一、云数据库MongoDB开发规范

1.1 数据库设计原则

集合划分与文档结构
MongoDB采用无固定模式（Schema-less）设计，但合理规划集合（Collection）和文档（Document）结构是提升性能的关键。建议根据业务场景划分集合，例如将用户信息、订单数据、日志等分离存储。文档结构应遵循“扁平化”原则，避免嵌套层级过深（一般不超过3层），以减少查询时的解析开销。例如，用户地址信息可设计为：

{
  "user_id": "1001",
  "name": "张三",
  "address": {
    "city": "北京",
    "district": "朝阳区",
    "detail": "建国路88号"
  }
}

而非过度嵌套的复杂结构。

索引优化策略
索引是MongoDB查询性能的核心。需根据查询模式（Query Pattern）创建索引，例如对高频查询字段（如user_id、create_time）建立单字段索引；对多条件查询（如status=1 AND create_time>20230101）建立复合索引。需注意索引的“选择性”（Selectivity），即区分度高（唯一值多）的字段更适合建索引。此外，定期使用explain()分析查询计划，避免无效索引。

1.2 查询与写入优化

查询操作规范

• 限制返回字段：使用projection仅查询必要字段，减少网络传输和内存占用。例如：

  db.users.find({}, {name: 1, email: 1})

• 分页查询：避免直接使用skip()进行大偏移量分页（性能差），推荐通过“游标+最后ID”方式实现。例如：

  // 第一页
  const firstPage = db.orders.find({status: 1}).sort({_id: 1}).limit(10);
  // 第二页（记录第一页最后一条的_id）
  const lastId = firstPage[9]._id;
  const secondPage = db.orders.find({status: 1, _id: {$gt: lastId}}).sort({_id: 1}).limit(10);

• 批量操作：优先使用bulkWrite()进行批量插入/更新，减少网络往返次数。

写入操作规范

• 批量插入：使用insertMany()替代单条插入，提升吞吐量。
• 写关注（Write Concern）：根据业务需求选择合适的写关注级别（如{w: 1}表示主节点确认，{w: "majority"}表示多数节点确认），平衡性能与数据安全性。
• 事务使用：MongoDB 4.0+支持多文档事务，但事务会占用资源，建议仅在必要场景（如跨集合操作）使用，并控制事务大小（建议<100ms）。

1.3 安全与运维

安全策略

• 认证与授权：启用SCRAM-SHA-256认证，为不同角色分配最小权限（如只读、读写、管理权限）。
• 网络隔离：通过VPC（虚拟私有云）限制数据库访问IP，避免公网暴露。
• 审计日志：开启MongoDB审计功能，记录敏感操作（如DDL、权限变更）。

运维规范

• 监控告警：监控关键指标（如连接数、QPS、磁盘空间），设置阈值告警。
• 备份策略：定期执行全量备份（如每日）和增量备份（如每小时），保留至少7天备份。
• 扩容规划：根据业务增长预估存储和计算需求，提前扩容分片集群（Sharded Cluster）。

二、云数据库PolarDB开发规范

2.1 架构与特性

PolarDB核心优势
PolarDB是阿里云推出的兼容MySQL的云原生数据库，采用计算存储分离架构，支持一键扩容、秒级故障恢复。其存储层基于共享存储（RDMA网络），计算节点无状态，可快速弹性伸缩。

适用场景

• 高并发OLTP场景（如电商订单系统）。
• 需要快速扩容的弹性业务。
• 对数据一致性要求高的场景（PolarDB默认提供强一致性）。

2.2 开发实践

SQL优化

• 索引设计：与MySQL类似，需根据查询模式创建索引。PolarDB支持在线DDL（如ALTER TABLE ... ADD INDEX），减少锁表时间。
• 执行计划分析：使用EXPLAIN查看SQL执行计划，优化低效查询（如全表扫描）。
• 参数调优：调整innodb_buffer_pool_size（建议占内存的50%-70%）、sort_buffer_size等参数。

高可用与灾备

• 主从切换：PolarDB自动处理主从故障切换（RTO<30秒），业务层需实现重试逻辑。
• 跨区域灾备：通过“全球数据库”功能实现跨区域数据同步，RPO<1秒。

2.3 迁移与兼容

从MySQL迁移

• 工具选择：使用阿里云DTS（数据传输服务）进行结构迁移+数据同步，支持全量+增量模式。
• 兼容性检查：PolarDB兼容MySQL 5.6/5.7/8.0，但需注意部分语法差异（如GROUP_CONCAT函数参数不同）。

从MongoDB迁移

• 方案选择：若业务需从MongoDB迁移至PolarDB，需重新设计关系型模型，可能涉及数据清洗和转换。
• 工具支持：可通过阿里云DataWorks或自定义ETL脚本完成迁移。

三、MongoDB与PolarDB协同实践

3.1 混合架构设计

场景示例：电商系统中，用户行为日志存入MongoDB（灵活Schema），订单数据存入PolarDB（强事务）。两者通过消息队列（如RocketMQ）同步数据，实现分析型查询与事务型操作分离。

3.2 性能对比与选型

指标	MongoDB	PolarDB
查询类型	文档查询、聚合管道	标准SQL、复杂JOIN
事务支持	4.0+多文档事务（有限制）	完整ACID事务
扩容方式	分片集群（需提前规划）	计算节点秒级扩容
适用场景	半结构化数据、快速迭代	结构化数据、高并发事务

四、总结与建议

1. MongoDB开发核心：合理设计文档结构、优化索引与查询、重视事务与安全。
2. PolarDB开发核心：利用云原生特性（弹性、高可用）、优化SQL与参数、规划灾备。
3. 混合架构建议：根据业务数据特征选择数据库，通过消息队列解耦系统。

通过遵循上述规范，开发者可充分利用云数据库的优势，构建高性能、高可用的应用系统。