MySQL和MongoDB设计实例对比分析
程序员文章站
2022-07-06 10:14:57
下面通过一个设计实例对比一下二者:假设我们正在维护一个手机产品库,里面除了包含手机的名称,品牌等基本信息,还包含了待机时间,外观设计等参数信息,应该如何存取数据呢? 如果使...
下面通过一个设计实例对比一下二者:假设我们正在维护一个手机产品库,里面除了包含手机的名称,品牌等基本信息,还包含了待机时间,外观设计等参数信息,应该如何存取数据呢?
如果使用mysql的话,应该如何存取数据呢?
如果使用mysql话,手机的基本信息单独是一个表,另外由于不同手机的参数信息差异很大,所以还需要一个参数表来单独保存。
create table if not exists `mobiles` (
`id` int(10) unsigned not null auto_increment,
`name` varchar(100) not null,
`brand` varchar(100) not null,
primary key (`id`)
);
create table if not exists `mobile_params` (
`id` int(10) unsigned not null auto_increment,
`mobile_id` int(10) unsigned not null,
`name` varchar(100) not null,
`value` varchar(100) not null,
primary key (`id`)
);
insert into `mobiles` (`id`, `name`, `brand`) values
(1, 'me525', '摩托罗拉'),
(2, 'e7' , '诺基亚');
insert into `mobile_params` (`id`, `mobile_id`, `name`, `value`) values
(1, 1, '待机时间', '200'),
(2, 1, '外观设计', '直板'),
(3, 2, '待机时间', '500'),
(4, 2, '外观设计', '滑盖');
注:为了演示方便,没有严格遵守关系型数据库的范式设计。
如果想查询待机时间大于100小时,并且外观设计是直板的手机,需要按照如下方式查询:
select * from `mobile_params` where name = '待机时间' and value > 100;
select * from `mobile_params` where name = '外观设计' and value = '直板';
注:参数表为了方便,把数值和字符串统一保存成字符串,实际使用时,mysql允许在字符串类型的字段上进行数值类型的查询,只是需要进行类型转换,多少会影响一点性能。
两条sql的结果取交集得到想要的mobile_id,再到mobiles表查询即可:
select * from `mobiles` where mobile_id in (mobile_id)
如果使用mongodb的话,应该如何存取数据呢?
如果使用mongodb的话,虽然理论上可以采用和mysql一样的设计方案,但那样的话就显得无趣了,没有发挥出mongodb作为文档型数据库的优点,实际上使用mongodb的话,和mysql相比,形象一点来说,可以合二为一:
db.getcollection("mobiles").ensureindex({
"params.name": 1,
"params.value": 1
});
db.getcollection("mobiles").insert({
"_id": 1,
"name": "me525",
"brand": "摩托罗拉",
"params": [
{"name": "待机时间", "value": 200},
{"name": "外观设计", "value": "直板"}
]
});
db.getcollection("mobiles").insert({
"_id": 2,
"name": "e7",
"brand": "诺基亚",
"params": [
{"name": "待机时间", "value": 500},
{"name": "外观设计", "value": "滑盖"}
]
});
如果想查询待机时间大于100小时,并且外观设计是直板的手机,需要按照如下方式查询:
db.getcollection("mobiles").find({
"params": {
$all: [
{$elemmatch: {"name": "待机时间", "value": {$gt: 100}}},
{$elemmatch: {"name": "外观设计", "value": "直板"}}
]
}
});
如果使用mysql的话,应该如何存取数据呢?
如果使用mysql话,手机的基本信息单独是一个表,另外由于不同手机的参数信息差异很大,所以还需要一个参数表来单独保存。
复制代码 代码如下:
create table if not exists `mobiles` (
`id` int(10) unsigned not null auto_increment,
`name` varchar(100) not null,
`brand` varchar(100) not null,
primary key (`id`)
);
create table if not exists `mobile_params` (
`id` int(10) unsigned not null auto_increment,
`mobile_id` int(10) unsigned not null,
`name` varchar(100) not null,
`value` varchar(100) not null,
primary key (`id`)
);
insert into `mobiles` (`id`, `name`, `brand`) values
(1, 'me525', '摩托罗拉'),
(2, 'e7' , '诺基亚');
insert into `mobile_params` (`id`, `mobile_id`, `name`, `value`) values
(1, 1, '待机时间', '200'),
(2, 1, '外观设计', '直板'),
(3, 2, '待机时间', '500'),
(4, 2, '外观设计', '滑盖');
注:为了演示方便,没有严格遵守关系型数据库的范式设计。
如果想查询待机时间大于100小时,并且外观设计是直板的手机,需要按照如下方式查询:
select * from `mobile_params` where name = '待机时间' and value > 100;
select * from `mobile_params` where name = '外观设计' and value = '直板';
注:参数表为了方便,把数值和字符串统一保存成字符串,实际使用时,mysql允许在字符串类型的字段上进行数值类型的查询,只是需要进行类型转换,多少会影响一点性能。
两条sql的结果取交集得到想要的mobile_id,再到mobiles表查询即可:
select * from `mobiles` where mobile_id in (mobile_id)
如果使用mongodb的话,应该如何存取数据呢?
如果使用mongodb的话,虽然理论上可以采用和mysql一样的设计方案,但那样的话就显得无趣了,没有发挥出mongodb作为文档型数据库的优点,实际上使用mongodb的话,和mysql相比,形象一点来说,可以合二为一:
复制代码 代码如下:
db.getcollection("mobiles").ensureindex({
"params.name": 1,
"params.value": 1
});
db.getcollection("mobiles").insert({
"_id": 1,
"name": "me525",
"brand": "摩托罗拉",
"params": [
{"name": "待机时间", "value": 200},
{"name": "外观设计", "value": "直板"}
]
});
db.getcollection("mobiles").insert({
"_id": 2,
"name": "e7",
"brand": "诺基亚",
"params": [
{"name": "待机时间", "value": 500},
{"name": "外观设计", "value": "滑盖"}
]
});
如果想查询待机时间大于100小时,并且外观设计是直板的手机,需要按照如下方式查询:
复制代码 代码如下:
db.getcollection("mobiles").find({
"params": {
$all: [
{$elemmatch: {"name": "待机时间", "value": {$gt: 100}}},
{$elemmatch: {"name": "外观设计", "value": "直板"}}
]
}
});
注:查询中用到的$all,$elemmatch等高级用法的详细介绍请参考官方文档中相关说明。
mysql需要多个表,多次查询才能搞定的问题,mongodb只需要一个表,一次查询就能搞定,对比完成,相对mysql而言,mongodb显得更胜一筹,至少本例如此。
上一篇: 降本提效,贝壳搜索推荐架构统一之路
下一篇: Pytorch逻辑回归