MongoDB和灵活的数据模式

（部分： 技术和基础设施）

简短的摘要

MongoDB是一种面向文档的存储，具有灵活的电路（BSON），快速插入，水平缩放和功能强大的Aggregation Pipeline。在iGaming中,它非常适合玩家配置文件、灵活CRM卡、事件日志、遥测、流中的实例化投影、游戏目录和面向前面的可压缩表示。对于现金不变量（钱包/ledger），SQL/CP回路更常见。MongoDB作为阅读模型和高性能文档存储是合适的。

其中MongoDB在iGaming中给出最大值

玩家配置文件和设置：结构变量（位置设置、首选项、KYC元数据）。
内容/游戏/提供商目录：快速读卡、过滤器、标签、全文。
事件/遥测/日志：高TPS，时间窗口，TTL存储。
实例化视图（CQRS）：快速屏幕（领导板、最新动作、聚合）。
个性化/fici online ML： KV模式集合，简称TTL。

灵活方桉原则： 纪律而不是溷乱

MongoDB不是"没有方案"-方案生活在代码和验证中。

建议：

1.计划作为合同：JSON计划验证。

2.通过"schemaVersion"字段对文档进行测试。

3.严格的必填字段（id，搜索键），稀有属性的"尾巴"是可选的。

4.限制阵列尺寸和嵌套值（用于索引和RAM）。

5.背景迁移：通过"schemaVersion"进行的升级，shedulers，后门。

示例： JSON计划验证

js db.createCollection("player_profiles", {
validator: {
$jsonSchema: {
bsonType: "object",
required: ["playerId", "createdAt", "schemaVersion"],
properties: {
playerId: { bsonType: "string" },
createdAt: { bsonType: "date" },
schemaVersion: { bsonType: "int", minimum: 1 },
locale: { bsonType: "string" },
kyc: {
bsonType: "object",
properties: {
status: { enum: ["pending", "verified", "rejected"] },
doc: { bsonType: "object" }
}
}
}
}
}
});

数据模型和文档设计

在提示下设计：1个屏幕/结束点=1个文档或一小组文档。
非规范化：包括小型嵌套子文件（例如游戏提供商迷你卡）。

链接vs嵌入：

嵌入-用于紧密相关且很少更新的片段。
链接（"ref"）-大尺寸/频繁升级/重用。
大小限制：文档≤ 16 MB；大型二进制-GridFS/对象存储。
审计/元数据："createdAt"，"updatedAt"，"traceId"，"tenantId"，"idempotencyKey"。

索引： 阅读质量和稳定性

索引和实践类型：

B-Tree（主要）

Compound：字段的顺序对应于频繁的谓词和排序。
Prefix规则：对于'（tenantId, playerId, createdAt）'使用前缀选项。
排序：在索引末尾考虑"sort"（例如"createdAt： -1"）。

js db.bets.createIndex(
{ tenantId: 1, playerId: 1, createdAt: -1 },
{ name: "idx_bets_tenant_player_created_desc" }
);

Partial / Sparse

加速频繁的子集（"status： "pending"）,减小大小。

js db.withdrawals.createIndex(
{ playerId: 1, createdAt: -1 },
{ partialFilterExpression: { status: "pending" } }
);

TTL

对于遥测/标志/时间镜头-自动到期。

js db.events.createIndex({ expireAt: 1 }, { expireAfterSeconds: 0 });

文本/自动复制

全文的"text"（语言限制）；对于巡回赛-"n-gram"/trigram通过字段和regex方法或Atlas Search。

指数的反模式

所有索引→记录速度下降。
没有部分的低基数→低选择性。
复制的复合体。
在没有限制的巨型阵列中索引字段。

Aggregation Pipeline： 快速屏幕和报告

使用"$match" → "$sort" → "$limit"作为早期阶段；将索引设计为"$match/$sort"。
"$lookup"用于受控的joins（柔软，数量合理）。
多项指标的"$facet"；"$unionWith"是集合的组合。
"$merge"/"$out"-实现集合中的结果（阅读模型）。

示例：玩家的最新赌注+保险库：

js db.bets.aggregate([
{ $match: { tenantId: "eu-1", playerId: "p123" } },
{ $sort: { createdAt: -1 } },
{ $limit: 100 },
{ $group: {
_id: "$playerId",
lastBets: { $push: { amount: "$amount", ts: "$createdAt", game: "$gameId" } },
totalAmount: { $sum: "$amount" }
} }
]);

交易、一致性和平均性

单文档原子-免费原子性；复杂的不变式-考虑按文档划分。
多文档交易（ACID）-带有复制集，但后期价格更高；逐点应用。

Write Concern / Read Concern:

"w： 关键记录的'majority'（后期成本）；

'readConcern： 'majority'用于一致阅读。
相似性："idempotencyKey"/"pspTx"，UPSERT操作（"$setOnInsert"，"$inc"）上的唯一密钥。

UPSERT示例：

js db.wallet.updateOne(
{ playerId: "p123" },
{ $inc: { balanceCents: -5000 }, $set: { updatedAt: new Date() } },
{ upsert: true, writeConcern: { w: "majority" } }
);

💡 对于现金不变量，通常更喜欢SQL。在Mongo中-仅在严格的密钥/相容性纪律和有限交易的情况下。

摇摇欲坠和选择钥匙

MongoDB在硬键上摇摇欲坠。选择至关重要：

负载分布：高基数键和均匀分布（例如"（tenantId，playerId）"）。
避免单调："createdAt"作为→"热"阴谋的唯一关键。

vs哈希范围：

Hashed-更均匀地分配记录。
Ranged-适用于范围查询,但要注意热尾巴。
用于调节/定位（EU/LatAm/TR）的区域缓解（tag ranges）。

示例：

js sh.enableSharding("igaming");
db.bets.createIndex({ tenantId: 1, playerId: 1, _id: "hashed" });
sh.shardCollection("igaming.bets", { tenantId: 1, playerId: 1, _id: "hashed" });

反模式：

低基数的Shard键（"状态"）是Shard的偏斜。
在破折号的集合之间经常出现"$lookup"，而无需通过一个键进行共同破解。
可变硬键（难以更换且昂贵）。

复制集，阅读和阅读后写入策略

复制集=HA和事务基础。

Read Preference:

关键阅读后写作的"主要"；

"primaryPreferred"/"secondary"-用于分析/非关键。
Read/Write concern与SLO和latency预算保持一致。

Change Streams、CDC和集成

Change Streams：订阅插件/升级/删除-非常方便：

缓存层同步（Redis），
CRM/通知触发器，
下载到OLAP （ClickHouse/Pinot）,
喷气屏幕。
Outbox模式：对于关键域,将事件发布到一个单独的集合中,然后由连接器读取并广播到总线（Kafka）。这提高了积分的可预测性。

可观察性和SLO

SLO： p99读卡≤ 10-20毫秒；插入≤ 20-40毫秒；X％以内的沙丁鱼之间的亮点差；可用性≥ 99。9%.

度量标准：op-latentity, queue depth,每个次要,cache/WT统计数据的百分比,page faults, lock-waits, Kol in open游标/连接。
分析：'系统。profile"，"explain（"executionStats"）"，集合/索引锁。
Alerts： WT cache pressure的增长,操作缓慢,查询不属于索引的增长,次要积压,chunk migrations/balancer。

性能和调音

WiredTiger Cache：默认情况下~ 50% RAM-验证配置文件。
Compression： snappy/zstd for Collections, zstd for Magazine-CPU/IO平衡。
用于遥测的Batch插入和bulkWrite。
投影（"{field： 1}"）以免拖动"厚"文档。
Limit/Skip：避免大型"skip" →使用游标/标记（"createdAt /_id"）分区。
为"环形"徽标捕获的集合。

安全和合规性

Auth/RBAC：集合/DB中的角色，最低要求的特权。
过境中的TLS，磁盘加密（FLE/at rest）。
PII策略：掩码/别名化,敏感字段的单独集合。
多重性：前缀/单个DB/集合，"tenantId"过滤器，可以在应用程序中使用类似RLS的层。
审核：包括对关键集合的操作审核。

Bacaps，PITR和DR

点对点恢复的+oplog备份卷快照（快照）。
DR在不同地区的复制集；定期恢复演习。
在插入峰值下控制oplog生长（PSP webhooks/锦标赛）。
在shard群集中-与config服务器一致的备份。

与体系结构的其余部分集成

CQRS：团队击败SQL（金钱），事件→ MongoDB的Materialized Views。
Event-Streaming：Kafka/Pulsar作为总线，Mongo是通过连接器和Change Streams进行的sink/source。
Redis：旁边是超低潜能层（缓存/计数器）。
OLAP：在ClickHouse/Pinot卸载长扫描和BI。

实施支票清单

1.记录域：在Mongo（灵活/高TPS/投影）中会发生什么,这保留在SQL中。
2.定义schema contracts：JSON Schema Validation，"schemaVersion"。
3.为实际查询设计索引；为"嘈杂"数据添加TTL。
4.选择硬键（高基数，均匀性）；如有必要-分区。
5.在SLO下配置复制集Read/Write Concern；阅读后写入策略。
6.在/WT cache/oplog索引上启用可观察性和分析。
7.组织备用+PITR，DR集群和定期演习。
8.连接Change Streams/Outbox以同步缓存和轮胎。
9.限制文档大小和附件；通过游标引入分区。
10.PII/Tenant的单独策略，加密，审核。

反模式

"没有计划"在销售：缺乏验证和版本→溷乱。
按时间/单调键是热键和不稳定的p99。
Joins '$lookup'在没有索引/分割的巨大套装上。
无处不在地使用事务-性能损失。
缺少TTL/博客转义 →数量和成本增长。
仅在Mongo中存储关键的货币不变量，而无需严格的幂等。

三.成果

MongoDB是灵活的iGaming域的强大工具：配置文件，目录，遥测，投影和个性化。成功的关键是电路合同和验证，经过深思熟虑的索引，精心挑选的软管键，Read/Write Concern意识到，用于集成的Change Streams和严格的操作纪律（可观察性，备份，DR）。结合SQL内核和流媒体总线，这为平台提供了快速的界面和锦标赛高峰的可持续性。