MongoDB 中 固定集合（Capped Collection） 与 动态集合（Dynamic Collection）

---

一、固定集合（Capped Collection）

1. 核心特性

• 固定容量：预先定义集合的最大存储空间（size）或最大文档数（max），当容量耗尽时，自动覆盖最旧文档。
• 环形队列结构：类似循环缓冲区，写入新数据时自动淘汰旧数据，无需手动删除。
• 高性能：基于插入顺序存储和查询，适用于高频写入场景（如日志、实时监控）。
• 限制操作：不支持分片、事务中的写操作（MongoDB 4.2+），且不能直接删除文档（仅能通过 drop() 清空集合）。

2. 创建与使用

• 创建命令：

db.createCollection("cap_log", { 
    capped: true, 
    size: 1000000,  // 1MB存储空间
    max: 1000       // 最多保留1000条文档
});

优先以 size 限制容量，max 限制文档数为补充。
• 应用场景：
• 日志系统：如 Web 服务器日志，仅需保留最新记录。
• 实时数据流：传感器数据、股票价格等时间序列数据。
• 缓存与消息队列：限制存储空间并保持高效读写。

---

二、动态集合（Dynamic Collection）

1. 核心特性

• 无预定义模式：集合结构可动态调整，允许文档字段自由增减或类型变化。
• 灵活扩展：无需预先声明字段，支持嵌套文档、数组等复杂数据结构。
• 适用快速迭代：适合业务需求频繁变化的场景（如社交平台动态字段）。

2. 实现与操作

• 动态创建集合：直接插入文档即自动生成集合，或通过编程动态命名：

# Python示例：根据店铺名动态创建集合
shop_name = "store_123"
mongo_db = client["my_database"]
collection = mongo_db[shop_name]  # 动态生成集合
collection.insert_one({"product": "itemA", "price": 99})

适用于多租户系统或按业务分表场景。
• 应用场景：
• 多租户架构：不同租户可拥有独立数据结构。
• 爬虫数据存储：不同来源的数据字段差异大，动态适配。
• 原型开发：需求快速验证阶段，避免频繁修改表结构。

---

三、核心差异对比

维度	固定集合	动态集合
容量限制	必须指定 size 或 max，自动淘汰旧数据	无固定限制，可无限扩展
写入性能	极高（基于预分配内存与顺序写入）	适中（需处理动态字段索引）
数据淘汰机制	自动覆盖旧数据	需手动或通过 TTL 索引淘汰
适用场景	高频写入、数据临时性强的场景（如日志）	数据结构多变、需灵活扩展的场景（如用户行为）

---

四、选型建议

1. 选择固定集合的条件：
   • 数据具有时效性，无需长期存储（如实时监控）。
   • 要求极高写入性能且允许数据丢失。
2. 选择动态集合的条件：
   • 业务需求频繁变化，数据结构无法预定义（如快速迭代的互联网产品）。
   • 需支持多租户或分表存储（如电商平台按店铺分集合）。

---

五、注意事项

• 固定集合限制：不可转换为普通集合，但普通集合可通过 convertToCapped 命令转为固定集合。
• 动态集合索引优化：频繁变更字段时需谨慎设计索引，避免性能下降。
• 混合使用场景：例如在电商系统中，用固定集合存储订单操作日志，动态集合存储用户画像数据。

---