嵌套结构如何影响 DocumentDB 查询性能？
How does nesting structures affect DocumentDB query performance?
问题可能会被表述为 "to flatten or not to flatten?"
如果我将嵌套的 JSON 文档存储在 DocumentDB collection 中，查询这些嵌套结构的性能是否与将这些嵌套结构存储在单独的 collection 中一样自己的平面文件？
有问题的数据将被写入一次并且（可能）永远不会更新。报告性能在要求列表的顶部。
一方面，将数据存储在嵌套结构中似乎是利用 no-schema / no SQL 技术的 "correct" 方式。也就是说，我们自然希望将 header 数据与详细数据关联起来，所有这些都在一个地方和上下文中。但是，一旦我们每分钟写入数千行，同时 运行 从 Web 应用程序报告 collection，它能否扩展并继续执行？
或者，将详细数据展平，将 header 数据的相关部分冗余存储在详细信息 collection 的每一行中会更好吗？作为一个 long-time RDBMS 开发者/用户，我倾向于不冗余地存储数据，但我是否应该为了高性能而放弃这个想法？
平面数据结构在 DocumentDB 中的查询效率更高吗？差距有多大？也就是说，这样做我放弃了什么，如果性能是首要（但不是唯一）优先事项，是否值得？
对此没有一个 "correct" 答案。
选择是将关系表示为单个嵌入式文档（也称为反规范化）还是像在 RDBMS 中那样表示为引用（也称为规范化）在很大程度上取决于您的用例/场景。
通常，您会希望针对读取密集型场景进行反规范化，并针对写入密集型场景进行规范化。
DocumentDB 团队刚刚发布了一份关于此的参考文档；我建议阅读一下：http://azure.microsoft.com/en-us/documentation/articles/documentdb-modeling-data/
问题可能会被表述为 "to flatten or not to flatten?"
如果我将嵌套的 JSON 文档存储在 DocumentDB collection 中，查询这些嵌套结构的性能是否与将这些嵌套结构存储在单独的 collection 中一样自己的平面文件？
有问题的数据将被写入一次并且（可能）永远不会更新。报告性能在要求列表的顶部。
一方面，将数据存储在嵌套结构中似乎是利用 no-schema / no SQL 技术的 "correct" 方式。也就是说，我们自然希望将 header 数据与详细数据关联起来，所有这些都在一个地方和上下文中。但是，一旦我们每分钟写入数千行，同时 运行 从 Web 应用程序报告 collection，它能否扩展并继续执行？
或者，将详细数据展平，将 header 数据的相关部分冗余存储在详细信息 collection 的每一行中会更好吗？作为一个 long-time RDBMS 开发者/用户，我倾向于不冗余地存储数据，但我是否应该为了高性能而放弃这个想法？
平面数据结构在 DocumentDB 中的查询效率更高吗？差距有多大？也就是说，这样做我放弃了什么，如果性能是首要（但不是唯一）优先事项，是否值得？
对此没有一个 "correct" 答案。
选择是将关系表示为单个嵌入式文档（也称为反规范化）还是像在 RDBMS 中那样表示为引用（也称为规范化）在很大程度上取决于您的用例/场景。
通常，您会希望针对读取密集型场景进行反规范化，并针对写入密集型场景进行规范化。
DocumentDB 团队刚刚发布了一份关于此的参考文档；我建议阅读一下：http://azure.microsoft.com/en-us/documentation/articles/documentdb-modeling-data/