共计 1779 个字符,预计需要花费 5 分钟才能阅读完成。
前言
MongoDB 不同于咱们罕用的 mysql,作为一款非关系型数据库,数据存储已相似于 json 格局存储在文档里,不存在外建,无奈实现 mysql 的表格之间关联。那么,对于一对一,一对多,多对一,多对多关系如何实现呢?
一对多
对于一条班级数据
{"_id":ObjectId("52ffc33cd85242f436000001"),
"name": "软件 181 班",
"number": "36"
}
与多条学生数据
{"_id":ObjectId("52ffc33cd85242f436000002"),
"name": "张三",
"num": "185762",
"address": "河北省 XX 市"
}
{"_id":ObjectId("52ffc33cd85242f436000003"),
"name": "李四",
"num": "185763",
"address": "河北省 XX 市"
}
有嵌入和援用两种办法
嵌入
{"_id":ObjectId("52ffc33cd85242f436000001"),
"name": "软件 181 班",
"number": "36",
"student": [
{
"name": "张三",
"num": "185762",
"address": "河北省 XX 市"
},
{
"name": "李四",
"num": "185763",
"address": "河北省 XX 市"
}]
}
长处是一次查问便可找到关联数据。
毛病是随着关联数据量的减少,会减少读写工夫。
援用
{"_id":ObjectId("52ffc33cd85242f436000001"),
"name": "软件 181 班",
"number": "36",
"student_ids": [ObjectId("52ffc4a5d85242602e000001"),
ObjectId("52ffc4a5d85242602e000002")
]
}
援用形式,对于学生根底数据存储在学生表,一条班级数据只存储所有相干学生 id。
关联查问时,须要两次查问,第一次查问班级信息,第二次应用班级关联学生 id 查问学生信息。
长处是当大量关联数据时缩小一次读写工夫。
毛病是造成屡次查问,减少查问工夫。
多对多
对于多对多关系咱们须要具体问题具体分析。
比方图书和标签多对多。只须要查找图书对应标签,而没有通过标签查找图书性能 (如果没有)。那么只须要在一张表去记录图书和标签数据即可。
{"_id":ObjectId("00000111111"),
"name": "计算机组成原理",
"tag": [
{"name": "计算机",},
{"name": "考研",}]
}
{"_id":ObjectId("00000111111"),
"name": "汤家凤高等数学 18 讲",
"tag": [
{"name": "数学",},
{"name": "考研",}]
}
然而对于课程和班级多对多来讲,咱们有时须要查问班级上哪几门课程,有时须要查问这门课程都哪几个班级上,然而大多状况下都是查问班级上哪几门课程。咱们就能够设置一个班级表,一个课程表,在班级表下关联相干课程。
班级表
{"_id":ObjectId("52ffc33cd85242f436000001"),
"name": "软件 181 班",
"number": "36",
"klass_ids": [ObjectId("52ffc4a0001"),
ObjectId("52ffc4a0002")
]
}
{"_id":ObjectId("52ffc33cd85242f436000001"),
"name": "软件 182 班",
"number": "35",
"klass_ids": [ObjectId("52ffc4a0001"),
ObjectId("52ffc4a0003")
]
}
课程表
{"_id":ObjectId("52ffc4a0001"),
"name": "数据结构",
}
{"_id":ObjectId("52ffc4a0002"),
"name": "计算机网络",
}
{"_id":ObjectId("52ffc4a0003"),
"name": "软件工程",
}
对于大多数情景,咱们能够通过班级查问有哪些课程。对于课程查问有哪些班级,咱们也能够通过语句反查。
总结
比照 Mysql 来说,NoSql 绝对于更加灵便,咱们应摈弃 mysql 的思维,服务于咱们的场景去设计数据库。
正文完