Schema Design Patterns

Setelah bertahun-tahun melihat desain skema yang berhasil di production, komunitas MongoDB merangkum solusi yang berulang menjadi kumpulan pola bernama — dipublikasikan lewat seri blog resmi “Building with Patterns”. Pola bekerja seperti kosakata bersama: daripada menjelaskan “simpan sebagian data panas di document utama”, cukup sebut “Subset Pattern” dan tim langsung paham trade-off-nya. Chapter ini memetakan sembilan pola resmi, lalu menguji tiga di antaranya yang belum punya chapter sendiri; enam sisanya dibahas tuntas di chapter-chapter sekitarnya.

Peta Sembilan Pola #

Tiga baris terakhir yang berlabel “Bab ini” kita praktikkan sekarang; enam lainnya cukup dibuka chapter-nya masing-masing.

Attribute Pattern #

Produk toko buku punya atribut yang tidak seragam: buku punya tebalHalaman, mainan edukatif punya usiaMinimum, e-reader punya kapasitasGB. Membuat field terpisah untuk semuanya menghasilkan document jarang terisi dan butuh banyak index. Attribute Pattern memecahnya menjadi array pasangan k–v:

use latihan_modeling
db.dropDatabase()
db.produk.insertMany([
  { _id: 1, nama: "Buku Bumi", atribut: [ { k: "tebalHalaman", v: 440 }, { k: "beratGram", v: 350 } ] },
  { _id: 2, nama: "Puzzle Peta Indonesia", atribut: [ { k: "usiaMinimum", v: 7 }, { k: "jumlahBidak", v: 500 } ] }
])
db.produk.createIndex({ "atribut.k": 1, "atribut.v": 1 })
db.produk.find({ atribut: { $elemMatch: { k: "tebalHalaman", v: 440 } } }, { nama: 1 })

Output yang Dihasilkan:

switched to db latihan_modeling
{ ok: 1, dropped: 'latihan_modeling' }
{ acknowledged: true, insertedIds: { '0': 1, '1': 2 } }
atribut.k_1_atribut.v_1
[ { _id: 1, nama: 'Buku Bumi' } ]

Satu compound index pada "atribut.k" dan "atribut.v" sekarang melayani query atribut mana pun — tebalHalaman, usiaMinimum, atau atribut yang baru dicetuskan bulan depan — tanpa menambah index baru. Inilah pola yang dipakai luas untuk katalog produk dengan atribut tak terbatas.

Extended Reference Pattern #

Chapter Duplikasi Data sudah memperlihatkan intinya; di sini kita tempatkan pada konteks relasi. Pesanan butuh nama dan kota pembeli di setiap halaman riwayat, tetapi tidak butuh seluruh profil. Extended Reference menyalin hanya field yang sering dibaca itu:

db.pengguna.insertOne({ _id: 1, nama: "Budi", kota: "Bandung", telepon: "0812-3456-7890", poinLoyalitas: 1240 })
db.pesanan.insertOne({
  _id: 501, penggunaId: 1,
  namaPembeli: "Budi", kotaPembeli: "Bandung",
  total: 187000, tanggal: ISODate("2026-12-06T09:30:00Z")
})
db.pesanan.findOne({ _id: 501 })

Output yang Dihasilkan:

{ acknowledged: true, insertedId: 1 }
{ acknowledged: true, insertedId: 501 }
{
  _id: 501,
  penggunaId: 1,
  namaPembeli: 'Budi',
  kotaPembeli: 'Bandung',
  total: 187000,
  tanggal: ISODate('2026-12-06T09:30:00.000Z')
}

Dua field — namaPembeli dan kotaPembeli — cukup untuk merender riwayat pesanan tanpa $lookup; telepon dan poinLoyalitas tidak ikut disalin karena jarang dibaca di konteks pesanan. Kuncinya disiplin memilih: salin yang kecil dan sering dibaca, rujuk sisanya lewat penggunaId.

Schema Versioning Pattern #

Skema berubah: syarat hidup aplikasi. penulis semula string polos, kini perlu objek dengan nama dan kota. Daripada memigrasi sekaligus seluruh collection (menghentikan layanan), tiap document diberi schemaVersion dan migrasi berjalan bertahap:

db.buku.insertMany([
  { _id: 101, judul: "Bumi", penulis: "Tere Liye", schemaVersion: 1 },
  { _id: 102, judul: "Laut Bercerita", penulis: "Leila S. Chudori", schemaVersion: 1 }
])
db.buku.updateMany(
  { schemaVersion: 1 },
  [ { $set: { penulis: { nama: "$penulis", kota: "tidak diketahui" }, schemaVersion: 2 } } ]
)
db.buku.find({}, { judul: 1, penulis: 1, schemaVersion: 1 })

Output yang Dihasilkan:

{ acknowledged: true, insertedIds: { '0': 101, '1': 102 } }
{
  acknowledged: true,
  insertedId: null,
  matchedCount: 2,
  modifiedCount: 2,
  upsertedCount: 0
}
[
  {
    _id: 101,
    judul: 'Bumi',
    penulis: { nama: 'Tere Liye', kota: 'tidak diketahui' },
    schemaVersion: 2
  },
  {
    _id: 102,
    judul: 'Laut Bercerita',
    penulis: { nama: 'Leila S. Chudori', kota: 'tidak diketahui' },
    schemaVersion: 2
  }
]

Bedah migrasinya:

1. Filter { schemaVersion: 1 } — hanya menyentuh document versi lama; document baru yang sudah lahir di versi 2 tidak tersentuh.
2. Update berbentuk aggregation pipeline — $set: { penulis: { nama: "$penulis" } } membaca nilai lama $penulis dan membungkusnya menjadi subdocument; migrasi data nyata terjadi di server, satu perintah untuk semua document.
3. Aplikasi membaca dua versi — selama masa transisi, kode membaca schemaVersion lalu menyesuaikan cara mengakses penulis; begitu semua document bermigrasi, cabang kode versi lama dihapus.

Approximate Quantification Pattern #

Satu pola lagi yang ringkas: counter yang tidak harus exact. Menambah jumlahDilihat: +1 setiap halaman produk dibuka menulis jutaan update per hari untuk data yang tidak pernah ditampilkan satu-per-satu. Pola ini memperbarui counter hanya pada sebagian event — misalnya setiap pembelian ke-10 — menukar presisi dengan throughput: nilainya kira-kira, dan untuk “produk dilihat 12 ribu kali” kira-kira sudah cukup. Untuk angka yang harus exact seperti stok dan saldo, pola ini justru terlarang.

Rangkuman #

• Sembilan pola resmi — Attribute, Bucket, Computed, Extended Reference, Outlier, Polymorphic, Schema Versioning, Subset, Approximate — adalah kosakata bersama untuk solusi desain yang berulang.
• Attribute Pattern: pecah field beragam menjadi pasangan k–v, satu index melayani semua.
• Extended Reference Pattern: salin hanya field kecil yang sering dibaca dari document rujukan.
• Schema Versioning Pattern: schemaVersion per document memungkinkan migrasi bertahap dengan pipeline update.
• Approximate Quantification Pattern: counter kira-kira untuk statistik berfrekuensi tinggi yang tak harus exact.

Lima chapter berikutnya membahas pola-pola tersisa satu per satu, dimulai dari pola yang paling sering dipakai aplikasi modern: Polymorphic.