刚从 MySQL 迁到 MongoDB 的人，最容易把关系建模那一套照搬过来：每个实体建一个集合，用 userId、orderId 这种字段做关联，查询时再 $lookup 拼。这种写法能跑，但它把 MongoDB 用成了「没有外键约束的关系库」，丢掉了文档模型最大的优势——访问局部性。
文档模型真正的价值，不是「字段随便加」，而是把一个业务实体的相关信息内嵌成一个文档，应用读一次就能拿到全部信息。但内嵌也不是免费午餐：它换来访问效率的同时，要承担冗余、一致性维护和文档膨胀的成本。这一篇讲清楚内嵌和引用各自的边界，以及怎么在两者之间做取舍。
先把机制边界说清楚
MongoDB 的建模选择本质上只有两种基本姿势：
- 内嵌（Embedded）：把关联的对象作为子文档/数组，存进同一个文档。
- 引用（Referenced）：关联对象存在别的集合，主文档只存它的
_id，用时再查。
这不是「谁好谁坏」的选择，而是两种访问模式的取舍。核心判断点是：关联对象和主对象是不是「一起读、一起写」。
内嵌 vs 引用
把两种建模画在一起对比，差别立刻清晰：内嵌是「一次访问拿全」，引用是「跨集合靠 ID 关联」。它们对应的是完全不同的访问形状。
什么时候该内嵌
内嵌的收益是访问局部性。判断要不要内嵌，看三个条件是不是同时成立：
- 子对象和主对象生命周期一致：主对象删了，子对象也没意义。
- 访问模式是整体读整体写：业务几乎不会「只改子对象的某个字段，不碰主对象」。
- 子对象数量有上限：不会无限增长。
典型场景：订单的收货地址快照、商品的多规格、文章的评论（小规模）、用户的标签。这些子对象只属于它的主对象，业务读订单时永远需要同时拿到商品明细和地址，内嵌让一次 find 就返回完整订单，比拆三个集合 $lookup 三次快得多，也更省连接和往返。
订单系统里有个经典设计：地址用内嵌存「快照」而不是存 addrId。因为订单生成时的收货地址是历史事实，用户后来改地址不应该影响已下订单。这是内嵌天然擅长表达的「时间快照」语义，关系模型要用冗余字段才能模拟。
什么时候该引用
引用的收益是独立演进和复用。判断要不要引用，看这几个条件：
- 子对象被多处引用：一个商品出现在很多订单里，一个用户有多个角色。
- 子对象需要独立查询和更新：商品要单独管理库存，用户要单独改资料。
- 子对象数量可能很大或持续增长：主文档装不下。
典型场景：商品、用户、分类、组织架构。商品被千万订单引用，内嵌会导致商品信息在每个订单里冗余千万份，改个价格要更新千万个文档——这是灾难。这种实体必须独立成集合，主文档只存 itemId。
判断引用是否合适的另一个信号：这个子对象有自己的主键和独立生命周期吗？ 如果有，它就是独立实体，引用它；如果没有，它只是主对象的组成部分，内嵌它。
两种姿势各自的代价
内嵌的代价是冗余和一致性。 同样的商品名称出现在每个订单的 items 里，商品改名后历史订单的名字不会自动更新。这通常不是问题（历史快照本该如此），但如果你的业务要求「全局改名同步所有引用」，内嵌就会变成负债。
内嵌的第二个代价是文档膨胀。 MongoDB 单文档上限是 16MB。一个订单有几十件商品没问题，但如果一个文档要内嵌几千上万条评论、几百万条日志，就会撞上这个上限，查询性能也会随文档变大而下降。
引用的代价是多次访问。 拿一个完整订单要查 orders、addresses、items 三个集合，要么 $lookup（本质是类 JOIN），要么应用侧多次查询。每次访问都是一次往返和一次索引查找，延迟会叠加。引用过多，MongoDB 就退化成「需要应用手动 JOIN 的关系库」。
引用的第二个代价是一致性靠应用保证。 没有 SQL 的外键约束，删除一个商品时，引用它的订单不会自动处理，要靠应用或监听 change stream 维护。弱一致性有时是优势（允许暂时的悬空引用），但需要业务能容忍。
头号反模式：无限增长的数组
文档模型最常见的线上事故，是把持续增长的数据塞进一个文档的数组。几个典型形态：
- 用户动态内嵌成一个长数组，活跃用户文档膨胀到几十 MB。
- 聊天消息全部内嵌到一个会话文档，会话越长文档越大。
- 评论内嵌到文章文档，热门文章评论上万条。
这些写法起初都能跑，随着数据积累会集中爆发：文档超过 16MB 报错、单文档读写变慢、更新时整文档重写（MongoDB 更新是文档级，改一个数组元素可能触发整文档搬移）。
处理这类持续增长数据，正确姿势是拆集合 + 引用：消息/评论/动态独立成集合，主文档只存最近 N 条或一个引用。这就是著名的「桶模式（bucket pattern）」——按时间或数量分桶，每个桶是一个文档，避免单文档无限膨胀。时间序列数据、IoT 传感器读数、日志，都适合用桶模式。
一对多、多对多怎么落地
把上面收敛成几个可复用的判断：
- 一对少且一起访问：内嵌。订单地址快照、文章标签。
- 一对多且子对象独立：引用。用户与订单、商品与评价。
- 一对海量且持续增长：拆集合 + 引用，必要时桶模式。用户动态、聊天消息。
- 多对多：双向存引用数组，或用中间集合。用户与群组、商品与活动。注意引用数组本身也会增长，超大量时也要拆。
一个实用经验：先按「读路径」建模，再校验「写路径」。先把业务最频繁的查询画出来，看每次查询需要哪些字段一起出现，把这些字段聚合成文档；然后检查写路径，看哪些字段会被独立更新，把它们拆出来。MongoDB 的建模是读写形状共同决定的，不是只看结构。
判断框架
- 业务实体「整体读、整体写」、子对象只属于父对象 → 内嵌。
- 子对象独立演进、被多处引用、需独立查询 → 引用。
- 持续增长的列表 → 拆集合 + 引用，必要时桶模式，绝不让单文档数组无限长。
- 需要历史快照语义 → 内嵌（快照不被后续修改影响）。
- 需要全局一致性同步 → 引用（单一数据源）。
- 任何「这个数组会一直变长吗」的疑问，如果答案是会，就立刻拆。
文档模型的灵活性，价值在于「能按访问形状建模」，而不是「能随便存」。把内嵌和引用用对地方，MongoDB 的访问效率优势才真正发挥；用错地方，它就只是一个缺少约束、还要手动维护一致性的关系库。
关于十三Tech
我是十三，All in AI Agent 方向的架构师，专注 AI 工程实践。
我相信 AI 是程序员的最佳搭档，也希望帮助每一位开发者更好地驾驭 AI。
如果你想继续跟完这套「图解 MongoDB」，欢迎关注公众号 「十三Tech」。后续会按文档模型、索引优化、存储引擎、高可用和分片集群这条线更新。
