拥有数千个文档的多个集合与拥有1亿个文档的单个集合哪个更好？

Question

我正在将一个拥有一亿行数据的MySQL表迁移到MongoDB数据库，该表存储公司文件，而区分它们的是列company_id。我想知道在MongoDB上有多个集合是否比只有一个集合更快，例如，每个公司都有自己的集合（集合：company_1、company_2、company_3...），并且只存储该公司的文档，这样我就不需要像在只有一个大集合中那样过滤它们，在每个文档中都会有一个名为company_id的列用于筛选文档。在这种情况下，哪种方法会表现最好？

编辑： 这里是一个JSON文档示例：https://pastebin.com/T5m2tbaY

{"_id":"5d8b8241ae0f000015006142","id_consulta":45254008,"company_id":7,"tipo_doc":"nfe","data_requisicao":"2019-09-25T15:05:35.155Z","xml":Object...

- Fantasmic

---

了解单个文档中包含哪些数据将会很有帮助。 - barrypicker

将它们放入同一集合并索引字段 company_id。 - Sergio Tulentsev

@barrypicker 我会有1个日期字段，1个int字段，1个字段用于标识文档类型（nfe、nfce、cte、cteos、mdfe或cfe），以及另一个字段，其中将存储一个具有数十个嵌套对象的对象（这是一个XML文件转换为对象），我需要在此字段的嵌套对象中进行大量过滤。 - Fantasmic

@barrypicker 这是一个文件的示例：https://pastebin.com/T5m2tbaY - Fantasmic

@Marcelo，感谢您提供示例数据。我在示例中没有看到company_id。它是用不同的名称表示吗？（更新-没关系-我看到id_empresa了） - barrypicker

哦，抱歉，我忘记将它改为英文了。 - Fantasmic

Answer 1

假设详细信息不超过16MB，您可以为每个公司创建一个集合和一个文档，并在文档中放置特定于公司的详细信息。为了提高性能，请在公司ID上放置索引。如果性能条件未达到预期，请垂直扩展 - 即增加内存、CPU、磁盘IO和网络增强以提高性能。如果这还不够，请考虑将集合分片到多个主机上。

- barrypicker

---

即使每个文档都存储一个大的JSON对象，这样做仍然更好吗？请查看我的编辑。 - Fantasmic

是的，这就是我们的想法，避免查找。所有相关数据都存储在单个文档中，并通过索引键获取。但是，文档大小有16MB的限制。文档模式设计很重要。某些结构比其他结构表现更好。例如，一组简单整数的数组在提取期间的表现比子文档的数组更好。 - barrypicker

顺便说一下，你的示例文档几乎有6k大小。这很小，不算大。假设这个示例实际上代表了真实数据，那么文档大小对性能影响没有任何问题。 - barrypicker