mongoose嵌套模型与子文档（按性能）

我需要开发一个新的webapp（带有MEAN堆栈）。 我以前只开发过一对。

我需要存储设备（如100K文件）。 每个设备将有+1百万的读数。 每次我访问的读数列表，我将不得不过滤内容（通过特定的领域），并得到像1Klogging最大。

我不知道devise应该是什么样子，寻找最佳的performance。

我有三个select：

---

Option1，使用子文档：

var deviceSchema = new mongoose.Schema({ device_id: Number, serialNumber: String, readings:[{ timestamp: Date, lat: Number, long: Number, otherfield1: String, ... }] },{ timestamps: true, strict: false }); 

注意：我只访问DB一次; 我访问这个设备，我已经阅读了所有的文档，但是这个文档将会很大。

---

Option2，独立collections：

 var deviceSchema = new mongoose.Schema({ device_id: Number, serialNumber: String },{ timestamps: true, strict: false }); var readingSchema = new mongoose.Schema({ device_id: Number, timestamp: Date, lat: Number, long: Number, otherfield1: String, ... },{ timestamps: true, strict: false }); 

注：我访问数据库两次; 一个拿到设备，再次获得读数。 例如，我将按deviceid和date过滤读数，但每个文档都很小。

---

Option3，嵌套文件：

 var deviceSchema = new mongoose.Schema({ device_id: Number, serialNumber: String, readings: [{ type: Schema.Types.ObjectId, ref: 'Reading' }] },{ timestamps: true, strict: false }); var readingSchema = new mongoose.Schema({ timestamp: Date, lat: Number, long: Number, otherfield1: String, ... },{ timestamps: true, strict: false }); 

注意：我从来没有使用这个选项。 我将不得不一直填充，我不知道这是否会提供最好的performance：

 Device. find(...). populate({ path: 'readings', match: { timestamp: { $gte: xxxx}}, select: 'lat long', options: { limit: 1000 } }). exec() 

---

哪三个有最好的performance？