MongoDB和靈活的數據模式

（部分： 技術和基礎設施）

簡短的摘要

MongoDB是一種面向文檔的存儲，具有靈活的電路（BSON），快速插入，水平縮放和功能強大的Aggregation Pipeline。在iGaming中,它非常適合玩家配置文件、靈活CRM卡、事件日誌、遙測、流中的實例化投影、遊戲目錄和面向前面的可壓縮表示。對於現金不變量（錢包/ledger），SQL/CP回路更常見。MongoDB作為閱讀模型和高性能文檔存儲是合適的。

其中MongoDB在iGaming中給出最大值

玩家配置文件和設置：結構變量（位置設置、首選項、KYC元數據）。
內容/遊戲/提供商目錄：快速讀卡、過濾器、標簽、全文。
事件/遙測/日誌：高TPS，時間窗口，TTL存儲。
實例化視圖（CQRS）：快速屏幕（領導板、最新動作、聚合）。
個性化/fici online ML： KV模式集合，簡稱TTL。

靈活方案原則： 紀律而不是混亂

MongoDB不是「沒有方案」-方案生活在代碼和驗證中。

建議：

1.計劃作為合同：JSON計劃驗證。

2.通過「schemaVersion」字段對文檔進行測試。

3.嚴格的必填字段（id，搜索鍵），稀有屬性的「尾巴」是可選的。

4.限制陣列尺寸和嵌套值（用於索引和RAM）。

5.背景遷移：通過「schemaVersion」進行的升級，shedulers，後門。

示例： JSON計劃驗證

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" }
}
}
}
}
}
});

數據模型和文檔設計

在提示下設計：1個屏幕/結束點=1個文檔或一小組文檔。
非規範化：包括小型嵌套子文件（例如遊戲提供商迷你卡）。

鏈接vs嵌入：

嵌入-用於緊密相關且很少更新的片段。
鏈接（「ref」）-大尺寸/頻繁升級/重用。
大小限制：文檔≤ 16 MB；大型二進制-GridFS/對象存儲。
審計/元數據：「createdAt」，「updatedAt」，「traceId」，「tenantId」，「idempotencyKey」。

索引： 閱讀質量和穩定性

索引和實踐類型：

B-Tree（主要）

Compound：字段的順序對應於頻繁的謂詞和排序。
Prefix規則：對於'（tenantId, playerId, createdAt）'使用前綴選項。
排序：在索引末尾考慮「sort」（例如「createdAt： -1」）。

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

Partial / Sparse

加速頻繁的子集（"status： "pending"）,減小大小。

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

TTL

對於遙測/標誌/時間鏡頭-自動到期。

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

文本/自動復制

全文的「text」（語言限制）；對於巡回賽-「n-gram」/trigram通過字段和regex方法或Atlas Search。

指數的反模式

所有索引→記錄速度下降。
沒有部分的低基數→低選擇性。
復制的復合體。
在沒有限制的巨型陣列中索引字段。

Aggregation Pipeline： 快速屏幕和報告

使用「$match」 → 「$sort」 → 「$limit」作為早期階段；將索引設計為「$match/$sort」。
「$lookup」用於受控的joins（柔軟，數量合理）。
多項指標的「$facet」；「$unionWith」是集合的組合。
「$merge」/「$out」-實現集合中的結果（閱讀模型）。

示例：玩家的最新賭註+保險庫：

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

單文檔原子-免費原子性；復雜的不變式-考慮按文檔劃分。
多文檔交易（ACID）-帶有復制集，但後期價格更高；逐點應用。

Write Concern / Read Concern:

"w： 關鍵記錄的'majority'（後期成本）；

'readConcern： 'majority'用於一致閱讀。
相似性：「idempotencyKey」/「pspTx」，UPSERT操作（「$setOnInsert」，「$inc」）上的唯一密鑰。

UPSERT示例：

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

💡 對於現金不變量，通常更喜歡SQL。在Mongo中-僅在嚴格的密鑰/相容性紀律和有限交易的情況下。

搖搖欲墜和選擇鑰匙

MongoDB在硬鍵上搖搖欲墜。選擇至關重要：

負載分布：高基數鍵和均勻分布（例如「（tenantId，playerId）」）。
避免單調：「createdAt」作為→「熱」陰謀的唯一關鍵。

vs哈希範圍：

Hashed-更均勻地分配記錄。
Ranged-適用於範圍查詢,但要註意熱尾巴。
用於調節/定位（EU/LatAm/TR）的區域緩解（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：

低基數的Shard鍵（「狀態」）是Shard的偏斜。
在破折號的集合之間經常出現「$lookup」，而無需通過一個鍵進行共同破解。
可變硬鍵（難以更換且昂貴）。

復制集，閱讀和閱讀後寫入策略

復制集=HA和事務基礎。

Read Preference:

關鍵閱讀後寫作的「主要」；

「primaryPreferred」/「secondary」-用於分析/非關鍵。
Read/Write concern與SLO和latency預算保持一致。

Change Streams、CDC和集成

Change Streams：訂閱插件/升級/刪除-非常方便：

緩存層同步（Redis），
CRM/通知觸發器，
下載到OLAP （ClickHouse/Pinot）,
噴氣屏幕。
Outbox模式：對於關鍵域,將事件發布到一個單獨的集合中,然後由連接器讀取並廣播到總線（Kafka）。這提高了積分的可預測性。

可觀察性和SLO

SLO： p99讀卡≤ 10-20毫秒；插入≤ 20-40毫秒；X％以內的沙丁魚之間的亮點差；可用性≥ 99。9%.

度量標準：op-latentity, queue depth,每個次要,cache/WT統計數據的百分比,page faults, lock-waits, Kol in open遊標/連接。
分析：'系統。profile"，"explain（"executionStats"）"，集合/索引鎖。
Alerts： WT cache pressure的增長,操作緩慢,查詢不屬於索引的增長,次要積壓,chunk migrations/balancer。

性能和調音

WiredTiger Cache：默認情況下~ 50% RAM-驗證配置文件。
Compression： snappy/zstd for Collections, zstd for Magazine-CPU/IO平衡。
用於遙測的Batch插入和bulkWrite。
投影（「{field： 1}」）以免拖動「厚」文檔。
Limit/Skip：避免大型「skip」 →使用遊標/標記（「createdAt /_id」）分區。
為「環形」徽標捕獲的集合。

安全和合規性

Auth/RBAC：集合/DB中的角色，最低要求的特權。
過境中的TLS，磁盤加密（FLE/at rest）。
PII策略：掩碼/別名化,敏感字段的單獨集合。
多重性：前綴/單個DB/集合，「tenantId」過濾器，可以在應用程序中使用類似RLS的層。
審核：包括對關鍵集合的操作審核。

Bacaps，PITR和DR

點對點恢復的+oplog備份卷快照（快照）。
DR在不同地區的復制集；定期恢復演習。
在插入峰值下控制oplog生長（PSP webhooks/錦標賽）。
在shard群集中-與config服務器一致的備份。

與體系結構的其余部分集成

CQRS：團隊擊敗SQL（金錢），事件→ MongoDB的Materialized Views。
Event-Streaming：Kafka/Pulsar作為總線，Mongo是通過連接器和Change Streams進行的sink/source。
Redis：旁邊是超低潛能層（緩存/計數器）。
OLAP：在ClickHouse/Pinot卸載長掃描和BI。

實施支票清單

1.記錄域：在Mongo（靈活/高TPS/投影）中會發生什麼,這保留在SQL中。
2.定義schema contracts：JSON Schema Validation，「schemaVersion」。
3.為實際查詢設計索引；為「嘈雜」數據添加TTL。
4.選擇硬鍵（高基數，均勻性）；如有必要-分區。
5.在SLO下配置復制集Read/Write Concern；閱讀後寫入策略。
6.在/WT cache/oplog索引上啟用可觀察性和分析。
7.組織備用+PITR，DR集群和定期演習。
8.連接Change Streams/Outbox以同步緩存和輪胎。
9.限制文檔大小和附件；通過遊標引入分區。
10.PII/Tenant的單獨策略，加密，審核。

反模式

「沒有計劃」在銷售：缺乏驗證和版本→混亂。
按時間/單調鍵是熱鍵和不穩定的p99。
Joins '$lookup'在沒有索引/分割的巨大套裝上。
無處不在地使用事務-性能損失。
缺少TTL/博客轉義 →數量和成本增長。
僅在Mongo中存儲關鍵的貨幣不變量，而無需嚴格的冪等。

三.成果

MongoDB是靈活的iGaming域的強大工具：配置文件，目錄，遙測，投影和個性化。成功的關鍵是電路合同和驗證，經過深思熟慮的索引，精心挑選的軟管鍵，Read/Write Concern意識到，用於集成的Change Streams和嚴格的操作紀律（可觀察性，備份，DR）。結合SQL內核和流媒體總線，這為平臺提供了快速的界面和錦標賽高峰的可持續性。