MongoDB Schema Design
Skill Verifiziert AktivMongoDB-Schemaentwurfsmuster und Anti-Muster. Verwenden Sie dies beim Entwerfen von Datenmodellen, Überprüfen von Schemata, Migration von SQL oder Beheben von Leistungsproblemen, die durch Schema-Probleme verursacht werden. Löst aus bei "schema entwerfen", "einbetten vs. referenzieren", "MongoDB Datenmodell", "Schemaüberprüfung", "unbegrenzte Arrays", "eins-zu-viele", "Baumstruktur", "16MB Limit", "Schema validierung", "JSON Schema", "Zeitreihen", "Schema-Migration", "polymorph", "TTL", "Datenlebenszyklus", "Archivierung", "Index-Explosion", "unnötige Indizes", "Annäherungsmuster", "Dokumentenversionierung".
Benutzern zu helfen, effiziente, leistungsstarke und wartbare MongoDB-Schemas zu entwerfen, indem sie bewährte Entwurfsmuster verstehen und anwenden und häufige Anti-Muster vermeiden.
Funktionen
- MongoDB-Schemaentwurfsmuster
- Schema-Anti-Muster und deren Vermeidung
- Entscheidungsrahmen für Einbettung vs. Referenzierung
- Anleitung zur Größe von Dokumenten und Sammlungen
- Implementierung der Schema-Validierung
- Datenmodellierung für Beziehungen und Hierarchien
- Verwaltung des Datenlebenszyklus (Archivierung, Versionierung)
Anwendungsfälle
- Entwurf neuer MongoDB-Schemas von Grund auf
- Migration von SQL-Schemas zu MongoDB
- Überprüfung bestehender Datenmodelle auf Leistungsprobleme
- Behebung langsamer Abfragen, die durch Schema-Probleme verursacht werden
- Entscheidung über Einbettungs- vs. Referenzierungsstrategien
- Implementierung von Baumstrukturen und komplexen Beziehungen
Nicht-Ziele
- Bereitstellung von spezifischem MongoDB-Abfragecode über Beispiele hinaus
- Automatisierte Schemaerstellung oder Validierungsausführung
- Datenbankadministrationsaufgaben, die nicht mit dem Schemaentwurf zusammenhängen
Workflow
- Verstehen der Ziele und des Kontexts des Schemaentwurfs.
- Konsultieren relevanter Muster-/Anti-Muster-Referenzen basierend auf identifizierten Herausforderungen (z. B. Beziehungen, Datengröße, Zugriffsmuster).
- Anwenden von Entscheidungsrahmen zur Wahl zwischen Einbettung, Referenzierung oder anderen Modellierungstechniken.
- Implementieren von Schema-Validierungs- und Versionierungsstrategien.
- Überprüfen der Schemaentwurfsentscheidungen anhand bereitgestellter Diagnoseabfragen und Best Practices.
Praktiken
- Schemaentwurf
- Datenmodellierung
- Leistungsoptimierung
Voraussetzungen
- Grundlegendes Verständnis von MongoDB-Konzepten
Installation
Zuerst Marketplace hinzufügen
/plugin marketplace add mongodb/agent-skills/plugin install agent-skills@mongodb-pluginsQualitätspunktzahl
VerifiziertVertrauenssignale
Ähnliche Erweiterungen
MongoDB Connection Optimizer
100Optimieren Sie die Konfiguration von MongoDB-Clientverbindungen (Pools, Timeouts, Muster) für jede unterstützte Treibersprache. Verwenden Sie diese Fähigkeit, wenn Sie an Funktionen arbeiten/diese aktualisieren/überprüfen, die einen MongoDB-Client instanziieren oder konfigurieren (z. B. beim Aufruf von `connect()`), Verbindungspools konfigurieren, Verbindungsprobleme beheben (ECONNREFUSED, Timeouts, Pool-Erschöpfung), Leistungsprobleme im Zusammenhang mit Verbindungen optimieren. Dies schließt Szenarien wie das Erstellen von serverlosen Funktionen mit MongoDB, das Erstellen von API-Endpunkten, die MongoDB verwenden, die Optimierung von MongoDB-Anwendungen mit hohem Datenverkehr, das Erstellen von langlaufenden Aufgaben und Nebenläufigkeit oder das Debuggen von verbindungsbezogenen Fehlern ein.
Dsql
100Build with Aurora DSQL — manage schemas, execute queries, handle migrations, diagnose query plans, and develop applications with a serverless, distributed SQL database. Covers IAM auth, multi-tenant patterns, MySQL-to-DSQL migration, DDL operations, query plan explainability, and SQL compatibility validation. Triggers on phrases like: DSQL, Aurora DSQL, create DSQL table, DSQL schema, migrate to DSQL, distributed SQL database, serverless PostgreSQL-compatible database, DSQL query plan, DSQL EXPLAIN ANALYZE, why is my DSQL query slow.
Mongodb Search And Ai
100Leitet MongoDB-Benutzer bei der Implementierung und Optimierung von Atlas Search (Volltext), Vector Search (semantisch) und Hybrid Search-Lösungen an. Verwenden Sie diesen Skill, wenn Benutzer Suchfunktionen für textbasierte Abfragen (Autovervollständigung, Fuzzy-Suche, facettenreiche Suche), semantische Ähnlichkeit (Embeddings, RAG-Anwendungen) oder kombinierte Ansätze erstellen müssen. Verwenden Sie ihn auch, wenn Benutzer Textinhalte, Teilzeichenfolgenübereinstimmungen („enthält“, „beinhaltet“, „erscheint in“), groß-/kleinschreibungsunempfindliche oder mehrfeldige Textsuche oder Filterung über viele Felder mit variablen Kombinationen hinweg benötigen. Bietet Workflows für die Auswahl des richtigen Suchtyps, die Erstellung von Indizes, die Konstruktion von Abfragen und die Optimierung der Leistung mit dem MongoDB MCP-Server.
Sql Optimization
100Universal SQL performance optimization assistant for comprehensive query tuning, indexing strategies, and database performance analysis across all SQL databases (MySQL, PostgreSQL, SQL Server, Oracle). Provides execution plan analysis, pagination optimization, batch operations, and performance monitoring guidance.
DBHub Database Query Guide
100Anleitung zum Abfragen von Datenbanken über den DBHub MCP-Server. Verwenden Sie diese Fähigkeit immer dann, wenn Sie Datenbankschemata untersuchen, Tabellen inspizieren oder SQL-Abfragen über die MCP-Tools von DBHub ausführen müssen (search_objects, execute_sql). Aktiviert bei jeder Datenbankabfrageaufgabe, Schemadeckung, Datenabfrage oder SQL-Ausführung über MCP – auch wenn der Benutzer nur „Datenbank prüfen“ oder „mir Daten finden“ sagt. Diese Fähigkeit stellt sicher, dass Sie dem richtigen Workflow „zuerst erkunden“ folgen, anstatt Tabellenstrukturen zu erraten.
Supabase Postgres Best Practices
99Postgres-Optimierungs- und Best-Practice-Anleitungen von Supabase. Verwenden Sie diesen Skill beim Schreiben, Überprüfen oder Optimieren von Postgres-Abfragen, Schema-Designs oder Datenbankkonfigurationen.