昨天我們探討了關聯式資料庫的基本概念和 SQL 基礎語法，今天我們將焦點轉向另一種日益盛行的資料庫類型 - 非關聯式資料庫（NoSQL），並以 MongoDB 為例，聊聊這種資料庫的應用場景。

什麼是非關聯式資料庫？

非關聯式資料庫，也稱為 NoSQL 資料庫，是一種非傳統表格關聯模型的資料庫系統，與關聯式資料庫不同，NoSQL 資料庫通常具有更靈活的結構，能夠處理大量非結構化資料，並提供高度的可擴展性。

非關連式資料庫的特性

1. 靈活的資料模型
2. 高度可擴展性
3. 卓越的效能
4. 處理大數據的能力

MongoDB

MongoDB 是最受歡迎的 NoSQL 資料庫之一，它使用靈活的文件模型來儲存資料，非常適合處理複雜的非結構化資料。

MongoDB 的主要特點

1. 文件導向儲存：資料以類似 JSON 格式儲存
2. 靈活的資料結構：無需預先定義結構
3. 強大的查詢語言：支援複雜查詢和彙總操作
4. 高可用性和水平擴展：透過分片實現
5. 索引支援：提升查詢效率

MongoDB 適用場景

讓我們透過實際案例來了解 MongoDB 在處理複雜、多變資料結構時的優勢。

AWS（Amazon Web Services）作為全球最大的雲端供應商，提供非常多元的雲端服務，每種服務的計費模式和細項名稱都不盡相同，因此在每個項目之間建立正規化資料表挺繁瑣耗時的，透過 MongoDB 靈活資料結構的特性，來儲存這些多樣化的帳單明細，可以輕鬆應對不同服務的獨特屬性。

以下是幾個 AWS 服務帳單資料在 MongoDB 中的例子：

// EC2
{
  "_id": ObjectId("5f8a7b2b9d3b2c1b4c5d6e7f"),
  "service": "EC2",
  "instanceId": "i-1234567890abcdef0",
  "usageType": "BoxUsage:t2.micro",
  "startTime": ISODate("2023-10-01T00:00:00Z"),
  "endTime": ISODate("2023-10-01T01:00:00Z"),
  "region": "us-east-1",
  "cost": 0.0116,
  "currency": "USD",
  "attributes": {
    "instanceType": "t2.micro",
    "vCPU": 1,
    "memory": "1 GiB",
    "operatingSystem": "Linux"
  }
}

// S3
{
  "_id": ObjectId("5f8a7b2b9d3b2c1b4c5d6e80"),
  "service": "S3",
  "bucketName": "my-data-bucket",
  "usageType": "StorageUsage",
  "startTime": ISODate("2023-10-01T00:00:00Z"),
  "endTime": ISODate("2023-10-31T23:59:59Z"),
  "region": "us-west-2",
  "cost": 0.023,
  "currency": "USD",
  "attributes": {
    "storageClass": "Standard",
    "dataStored": "1.5 GB",
    "requestCount": {
      "GET": 1000,
      "PUT": 50
    }
  }
}

// RDS
{
  "_id": ObjectId("5f8a7b2b9d3b2c1b4c5d6e81"),
  "service": "RDS",
  "instanceId": "db-1234567890abcdef0",
  "usageType": "InstanceUsage:db.t3.micro",
  "startTime": ISODate("2023-10-01T00:00:00Z"),
  "endTime": ISODate("2023-10-01T24:00:00Z"),
  "region": "eu-central-1",
  "cost": 0.017,
  "currency": "USD",
  "attributes": {
    "engineType": "MySQL",
    "deploymentOption": "Single-AZ",
    "storageType": "General Purpose SSD (gp2)",
    "allocatedStorage": "20 GB"
  }
}

在這個例子中，我們可以看到 MongoDB 如何靈活處理不同 AWS 服務的複雜計費資料：

1. 靈活的資料結構：每種服務（EC2、S3、RDS）都有其獨特的屬性和計費模式，MongoDB 可以在同一個集合中儲存這些結構各異的文件，而無需預先定義固定的表格結構。

2. 巢狀文件：對於像 S3 的 requestCount 這樣的物件屬性，MongoDB 允許使用巢狀文件，使資料結構更加直觀。

3. 動態欄位：不同服務可能在未來新增新的計費指標，使用 MongoDB 可以輕鬆新增新欄位，而不需要修改整個資料庫結構。

4. 高效查詢：儘管資料結構複雜，MongoDB 仍然可以高效地進行查詢。例如，我們可以輕鬆地查詢特定時間範圍內的所有 EC2 使用記錄：

   db.awsBilling.find({
     service: "EC2",
     startTime: { $gte: ISODate("2023-10-01T00:00:00Z") },
     endTime: { $lt: ISODate("2023-11-01T00:00:00Z") }
   })
   

5. 彙總分析：MongoDB 的彙總框架允許進行複雜的資料分析，比如計算每個服務在特定月份的總成本：

   db.awsBilling.aggregate([
     {
       $match: {
         startTime: { $gte: ISODate("2023-10-01T00:00:00Z") },
         endTime: { $lt: ISODate("2023-11-01T00:00:00Z") }
       }
     },
     {
       $group: {
         _id: "$service",
         totalCost: { $sum: "$cost" }
       }
     }
   ])
   

這個 AWS Rawdata 的案例充分展示了 MongoDB 在處理複雜、多變資料結構時的優勢。它特別適合：

1. 需要儲存結構各異的資料
2. 資料模式可能隨時間變化
3. 需要進行複雜的查詢和彙總分析
4. 資料量大、需要高擴展性的場景

結論

非關聯式資料庫，特別是 MongoDB 這樣的文件導向資料庫，為現代軟體開發提供了靈活、高效的資料儲存解決方案。在 AWS Rawdata 這樣的場景中，MongoDB 的優勢尤為明顯，能夠輕鬆應對複雜多變的資料結構，並支援高效的查詢和分析，雖然，高效的前提是需要下不少功夫去調整索引、優化查詢等等，但現階段的我們知道這種資料庫的特性是什麼就可以了！