Advertisement
Spanish (Spain) transcript
El beneficio principal de embeber datos de dos distintas colecciones
y de agruparlas en una sola
es al rendimiento.
Y el principal beneficio al rendimiento viene de un mejor
rendimiento de lectura.
Ahora, ¿por qué mejoramos el rendimiento de lectura?
La razón es la naturaleza de la forma en que estos sistemas están
construidos. Los sistemas informáticos a menudo
tienen discos de platos giratorios y estos discos tienen una muy
alta latencia, lo que significa que necesitan mayor tiempo para llegar
al primer byte.
A menudo toman más de una milésima de segundo para
llegar al primer byte.
Pero una vez que llegan al primer byte, cada byte
subsecuente viene con bastante rapidez.
Por lo tanto tienden a tener bastante ancho de banda.
La idea es que, si puedes co-localizar los datos que
vas a usar juntos en el mismo documento, embébelos.
Luego que gires el disco, encontrarás el sector
donde necesitas esta información, y entonces
empezarás a leerlo.
Y vas a obtener toda la información
que necesitas en un solo lugar.
También significa que si hay dos grupos de datos que
normalmente estarían en dos colecciones o en varias tablas
relacionales, y tú los tienes en un solo documento, pues así puedes
evitar los viajes de ida y vuelta a la base de datos.
Porque ahora, en una ida y vuelta, puedes ir, puedes
leer los datos y retornarlos.
Lo mismo con una escritura.
En un viaje, puedes ir a la base de datos, escribir los
datos que necesitas, que normalmente sería ir a
varias distintas partes del sistema y partes del disco,
escribir en una sola ubicación del disco y luego regresar.
La única advertencia es, como dije antes, que si
un documento termina siendo movido mucho más a menudo
porque el documento necesita ser expandido a causa de que
has juntado los datos, entonces podrías crear un problema.
Podrías ralentizar tus escrituras
debido a que has embebido.
Una vez más, todo se reduce a tus patrones de acceso con
MongoDB y a tratar de diseñar un esquema en torno a patrones
de acceso que ves en tu aplicación.
y de agruparlas en una sola
es al rendimiento.
Y el principal beneficio al rendimiento viene de un mejor
rendimiento de lectura.
Ahora, ¿por qué mejoramos el rendimiento de lectura?
La razón es la naturaleza de la forma en que estos sistemas están
construidos. Los sistemas informáticos a menudo
tienen discos de platos giratorios y estos discos tienen una muy
alta latencia, lo que significa que necesitan mayor tiempo para llegar
al primer byte.
A menudo toman más de una milésima de segundo para
llegar al primer byte.
Pero una vez que llegan al primer byte, cada byte
subsecuente viene con bastante rapidez.
Por lo tanto tienden a tener bastante ancho de banda.
La idea es que, si puedes co-localizar los datos que
vas a usar juntos en el mismo documento, embébelos.
Luego que gires el disco, encontrarás el sector
donde necesitas esta información, y entonces
empezarás a leerlo.
Y vas a obtener toda la información
que necesitas en un solo lugar.
También significa que si hay dos grupos de datos que
normalmente estarían en dos colecciones o en varias tablas
relacionales, y tú los tienes en un solo documento, pues así puedes
evitar los viajes de ida y vuelta a la base de datos.
Porque ahora, en una ida y vuelta, puedes ir, puedes
leer los datos y retornarlos.
Lo mismo con una escritura.
En un viaje, puedes ir a la base de datos, escribir los
datos que necesitas, que normalmente sería ir a
varias distintas partes del sistema y partes del disco,
escribir en una sola ubicación del disco y luego regresar.
La única advertencia es, como dije antes, que si
un documento termina siendo movido mucho más a menudo
porque el documento necesita ser expandido a causa de que
has juntado los datos, entonces podrías crear un problema.
Podrías ralentizar tus escrituras
debido a que has embebido.
Una vez más, todo se reduce a tus patrones de acceso con
MongoDB y a tratar de diseñar un esquema en torno a patrones
de acceso que ves en tu aplicación.