的数据类型。

Document结构

Doccument的结构是键值对的形式，其中值可以是任意的BSON type，也可以是Document或者Document的数组。

Document Field

Field必须是字符串且有以下限制：

• _id为保留属性，id的值必须是唯一且不可变的，并且类型不能为数组、 regex和undefined，如果id有sub fields，子属性的name不能以$开头
• field的名称不能为null字符串
• field name可以包含.和$
• MongoDB在5.0以后优化了对.和的支持，允许.和当前缀，但在访问这些字段时需要借助MongoDB提供的一些方法如

MongoDB的Dcocument不支持重复的Field。

MongoDB使用.来访问数组中的元素或者Document中的field。

Document限制

• 单条BSON Document最大值不能超过16MB，这是为了防止使用过的内存以及传输过程中消耗过多的带宽，如果要存储超过此大小的Document需要使用MongoDB提供的GridFs API。
• Document中的Field是有序的，在进行Document比较时，Field的顺序是有含义的，顺序不同，Document不相等，为了提高查询的执行效率，project、addFields、set和unset这些操作会对字段重排序
• 对于写入操作，MongoDB会保留Document字段写入的顺序，但是_id字段总是会作为Document的第一个字段，对于字段的重命名也会导致Document字段的重新排序。

_id Field

MongoDB中，每一个Document必须要存储一个唯一的_id作为主键，如果代码中没有写入这个值，MongoDB会自动生成一个ObjectId进行写入。

MongoDB会在创建集合时对_id字段创建唯一索引。

对于_id字段通常会有以下建议：

• 使用ObjectId
• 如果可以，可以使用数据中唯一的字段来充当_id，这样可以节省存储空间和避免额外的索引
• 使用自增长的数字
• 如果使用UUID，可以将UUID转换为BinData进行存储，对于BinData类型的数据，如果BinData的子类型值在0-7或128-135并且字节数组的长度是0, 1, 2, 3, 4, 5, 6, 7, 8, 10, 12, 14, 16, 20, 24,或者32时存储更加高效
• UUID尽可能使用驱动程序自带的BSON UUID。

过滤Document结构

在过滤Document时，通常表达式如下：

1. {
2. <field1>: <value1>,
3. <field2>: { <operator>: <value>},
4. ...
5. }

更新Document结构

对于更新Document，更新值的表达式通常如下：

1. {
2. <operator1>: { <field1>: <value1>, ... },
3. <operator2>: { <field2>: <value2>, ... },
4. ...
5. }

Document索引结构

对于Document的索引定义，表达式通常如下：

1. { <field1>: <type1>, <field2>: <type2>, ... }

BSON Types

BSON是用于MongoDB进行数据存储和远程调用时的二进制序列化协议，每一种BSON类型都有其对应的数字和字符串表示，如下：

通过$type字段我们可以查出字段为某个类型的Document，如下：

1. db.products.find({_id: {$type: 7}})

Binary Data

binData类型的数据都有一个subtype用来表示如何解释此二进制数据，如下图：

ObjectId

ObjectId具有小，尽可能的唯一，快速生成且有序的特点，长度为12个字节，主要由以下三部分组成：

• 4字节的timestamp，Unix秒时间戳，采用大端序存储，不同于BSON Value
• 5字节的由进程生成的随机值，同一台机器同一个进程该随机值是一样的
• 3字节的自增计数器，初始值也是随机的，采用大端序存储不同于BSON Value

如果ObjectId在写入时指定了Integer的值，该值将会被用来替换timestamp，ObjectId有可能不是单调递增，原因是ObjectId在同一秒内无法保证递增，并且生成ObjectId的系统时钟也有可能不同。

String

BSON中String的编码格式是UTF8，这可以使得MongoDB能够存储绝大多数国际字符。

Timstamp

在MongoDB内部，BSON的timestamp与常规的Date类型有所不同，它由64bit表示：

• 最高的32bit是Unix的时间戳time_t，单位为秒
• 最低的32bits是一个自增的序列号ordinal

在比较Timestamp时，虽然存储使用的是小端序存储，但是所有的平台总是先比较time_t，然后再比较ordinal，这样可以保证不受大小端序的影响。

Date

BSON中的Date存储采用64bit的整数来表示，存储的值为Unix时间戳，单位为毫秒。

MongDB中的比较排序

在不同的BSON types的比较时，从小到大依次为：

1. MinKey (internal type)
2. Null
3. Numbers (ints, longs, doubles, decimals)
4. Symbol, String
5. Object
6. Array
7. BinData
8. ObjectId
9. Boolean
10. Date
11. Timestamp
12. Regular Expression
13. MaxKey (internal type)

String比较

MongoDB通常使用简单二进制进行比较，在创建Collection时，我们可以通过指定collation option来定义指定语言的比较规则，如字母大小写和重音符号的比较规则，如下：

1. {
2. locale: <string>,
3. caseLevel: <boolean>,
4. caseFirst: <string>,
5. strength: <int>,
6. numericOrdering: <boolean>,
7. alternate: <string>,
8. maxVariable: <string>,
9. backwards: <boolean>
10. }

• locale：指定语言环境，比如en代表英语，默认为simple，表示简单二进制表示
• caseLevel：表示是否启用区分大小写的比较，受strength值的影响，当该值为true，strength为1时只比较基本字符串和大小写，strength为2时比较基本字符重音（以及其他可能的次要差异）和大小写
• caseFirst：大小写的比较顺序，upper：大写字符排在前面；lower：小写字符排在前面；off：默认值等同于lower
• strength：比较的强度级别，1：比较基本字符忽略大小写等其他差异，2：比较基本字符和次要差异（如重音），3：默认级别，比较基本字符、重音及大小写差异，4：比较标点符号，5：比较所有的差异
• numericOrdering：是否将数字字符串当做数字进行比较
• alternate：是否将空格和标点符号作为基本字符进行比较，non-ignorable：默认值，视为基本字符进行比较，shifted：空格和标点符合strength大于3时才能进行比较
• maxVariable：当alternate为shifted时，定义哪些字符可以不被视为基本字符，punct：空格和标点都不是基本字符，space：空格不是基本字符
• backwards：确定是否从字符串的末尾开始比较重音符号，false：默认值，从字符串的开头开始比较，true：从字符串的末尾开始比较

Array比较

• 升序排序时会依据BSON类型进行排序，首先比较最小的元素，如果相同继续比较下一个
• 降序排序与升序排序相反
• 当单元素数组和非数组字段比较时，比较的是数组中的元素和非数组字段的值
• 空数组小于null或者字段缺失的值

Object比较

按按照键值对递归进行比较，首先比较字段类型，如果字段类型相同比较字段名称，如果字段名称相同再比较字段值。

不存在的属性会被视为空的BSON Object，因此{}和{a: null}是同等大小。

BinData

• 首先比较数据的长度
• 其次再比较其subtype
• 最后才是逐字节比较数据

BinData的sub type主要有以下类型：

MongoDB Extended JSON

JSON是BSON的一个子集，为了保留BSON中的数据类型，MOngoDB提供MongoDB Extended JSON来进行支持，MongoDB中的扩展JSON有两种模式：

• 严格模式：会保留数据类型信息，可读性和交互性变低
• 宽松模式：不会保留类型信息，可读性和交互性高

BSON中对应的扩展JSON的严格模式和宽松模式的主要表现形式如下图：