MongoDB中單對象大小超16M的存儲方案
更新時間：2025年01月26日 10:09:37 作者：yuanpan
在 MongoDB 中,單個文檔的大小限制為 16MB,如果某個對象（文檔）的大小超過 16MB該怎么辦,所以本文給大家介紹了MongoDB中單對象大小超16M的存儲方案,需要的朋友可以參考下
在 MongoDB 中，單個文檔的大小限制為 16MB。如果某個對象（文檔）的大小超過 16MB，可以通過以下幾種方案解決：
1. 使用 GridFS
適用場景：需要存儲大文件（如圖像、視頻、文檔等）。
原理
- MongoDB 的 GridFS 是一種專門用于存儲超過 16MB 文件的工具。
- 它會將大文件分割成多個 chunk（默認大小 255KB），并存儲在兩個集合中：
fs.files：存儲文件的元數據（如文件名、大小、類型等）。fs.chunks：存儲文件的內容分塊。
實現步驟
存儲大文件 使用 MongoDB 驅動的 GridFS 工具存儲文件。
Python 示例：
from pymongo import MongoClient
from gridfs import GridFS
client = MongoClient("mongodb://localhost:27017")
db = client.myDatabase
fs = GridFS(db)
# 存儲文件
with open("large_file.bin", "rb") as f:
fs.put(f, filename="large_file.bin")讀取大文件
# 讀取文件
file_data = fs.get_last_version(filename="large_file.bin")
with open("output.bin", "wb") as f:
f.write(file_data.read())2. 將文檔拆分為多個小文檔
適用場景：文檔包含大量嵌套數據，導致總大小超過 16MB。
解決思路
- 將大文檔拆分成多個子文檔。
- 使用字段（如
_id或parentId）將這些子文檔關聯起來。
實現步驟
示例：拆分用戶日志記錄 原始大文檔（超 16MB）：
{ "_id": "user1", "logs": [ { "timestamp": "2025-01-01", "action": "login" }, ... ] }拆分為多個小文檔：
// 主文檔
{ "_id": "user1", "type": "userMetadata" }
// 子文檔
{ "parentId": "user1", "logs": [ { "timestamp": "2025-01-01", "action": "login" }, ... ] }
查詢時合并：
db.metadata.find({ _id: "user1" });
db.logs.find({ parentId: "user1" });3. 使用 BSON 對象數組存儲引用
適用場景：需要在文檔中存儲大量關聯對象。
解決思路
- 將大數組分割到其他集合中，主文檔存儲引用。
示例
大文檔超限前：
{ "_id": "project1", "name": "Big Project", "tasks": [ /* 超大量任務數據 */ ] }優(yōu)化后：
// 主文檔
{ "_id": "project1", "name": "Big Project" }
// 任務文檔
{ "projectId": "project1", "taskId": 1, "taskName": "Task 1", ... }查詢時通過 projectId 關聯：
db.projects.find({ _id: "project1" }); db.tasks.find({ projectId: "project1" });4. 壓縮數據
適用場景：文檔中包含重復數據或可壓縮結構（如 JSON 數據）。
解決思路
- 在存儲之前壓縮數據（例如使用 GZIP、Zlib 等）。
- 查詢時解壓數據。
示例
Python 實現：
import zlib
from pymongo import MongoClient
client = MongoClient("mongodb://localhost:27017")
db = client.myDatabase
collection = db.myCollection
# 壓縮存儲
data = {"key": "value" * 10000}
compressed_data = zlib.compress(str(data).encode("utf-8"))
collection.insert_one({"_id": "compressed_doc", "data": compressed_data})
# 解壓讀取
doc = collection.find_one({"_id": "compressed_doc"})
decompressed_data = zlib.decompress(doc["data"]).decode("utf-8")5. 修改數據結構
適用場景：文檔設計冗余或結構不合理。
解決思路
- 簡化嵌套層級。
- 使用更緊湊的數據類型（如數組代替對象）。
優(yōu)化前：
{ "_id": "order1", "customer": { "id": 1, "name": "John Doe" }, "items": [ { "productId": "p1", "productName": "Product 1", "quantity": 2 } ] }優(yōu)化后：
{ "_id": "order1", "customerId": 1, "items": [ { "p": "p1", "q": 2 } ] }6. 使用文件系統(tǒng)或其他存儲服務
適用場景：非結構化大數據（如媒體文件、大型JSON）。
解決思路
- 將大數據存儲到文件系統(tǒng)、Amazon S3、Azure Blob 等。
- 在 MongoDB 中存儲文件路徑或 URL。
總結
- 優(yōu)先選擇方案：
- 使用 GridFS 存儲大文件。
- 拆分文檔 或 分表設計 解決超大文檔問題。
- 結合壓縮或外部存儲進一步優(yōu)化。
以上就是MongoDB中單對象大小超16M的存儲方案的詳細內容，更多關于MongoDB單對象大小超16M的資料請關注腳本之家其它相關文章！
相關文章
mongoDB 多重數組查詢(AngularJS綁定顯示 nodejs)
這篇文章主要介紹了mongoDB 多重數組查詢(AngularJS綁定顯示 nodejs),需要的朋友可以參考下2017-06-06
這篇文章主要介紹了MongoDB數據庫安裝配置、基本操作,結合實例形式詳細分析了MongoDB數據庫安裝配置具體步驟、相關命令與基本操作實現技巧,需要的朋友可以參考下2020-01-01
這篇文章介紹了ＭongoDB的可視化工具mongodb-compass，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2022-06-06
這篇文章主要給大家介紹了關于一次因mongo查詢不存在字段引發(fā)的事故記錄，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-01-01
MongoDB系列教程（三）：Windows中下載和安裝MongoDB
這篇文章主要介紹了MongoDB系列教程（三）：MongoDB下載和安裝,本文講解使用Windows環(huán)境安裝MongoDB,需要的朋友可以參考下2015-05-05
MongoDB作為一個高性能、開源、無模式的文檔型數據庫,廣泛應用于各種需要靈活數據模型的應用場景中,在處理與時間相關的數據時,MongoDB提供了強大的查詢能力,本文將詳細介紹如何在MongoDB中執(zhí)行時間范圍查詢,需要的朋友可以參考下2024-08-08
這篇文章主要介紹了mongodb數據庫實驗之增刪查改的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-11-11
MongoDB模糊查詢操作案例詳解(類關系型數據庫的 like 和 not like)
這篇文章主要介紹了MongoDB的模糊查詢操作(類關系型數據庫的 like 和 not like) ,本文通過代碼案例分析給大家介紹的非常詳細，具有一定的參考借鑒價值，，需要的朋友可以參考下2019-07-07
這篇文章主要介紹了MongoDB的PHP驅動方法與技巧,需要的朋友可以參考下2014-07-07
大家都知道MongoDB是一個跨平臺的，面向文檔的數據庫，提供高性能，高可用性和可擴展性方便。那么下面這篇文章就來給大家介紹了關于在mac系統(tǒng)下安裝和配置mongodb的方法步驟，需要的朋友可以參考借鑒，下面來一起看看吧。2017-07-07