使用文档数据库（noSQL）进行基本集合操作

Question

像大多数人一样，我来自关系型数据库的世界，试图理解noSQL数据库，特别是文档存储（因为我觉得它们最有趣）。

我正在尝试了解如何使用文档数据库执行一些集合操作（我正在使用RavenDB进行实验）。

所以根据我的理解：

• Union（就像SQL UNION一样）非常简单明了。此外，不同集合之间的联合（SQL JOIN）可以通过map / reduce实现。 RavenDB神话书中关于博客文章评论计数的示例是一个很好的开始。
• Intersection可以使用许多技术来执行，从反规范化到创建“映射”或“链接”文档，如这里所述（以及下面的聚合器示例）。在关系型数据库中，这将使用简单的“INNER JOIN”或“WHERE x IN”执行。
• Subtract（相对补集）是我遇到困难的地方。在关系型数据库中，此操作只是一个“WHERE x NOT IN”或一个左连接，其中连接的集合为NULL。

使用现实世界的例子，假设我们有一个RSS聚合器（例如Google Reader），其中有数百万甚至数十亿个RSS条目，每个用户都会标记自己喜欢的内容等。

在这个例子中，我们关注条目，用户和标签；其中标签充当用户和条目之间的链接。

user {string id, string name /*etc.*/}
entry {string id, string title, string url /*etc.*/}
tag {string userId, string entryId, string[] tags} /* (favourite, read, etc.)*/

使用上述方法，使用标签很容易执行条目和用户之间的交集。但我无法理解如何执行减法操作。例如“返回没有任何标签的所有项目”甚至更令人望而生畏的“返回最新的1000个没有任何标签的项目”。

所以我的问题是：

- 你能否为我指点一些相关的阅读材料？ - 你能分享一些关于如何高效完成任务的想法吗？

注意：我知道文档数据库会失去查询灵活性，但肯定有一种方法可以做到这一点吧？

- amok

Answer 1

Amok，非关系型数据库很难轻松地做到您想要的功能。这主要是因为它们不以集合为基础，并且与分布式计算有着紧密的联系。例如，您无法在没有访问所有数据的情况下进行高效的集合操作，这几乎意味着任何基于集合的操作都需要访问所有数据。由于NoSQL数据库通常用于分布式场景，因此它们无法真正支持这一点。特别是 RavenDB 允许对指定的集合执行某些操作，但它基于独立文档的假设构建，这些文档与其他文档没有强烈的关联或需要以相同方式全部操作。

- Ayende Rahien

---

鉴于ravenDB的变化如此频繁，这个评论有多正确？ - Andrew Harry

Answer 2

从关系型数据库转向文档数据库并不完全顺畅，可能需要对您的模型进行一些重构以使其更加优化。这是由于这些技术的不同性质所致。

关于 RavenDB 中的集合操作，请参见：

http://ayende.com/blog/4535/set-based-operations-with-ravendb

http://ravendb.net/documentation/set-based

- synhershko

---

很遗憾，您的回答并没有完全回答问题。您提供的链接是关于非常简单的操作。我正在寻找一种使用文档存储处理两个集合之间的“NOT IN”操作（减法或相对补集）的技术。目前唯一明显的解决方案似乎是通过自定义应用程序代码来实现，但这并不完全有效率。 - amok