Przedstawiamy wykresy wyszukiwania w MongoDB

Jeśli nie znasz MongoDB, jest to zorientowany na dokumenty model danych NoSQL, który wykorzystuje dokumenty, a nie tabele i wiersze, jak w przypadku tabel relacyjnych.

W związku z tym, ze względu na unikalny sposób, w jaki jest zbudowana, MongoDB jest jednym z najlepszych modeli danych do wysokowydajnych baz danych o dużej skalowalności. Oczywiście nie oznacza to, że nie ma konkurencji, a MongoDB jest często porównywany do Firebase lub Cassandry.

Oczywiście problem polega na tym, że każde zapytanie dotyczące tak dużego magazynu danych może być problematyczne i wymaga pewnego poziomu bycia guru zapytań.

Na szczęście MongoDB wprowadził zupełnie nową funkcję, która nie tylko eliminuje zapytania o kod, ale także sprawia, że ​​jest to tak proste, jak kilka kliknięć. Oznacza to, że nie musisz poświęcać dużo czasu i kłopotów na wykonywanie tego samego typu zapytań i dołączania, co normalnie.

Tradycyjne zapytania w MongoDB

Chociaż bazy danych zorientowane na dokumenty są już niezwykle elastyczne, prawdopodobnie nadal istnieją sytuacje, w których możesz potrzebować danych na żywo w wielu kolekcjach. Na przykład jedna kolekcja może zawierać dane użytkownika, a inna może zawierać aktywność użytkownika. Można to nawet rozszerzyć o kilka zbiorów danych dla różnych aplikacji, witryn internetowych itp.

Dlatego narodził się język MongoDB Query Language (MQL), który umożliwił programistom tworzenie złożonych zapytań. W rzeczywistości MongoDB ma całą stronę dla dokumentów zapytań i sposobu ich uruchamiania. Jeśli go nie znasz, oto krótki, krok po kroku, jak to działa, dzięki czemu możesz później porównać z nowymi wykresami LookUp:

Najpierw musisz połączyć swoją instancję MongoDB, przekazując identyfikator URI do powłoki Mongo, a następnie używając --password

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

Po drugie, przełącz się na bazę danych, w tym przypadku użyjemy hipotetycznej bazy danych „testowej”

use test

W tym momencie możesz załadować więcej danych do MongoDB, jeśli zajdzie taka potrzeba. Możesz to zrobić za pomocą metody 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" }

]);

Następnie pojawia się faktyczne zapytanie poprzez pobranie dokumentów w określonej kolekcji:

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

Zazwyczaj pokaże 20 dokumentów i zwróci kursor, ale jeśli chcesz. Jeśli jednak Twój zestaw wyników jest większy, będziesz chciał powtórzyć wyniki:

while (myCursor.hasNext()) {

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

}

Na koniec sprawdź wyniki, aby upewnić się, że wszystko jest w porządku. Pamiętaj, że w poniższym przykładzie Twoje wartości ObjectID będą się różnić:

{

 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"

}

Zalety wykresów wyszukiwania

Jak widać, proces jest dość skomplikowany i składa się z wielu kroków, więc ma sens, że MongoDB chciało, aby proces był nieco bardziej uproszczony. Oczywiście wykracza to nieco poza ułatwianie rzeczy, a wykresy LookUp mają wiele zalet.

Możesz na przykład uzyskać lepszy wgląd w format pojedynczego widoku, łącząc kilka kolekcji. Co ważniejsze, posiadanie wizualnego i łatwego do przeanalizowania wykresu aktualizowanego na żywo zgodnie z Twoimi specyfikacjami jest nieocenione. To często pozwala na uzyskanie informacji niemal natychmiast po oględzinach, zwłaszcza jeśli podzielisz informacje na dalsze kategorie.

Największą korzyścią jest brak konieczności uczenia się i opanowania MQL tylko dla jednej bazy danych, co zmniejsza barierę wejścia dla wielu programistów.

Jak korzystać z wykresów wyszukiwania

W porządku, więc przyjrzeliśmy się, jak zwykle działa zapytania w MongoDB i mamy dobry pomysł, w jaki sposób wykresy wyszukiwania mogą pomóc nam szybciej uzyskać bardziej istotne informacje, ale jak to właściwie działa?

Cóż, kroki są stosunkowo proste:

1. Najpierw musisz wybrać źródło danych, wybierając je z rozwijanego menu w lewym górnym rogu.
2. Następnie kliknij „ . . .’ pola między kolekcjami i kliknij „Pole wyszukiwania”
3. Kiedy pojawi się nowe okno, wybierz „Zdalne źródło danych”, z którego będziesz pobierać dane.
4. Następnie musisz wybrać „Pole zdalne” i będzie to pole wspólne dla Twoich dwóch źródeł danych.
5. Na koniec możesz zapisać konkretną nazwę pola wyników, a jeśli nie, po prostu kliknij „Zapisz”

I to prawie wszystko! Możesz teraz przeciągać i upuszczać nowe pola do kreatora wykresów. Nie zapomnij również wybrać metody redukcji tablicy, w przeciwnym razie możesz nie zobaczyć żadnego wykresu.

Zapoznanie się z wykresami MongoDB

Oczywiście, w tym miejscu należy wspomnieć, że nowa funkcja LookUp jest częścią wykresów MongoDB, a sama MongoDB ma kilka interesujących artykułów, które pomogą Ci zorientować się w oprogramowaniu:

1. Nowe sposoby dostosowywania wykresów
2. Wizualizacja danych zamówienia
3. Dodawanie pola wyszukiwania (które różni się od wykresów wyszukiwania)

Wnioski

Jak widać, nowe wykresy LookUp to niezwykle potężne narzędzie, które znacznie ogranicza wiedzę techniczną dotyczącą zapytań MongoDB. Wystarczy kilka prostych kroków, aby spojrzeć na wykres informacji połączonych z kilku zbiorów i niemal natychmiast zrozumieć nowe informacje.

Porównaj to ze starą metodą, która wymagała kilku etapów kodowania, a także zrozumienia tego kodu, a zobaczysz, jak genialne jest to nowe wydanie.