本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。 # 功能差異：Amazon DocumentDB 和 MongoDB 以下是 Amazon DocumentDB （與 MongoDB 相容）和 MongoDB 之間的功能差異。 **Topics** + [Amazon DocumentDB 的功能優勢](#functional-differences.functional-benefits) + [已更新功能差異](#functional-differences.updated-functional-differences) + [MongoDB 的功能差異](#functional-differences.with-mongodb) ## Amazon DocumentDB 的功能優勢 ### 隱含交易在 Amazon DocumentDB 中，所有 CRUD `update`陳述式 (`findAndModify`、`insert`、、`delete`) 保證原子性和一致性，即使是修改多個文件的操作也一樣。隨著 Amazon DocumentDB 4.0 的推出，現在支援為多陳述式和多集合操作提供 ACID 屬性的明確交易。如需在 Amazon DocumentDB 中使用交易的詳細資訊，請參閱 [Amazon DocumentDB 中的交易](transactions.md)。以下是 Amazon DocumentDB 中的操作範例，可修改滿足原子和一致行為的多個文件。 ``` db.miles.update( { "credit_card": { $eq: true } }, { $mul: { "flight_miles.$[]": NumberInt(2) } }, { multi: true } ) ``` ``` db.miles.updateMany( { "credit_card": { $eq: true } }, { $mul: { "flight_miles.$[]": NumberInt(2) } } ) ``` ``` db.runCommand({ update: "miles", updates: [ { q: { "credit_card": { $eq: true } }, u: { $mul: { "flight_miles.$[]": NumberInt(2) } }, multi: true } ] }) ``` ``` db.products.deleteMany({ "cost": { $gt: 30.00 } }) ``` ``` db.runCommand({ delete: "products", deletes: [{ q: { "cost": { $gt: 30.00 } }, limit: 0 }] }) ``` 構成 `updateMany` 和 `deleteMany` 之類批量操作的個別操作是不可部分完成，但整個批量操作是可部分完成。例如，如果個別插入操作成功執行而沒有錯誤，則整個 `insertMany` 操作都是不可部分完成。如果 `insertMany` 操作遇到錯誤，則 `insertMany` 操作內的每個單獨插入陳述式都將當作不可部分完成操作來執行。如果您需要 `insertMany`、 `updateMany`和 `deleteMany`操作的 ACID 屬性，建議您使用交易。 ## 已更新功能差異 Amazon DocumentDB 透過從客戶要求我們建置的功能向後工作，持續改善與 MongoDB 的相容性。本節包含我們在 Amazon DocumentDB 中移除的功能差異，讓客戶更輕鬆地遷移和建置應用程式。 **Topics** + [陣列索引](#functional-differences.array-indexing) + [多金鑰索引](#functional-differences.multi-key-indexes) + [字串中的 Null 字元](#functional-differences.strings) + [角色類型存取控制](#functional-differences.role_based_access_control) + [`$regex` 索引](#functional-differences.regex-indexing) + [巢狀文件的投影](#functional-differences.nested-docs) ### 陣列索引截至 2020 年 4 月 23 日，Amazon DocumentDB 現在支援為大於 2，048 個位元組的陣列編製索引。陣列中個別項目的限制仍為 2，048 個位元組，與 MongoDB 一致。如果您要建立新索引，則不需要採取任何動作來利用改進的功能。如果您有現有的索引，您可以刪除索引再重新建立，以利用改進的功能。具有改進功能的最新索引版本為 `"v" : 3`。 **注意** 對於生產叢集，刪除索引可能會影響您的應用程式效能。建議您在對生產系統變更時先加以測試並小心進行。此外，重新建立索引所需的時間，將是集合整體資料大小的函數。您可以使用以下命令查詢索引的版本。 ``` db.collection.getIndexes() ``` 此操作的輸出將會如下所示。在此輸出中，索引的版本是 `"v" : 3`，這是最新的索引版本。 ``` [ { "v" : 3, "key" : { "_id" : 1 }, "name" : "_id_", "ns" : "test.test" } ] ``` ### 多金鑰索引自 2020 年 4 月 23 日起，Amazon DocumentDB 現在支援在相同陣列中建立具有多個索引鍵的複合索引。如果您要建立新索引，則不需要採取任何動作來利用改進的功能。如果您有現有的索引，您可以刪除索引再重新建立，以利用改進的功能。具有改進功能的最新索引版本為 `"v" : 3`。 **注意** 對於生產叢集，刪除索引可能會影響您的應用程式效能。建議您在對生產系統變更時先加以測試並小心進行。此外，重新建立索引所需的時間，將是集合整體資料大小的函數。您可以使用以下命令查詢索引的版本。 ``` db.collection.getIndexes() ``` 此操作的輸出將會如下所示。在此輸出中，索引的版本是 `"v" : 3`，這是最新的索引版本。 ``` [ { "v" : 3, "key" : { "_id" : 1 }, "name" : "_id_", "ns" : "test.test" } ] ``` ### 字串中的 Null 字元自 2020 年 6 月 22 日起，Amazon DocumentDB 現在支援字串中的 null 字元 `'\0'` ()。 ### 角色類型存取控制截至 2020 年 3 月 26 日，Amazon DocumentDB 支援內建角色的角色型存取控制 (RBAC)。如需詳細資訊，請參閱 [以角色為基礎的存取控制](role_based_access_control.md)。 ### `$regex` 索引自 2020 年 6 月 22 日起，Amazon DocumentDB 現在支援`$regex`運算子利用索引的能力。若要使用與 `$regex` 運算子的索引，您必須使用 `hint()` 命令。使用 `hint()` 時，您必須指定要套用 `$regex` 之欄位的名稱。例如，如果您在欄位 `product` 有名為 `p_1` 的索引，`db.foo.find({product: /^x.*/}).hint({product:1})` 將使用 `p_1` 索引，但 `db.foo.find({product: /^x.*/}).hint(“p_1”)` 不會使用該索引。您可以使用 `explain()` 命令或使用分析工具的記錄慢速查詢功能來驗證是否已選擇索引。例如 `db.foo.find({product: /^x.*/}).hint(“p_1”).explain()`。 **注意** `hint()` 方法一次只能與一個索引一起使用。 `$regex` 查詢的索引使用已針對使用字首且未指定 `i`, 、`m` 或 `o` 規則運算式選項的查詢進行最佳化。將 `$regex` 搭配索引使用時，建議您在有高度選擇性的欄位上建立索引，其中重複值的數目會小於集合中文件總數的 1%。例如，如果您的集合包含 100,000 份文件，則只在相同值出現 1000 次或更少的欄位上建立索引。 ### 巢狀文件的投影 Amazon DocumentDB `$project` 和 MongoDB 在 3.6 版中有功能差異，已在 Amazon DocumentDB 4.0 中解決，但在 Amazon DocumentDB 3.6 中仍不受支援。 Amazon DocumentDB 3.6 只會在套用投影時考慮巢狀文件中的第一個欄位，而 MongoDB 3.6 也會剖析子文件，並將投影套用至每個子文件。例如：如果投影為 `“a.b.c”: 1`，則行為在 Amazon DocumentDB 和 MongoDB 中都如預期般運作。不過，如果投影為 `{a:{b:{c:1}}}`，則 Amazon DocumentDB 3.6 只會將投影套用至 `a` ，而不是 `b`或 `c`。在 Amazon DocumentDB 4.0 中，投影`{a:{b:{c:1}}}`將套用至 `a`、 `b`和 `c`。 ## MongoDB 的功能差異 **Topics** + [`$vectorSearch`運算子](#functional-differences.vector-search) + [`OpCountersCommand`](#functional-differences.op-counter) + [管理員資料庫和集合](#functional-differences.admin-databases) + [`cursormaxTimeMS`](#functional-differences.cursormaxTimeMS) + [explain()](#functional-differences.explain) + [索引組建](#functional-differences.background-indexes) + [路徑中具有空索引鍵的查詢](#functional-differences.lookup-empty) + [MongoDB APIs、操作和資料類型](#functional-differences.mongo-apis) + [`mongodump` 和 `mongorestore` 公用程式](#functional-differences.mongodump-mongorestore) + [結果排序](#functional-differences.result-ordering) + [可重試的寫入](#functional-differences.retryable-writes) + [稀鬆索引](#functional-differences.sparse-index) + [在`$all`表達式`$elemMatch`內使用](#functional-differences.elemMatch) + [欄位名稱中的 Dollar(\$1) 和 dot(.)](#functional-differences-dollardot) + [`$lookup`](#functional-differences.lookup) + [`$natural` 和反向排序](#functional-differences.natural) ### `$vectorSearch`運算子 Amazon DocumentDB 不支援 `$vectorSearch` 做為獨立運算子。相反地，我們在`$search`運算子`vectorSearch`內部支援。如需詳細資訊，請參閱[Amazon DocumentDB 的向量搜尋](vector-search.md)。 ### `OpCountersCommand` Amazon DocumentDB `OpCountersCommand`的行為偏離 MongoDB 的行為`opcounters.command` ，如下所示： + MongoDB `opcounters.command`計算所有命令，但插入、更新和刪除除外，而 Amazon DocumentDB 的 `OpCountersCommand` 也排除命令`find`。 + Amazon DocumentDB 會將一些內部命令計入 `OpCountersCommand`。 ### 管理員資料庫和集合 Amazon DocumentDB 不支援管理員或本機資料庫，也不支援 MongoDB `system.*`或`startup_log`集合。 ### `cursormaxTimeMS` 在 Amazon DocumentDB 中，會`cursor.maxTimeMS`重設每個`getMore`請求的計數器。因此，如果`maxTimeMS`指定 3000MS，則查詢需要 2800MS，而每個後續`getMore`請求需要 300MS，則游標不會逾時。游標只會在查詢或個別`getMore`請求的單一操作耗用超過指定的時逾時`maxTimeMS`。此外，檢查游標執行時間的掃描器會以五 (5) 分鐘精細程度執行。 ### explain() Amazon DocumentDB 在利用分散式、容錯、自我修復儲存系統的專用資料庫引擎上模擬 MongoDB 3.6、4.0、5.0 和 8.0 APIs。因此，Amazon DocumentDB 和 MongoDB 之間的查詢計劃和的輸出`explain()`可能不同。想要控制其查詢計劃的客戶可以使用 `$hint` 運算子強制選取偏好的索引。 ### 索引組建 Amazon DocumentDB 僅允許在任何指定時間在集合上發生一個索引組建。在前景或背景中。當索引建置目前正在進行時，如果在相同的集合上進行如 `createIndex()` 或 `dropIndex()` 等操作，最新嘗試進行的操作將會失敗。根據預設，Amazon DocumentDB 和 MongoDB 4.0 版中的索引建置會在前景中發生。MongoDB 4.2 版和更新版本指定為 createIndexes 或其 Shell 協助程式`createIndex()`和時，會忽略背景索引建置選項。 `createIndexes()` 存留時間 (TTL) 索引會在索引建置完成後開始過期文件。 ### 路徑中具有空索引鍵的查詢當您使用包含空字串做為路徑的一部分的索引鍵（例如 `x.`、`x..b`) 進行查詢，且物件在陣列中具有空字串索引鍵路徑（例如 `{"x" : [ { "" : 10 }, { "b" : 20 } ]}`) 時，Amazon DocumentDB 會傳回與在 MongoDB 中執行相同查詢不同的結果。在 MongoDB 中，當空字串索引鍵不在路徑結尾時，陣列中的空索引鍵路徑查詢會如預期般運作。不過，當空字串索引鍵在路徑查詢結尾時，它不會查看陣列。不過在 Amazon DocumentDB 中，只會讀取陣列中的第一個元素，因為會將空字串`getArrayIndexFromKeyString`轉換為 `0`，因此字串索引鍵查詢會被視為陣列索引查詢。 ### MongoDB APIs、操作和資料類型 Amazon DocumentDB 與 MongoDB 3.6、4.0、5.0 和 8.0 APIs。若要查看最新的支援功能清單，請參閱 [Amazon DocumentDB 中支援的 MongoDB APIs、操作和資料類型](mongo-apis.md)。 ### `mongodump` 和 `mongorestore` 公用程式 Amazon DocumentDB 不支援管理員資料庫，因此在使用或 `mongorestore`公用程式時不會傾印`mongodump`或還原管理員資料庫。當您使用在 Amazon DocumentDB 中建立新資料庫時`mongorestore`，除了還原操作之外，還需要重新建立使用者角色。 **注意** 我們建議使用 MongoDB 資料庫工具，包括適用於 Amazon DocumentDB 的 100.6.1 版。您可以在[此處](https://www.mongodb.com/download-center/database-tools/releases/archive)存取 MongoDB 資料庫工具下載。 ### 結果排序 Amazon DocumentDB 不保證結果集的隱含結果排序順序。為確保結果集的排序，請使用 `sort()` 明確指定排序順序。以下範例會根據庫存欄位以遞減順序排序庫存集合中的項目。 ``` db.inventory.find().sort({ stock: -1 }) ``` 使用`$sort`彙總階段時，除非`$sort`階段是彙總管道中的最後一個階段，否則不會保留排序順序。使用`$sort`彙總階段搭配`$group`彙總階段時，`$sort`彙總階段只會套用至 `$last` `$first`和累積器。在 Amazon DocumentDB 4.0 中，新增了的支援`$push`，以遵守上一個`$sort`階段的排序順序。 ### 可重試的寫入從 MongoDB 4.2 相容驅動程式開始，預設會啟用可重試寫入。不過，Amazon DocumentDB 目前不支援可重試的寫入。功能差異會在類似下列錯誤訊息中以資訊清單列出。 ``` {"ok":0,"errmsg":"Unrecognized field: 'txnNumber'","code":9,"name":"MongoError"} ``` 可透過連線字串（例如 `MongoClient("mongodb://my.mongodb.cluster/db?retryWrites=false")`) 或 MongoClient 建構函數的關鍵字引數（例如 ) 停用可重試寫入`MongoClient("mongodb://my.mongodb.cluster/db", retryWrites=False)`。以下是透過連線字串停用可重試寫入的 Python 範例。 ``` client = pymongo.MongoClient('mongodb://:@docdb-2019-03-17-16-49-12.cluster-ccuszbx3pn5e.us-east-1.docdb.amazonaws.com:27017/?replicaSet=rs0',w='majority',j=True,retryWrites=False) ``` ### 稀鬆索引若要使用您在查詢中建立的稀疏索引，您必須在涵蓋索引的欄位上使用 `$exists` 子句。如果您省略 `$exists`，Amazon DocumentDB 將不會使用稀疏索引。下列是範例。 ``` db.inventory.count({ "stock": { $exists: true }}) ``` 對於稀疏的多索引鍵索引，如果查詢文件會導致一組值，且僅缺少一部分索引欄位，Amazon DocumentDB 不支援唯一的索引鍵限制條件。例如，若輸入為 `"a" : [ { "b" : 2 }, { "c" : 1 } ]` 則不支援 `createIndex({"a.b" : 1 }, { unique : true, sparse :true })`，因為 `"a.c"` 會儲存在索引中。 ### 在`$all`表達式`$elemMatch`內使用 Amazon DocumentDB 目前不支援在`$all`表達式中使用`$elemMatch`運算子。您可以如下所示搭配 `$elemMatch` 使用 `$and`，解決問題。原始操作： ``` db.col.find({ qty: { $all: [ { "$elemMatch": { part: "xyz", qty: { $lt: 11 } } }, { "$elemMatch": { num: 40, size: "XL" } } ] } }) ``` 更新的操作： ``` db.col.find({ $and: [ { qty: { "$elemMatch": { part: "xyz", qty: { $lt: 11 } } } }, { qty: { "$elemMatch": { qty: 40, size: "XL" } } } ] }) ``` ### 欄位名稱中的 Dollar(\$1) 和 dot(.) Amazon DocumentDB 不支援在巢狀物件中查詢 \$1in、\$1nin 和 \$1all 中的 Dollar(\$1) 字首欄位。例如，下列查詢在 Amazon DocumentDB 中無效： ``` coll.find({"field": {"$all": [{ "$a": 1 }]}}) ``` ### `$lookup` Amazon DocumentDB 支援執行相等比對的能力（例如，左外部聯結），也支援不相關的子查詢，但不支援關聯的子查詢。 #### 使用索引搭配 `$lookup` 您現在可以將索引與`$lookup`階段運算子搭配使用。根據您的使用案例，您可以使用多種索引演算法來最佳化效能。本節將說明的不同索引演算法，`$lookup`並協助您選擇最適合工作負載的索引演算法。根據預設，Amazon DocumentDB 會在使用 `allowDiskUse:false` 時使用雜湊演算法，並在`allowDiskUse:true`使用時排序合併。 **注意** `find` 命令目前不支援 `allowDiskUse`選項。僅支援選項做為彙總的一部分。我們建議您搭配使用彙總架構`allowDiskUse:true`，來處理可能超過記憶體限制的大型查詢。對於某些使用案例，可能需要強制查詢最佳化工具使用不同的演算法。以下是`$lookup`彙總運算子可以使用的不同索引演算法： + **巢狀迴圈**：如果外部集合 <1 GB，且外部集合中的欄位具有索引，巢狀迴圈計劃通常有利於工作負載。如果使用巢狀迴圈演算法，解釋計畫將顯示階段為 `NESTED_LOOP_LOOKUP`。 + **排序合併**：如果外部集合在查詢中使用的欄位上沒有索引，且工作資料集不適合記憶體，則排序合併計畫通常有利於工作負載。如果正在使用排序合併演算法，解釋計畫會將階段顯示為 `SORT_LOOKUP`。 + **雜湊**：如果外部集合 < 1 GB，且工作資料集適合記憶體，雜湊計劃通常有利於工作負載。如果使用雜湊演算法，解釋計畫會將階段顯示為 `HASH_LOOKUP`。您可以在`explain`查詢上使用來識別用於`$lookup`運算子的索引演算法。以下是範例： ``` db.localCollection.explain().aggregate( [ { $lookup: { from: "foreignCollection", localField: "a", foreignField: "b", as: "joined" } } ] ) output { "queryPlanner" : { "plannerVersion" : 1, "namespace" : "test.localCollection", "winningPlan" : { "stage" : "SUBSCAN", "inputStage" : { "stage" : "SORT_AGGREGATE", "inputStage" : { "stage" : "SORT", "inputStage" : { "stage" : "NESTED_LOOP_LOOKUP", "inputStages" : [ { "stage" : "COLLSCAN" }, { "stage" : "FETCH", "inputStage" : { "stage" : "COLLSCAN" } } ] } } } } }, "serverInfo" : { "host" : "devbox-test", "port" : 27317, "version" : "3.6.0" }, "ok" : 1 } ``` 除了使用 `explain()`方法之外，您也可以使用分析器來檢閱與您使用 `$lookup`運算子搭配使用的演算法。如需分析器的詳細資訊，請參閱 [分析 Amazon DocumentDB 操作](profiling.md)。 #### 使用 `planHint` 如果您想要強制查詢最佳化工具搭配使用不同的索引演算法`$lookup`，您可以使用 `planHint`。若要這樣做，請使用彙總階段選項中的註解來強制不同的計劃。以下是註解的語法範例： ``` comment : { comment : "", lookupStage : { planHint : "SORT" | "HASH" | "NESTED_LOOP" } } ``` 以下是使用 `planHint`強制查詢最佳化工具使用`HASH`索引演算法的範例： ``` db.foo.aggregate( [ { $lookup: { from: "foo", localField: "_id", foreignField: "_id", as: "joined" }, } ] ), { comment : "{ \"lookupStage\" : { \"planHint\": \"HASH\" }}" ``` 若要測試哪種演算法最適合您的工作負載，您可以使用 `explain`方法的 `executionStats` 參數來測量`$lookup`階段的執行時間，同時修改索引演算法（即 `HASH`/`SORT`/`NESTED_LOOP`)。下列範例示範如何使用 `executionStats` 來測量使用`SORT`演算法的`$lookup`階段執行時間。 ``` db.foo.explain("executionStats").aggregate( [ { $lookup: { from: "foo", localField: "_id", foreignField: "_id", as: "joined" }, } ] ), { comment : "{ \"lookupStage\" : { \"planHint\": \"SORT\" }}" ``` ### `$natural` 和反向排序 Amazon DocumentDB 僅支援`$natural`轉送集合掃描。反向收集掃描 (`{$natural: -1}`) 將導致 `MongoServerError`。