sql >> Base de Datos >  >> NoSQL >> MongoDB

Introducción a los gráficos de búsqueda en MongoDB

Si no está familiarizado con MongoDB, es un modelo de datos NoSQL orientado a documentos, que utiliza documentos en lugar de tablas y filas como las tablas relacionales.

Como tal, debido a la forma única en que está construido, MongoDB es uno de los mejores modelos de datos para bases de datos de alto rendimiento con gran escalabilidad. Por supuesto, eso no significa que no tenga competencia, y MongoDB a menudo se compara con Firebase o Cassandra.

Por supuesto, el problema es que cualquier solicitud de consulta en un almacén de datos tan grande puede ser problemática y requiere un cierto nivel de ser un gurú de las consultas.

Afortunadamente, MongoDB ha introducido una característica completamente nueva que no solo elimina la consulta de código, sino que también lo hace tan simple como unos pocos clics. Eso significa que no tiene que gastar mucho tiempo ni molestias para hacer el mismo tipo de consultas y unirse como lo haría normalmente.

Consultas tradicionales en MongoDB

Si bien las bases de datos orientadas a documentos ya son increíblemente flexibles, es probable que todavía haya situaciones en las que necesite datos en vivo en varias colecciones. Por ejemplo, una colección podría contener datos de usuario y otra podría contener actividad de usuario. Esto podría incluso expandirse para tener varias colecciones de datos para diferentes aplicaciones, sitios web, etc.

Es por eso que nació MongoDB Query Language (MQL), y proporcionó una forma para que los programadores crearan consultas complejas. De hecho, MongoDB tiene una página completa para consultar documentos y cómo ejecutarlos. Si no está familiarizado con él, aquí hay un proceso rápido paso a paso de cómo funciona, para que pueda compararlo con los nuevos gráficos de búsqueda más adelante:

Primero, debe conectar su instancia de MongoDB pasando el URI al shell de Mongo y luego usando --password

mongo.exe mongodb://$[hostlist]/$[database]?authSource=$[authSource] --username $[username]

Segundo, cambia a la base de datos, en este caso, usaremos una base de datos hipotética de 'prueba'

use test

En este punto, debería cargar más datos en MongoDB si fuera necesario. Puedes hacerlo con el método insertMany():

db.inventory.insertMany( [

   { "item": "journal", "qty": 25, "size": { "h": 14, "w": 21, "uom": "cm" }, "status": "A" },

    { "item": "notebook", "qty": 50, "size": { "h": 8.5, "w": 11, "uom": "in" }, "status": "A" },

    { "item": "paper", "qty": 100, "size": { "h": 8.5, "w": 11, "uom": "in" }, "status": "D" },

    { "item": "planner", "qty": 75, "size": { "h": 22.85, "w": 30, "uom": "cm" }, "status": "D" },

    { "item": "postcard", "qty": 45, "size": { "h": 10, "w": 15.25, "uom": "cm" }, "status": "A" }

]);

Luego viene la consulta real a través de la recuperación de documentos en una colección específica:

myCursor = db.inventory.find( { status: "D" } )

Por lo general, esto mostrará 20 documentos y devolverá un cursor, pero si lo desea. Sin embargo, si su conjunto de resultados es más grande, querrá iterar sobre los resultados:

while (myCursor.hasNext()) {

print(tojson(myCursor.next()));

}

Finalmente, verificará los resultados para asegurarse de que todo sea correcto. Tenga en cuenta que en el siguiente ejemplo, sus valores de ObjectID serán diferentes:

{

 item: "paper",

 qty: 100,

 size: {

   h: 8.5,

   w: 11,

   uom: "in"

   },

 status: "D"

},

{

 item: "planner",

 qty: 75,

 size: {

   h: 22.85,

   w: 30,

   uom: "cm"

   },

 status: "D"

}

Beneficios de los gráficos de búsqueda

Como puede ver, el proceso es bastante complicado con muchos pasos, por lo que tiene sentido que MongoDB quisiera simplificar un poco el proceso. Por supuesto, va un poco más allá de simplemente facilitar las cosas y hay muchos beneficios para LookUp Charts.

Por ejemplo, puede obtener mejores perspectivas a través del formato de vista única uniendo varias colecciones. Más importante aún, tener un gráfico visual y fácil de analizar actualizado en vivo de acuerdo con sus especificaciones es invaluable. Esto a menudo le permite obtener información casi de inmediato solo a partir de una inspección visual, especialmente si divide la información en otras categorías.

Finalmente, el mayor beneficio es no tener que aprender y dominar MQL para una sola base de datos, lo que reduce la barrera de entrada para muchos programadores.

Cómo usar gráficos de búsqueda

Muy bien, hemos visto cómo funcionan normalmente las consultas en MongoDB y tenemos una buena idea de cómo los gráficos de búsqueda pueden ayudarnos a obtener información más destacada más rápidamente, pero ¿cómo funciona realmente?

Bueno, los pasos son relativamente simples:

  1. Primero, debe elegir la fuente de datos seleccionándola en el menú desplegable en la parte superior izquierda.
  2. Luego, haga clic en el ' . . .’ del campo entre sus colecciones y haga clic en ‘Buscar campo’
  3. Cuando aparezca la nueva ventana, seleccione la 'Fuente de datos remota' de donde extraerá los datos.
  4. Luego, debe seleccionar 'Campo remoto' y ese sería el campo común entre sus dos fuentes de datos.
  5. Finalmente, puede guardar un nombre específico para el campo de resultados, y si no, simplemente haga clic en 'Guardar'

¡Y eso es todo! Ahora puede arrastrar y soltar desde los nuevos campos al generador de gráficos. No olvide elegir también un método de reducción de matriz, o de lo contrario es posible que no vea ningún gráfico para usted.

Familiarizarse con los gráficos de MongoDB

Por supuesto, es pertinente en este punto mencionar que la nueva función LookUp es parte de MongoDB Charts, y MongoDB tiene algunos artículos interesantes para ayudarlo a orientarse con el software:

  1. Nuevas formas de personalizar sus gráficos
  2. Visualización de datos de pedidos
  3. Agregar un campo de búsqueda (que es diferente de los gráficos de búsqueda)

Conclusión

Como puede ver, el nuevo LookUp Charts es una herramienta increíblemente poderosa que reduce enormemente el conocimiento técnico de las consultas de MongoDB. Con solo unos pocos pasos, puede ver un cuadro de información combinado de varias colecciones y comprender la nueva información casi de inmediato.

Compare eso con el antiguo método de hacerlo que requería varios pasos de codificación, además de comprender ese código, y comenzará a ver lo brillante que es esta nueva versión.