Liaison et création de jointures MongoDB à l'aide de SQL :partie 1

SQL est le moyen le plus préféré d'engager des bases de données relationnelles en ce qui concerne l'interrogation. Il est entendu que les utilisateurs auraient travaillé avec des bases de données relationnelles telles que MySQL et PostgreSQL qui utilisent la fonction d'interrogation SQL. Généralement, SQL est facile à comprendre et est donc devenu largement utilisé, en particulier dans les bases de données relationnelles.

Cependant, SQL est assez complexe lorsqu'il s'agit d'engager un large ensemble de documents dans une base de données. En un mot, il n'est pas destiné aux bases de données documentaires car il comporte un certain nombre de revers. Par exemple, vous ne pouvez pas interroger facilement les documents de tableau intégrés ou vous devrez plutôt concevoir un sous-programme pour itérer et filtrer les données renvoyées pour donner les résultats requis. Par conséquent, cela se traduira par un incrément de la durée d'exécution. Mais avoir une bonne compréhension de SQL fournira une meilleure base pour interagir avec MongoDB à partir d'un certain point plutôt que de partir de zéro.

Dans ce blog, nous utiliserons le programme Studio 3T pour montrer les différentes requêtes de jointure SQL et comment vous pouvez les reconcevoir en requêtes MongoDB pour obtenir de meilleures performances. Le programme peut être téléchargé à partir de ce lien.

Connexion SQL à MongoDB

Il existe plusieurs pilotes ou plutôt des interfaces à travers lesquelles vous pouvez utiliser SQL pour communiquer avec MongoDB, par exemple, ODBC. ODBC signifie Open Database Connectivity. Il s'agit simplement d'une interface qui permet aux applications d'accéder aux données dans les systèmes de gestion de base de données en utilisant SQL comme processus standard d'accès à ces données. Il est livré avec un avantage d'interopérabilité supplémentaire grâce auquel une seule application peut accéder à plusieurs systèmes de gestion de base de données.

Dans ce blog, nous allons produire et tester du code à partir de SQL puis l'optimiser via un éditeur d'agrégation pour produire une requête MongoDB.

Tableau de mappage pour SQL vers MongoDB

Avant d'entrer dans les détails, nous devons comprendre les relations de base entre ces 2 bases de données, en particulier les mots-clés dans le concept d'interrogation.

Terminologie et concepts

La clé primaire dans SQL définit une colonne unique qui organise essentiellement les lignes par ordre de temps d'enregistrement. D'autre part, la clé primaire dans MongoDB est un champ unique pour contenir un document et garantir que les champs indexés ne stockent pas de valeurs en double.

Corrélation entre SQL et MongoDB

Supposons que nous ayons des données sur un étudiant et que nous souhaitions enregistrer ces données à la fois dans la base de données SQL et dans MongoDB. Nous pouvons définir un simple objet étudiant comme :

{
    name: ‘James Washington’,
    age: 15,
    grade: A,
    Score: 10.5
}

Lors de la création d'une table SQL, nous devons définir les noms des colonnes et le type de données alors que dans MongoDB, une collection sera automatiquement créée lors de la première insertion.

Le tableau ci-dessous nous aidera à comprendre comment certaines instructions SQL peuvent être écrites dans MongoDB.

CREATE TABLE students (
  id MEDIUMINT NOT NULL AUTO_INCREMENT,
  name Varchar (30),
  age Number,
  score Float
)

INSERT INTO students(Name, age, grade,score) VALUES(“James Washington”, 15, “A”, 10.5)

{
  name: String,
  age Number,
  score: Number
}

db.students.insertOne({
    name: ‘James Washington’,
    age: 15,
    grade: ‘A’,
    score: 10.5
})

ALTER TABLE students ADD units 10

db.students.updateMany({}, {$set: {units: 10}})

ALTER TABLE students DROP COLUMN units

db.students.updateMany({}, {$unset: {units: “”}})

DROP TABLE students

db.students.drop()

SELECT * FROM students

db.students.find()

SELECT name, grade FROM students

db.students.find({}, {name: 1, grade: 1, _id: 0})

SELECT * FROM students WHERE grade = “A”

db.students.find({grade: “A”})

SELECT * FROM students WHERE name like  “James%”

db.students.find({grade: {$regex: /^James/}})

SELECT * FROM students ORDER BY id ASC

db.students.find().sort({$natural: 1})

SELECT DISTINCT (grade) FROM students

db.students.aggregate([
{$group: : {_id: “$grade”}}
]

SELECT * FROM students LIMIT 1 SKIP 4

db.students.find.limit(1).skip(4)

EXPLAIN SELECT *  FROM students WHERE grade “A”

db.students.find({grade: “A”}).explain()

UPDATE students SET grade  = “B” WHERE age >= 15

db.students.updateMany({age: {$gte: 15}}, {$set: {status: “B”}})

UPDATE students SET age  = age + 1 WHERE age < 15

db.students.updateMany({
age: {$lt:15}},{$inc: {age: 1}})

DELETE FROM students

db.students.remove({})

DELETE FROM students WHERE age = 15

db.students.remove({age: 15})

Cet exemple de tableau de mappage vous permettra de mieux comprendre ce que nous allons apprendre dans notre prochain sujet.

SQL et Studio 3T

Studio 3T est l'un des programmes disponibles qui permet de connecter SQL et MongoDB. Il a une fonctionnalité de requête SQL pour en améliorer une pour manipuler SQL. La requête est interprétée dans le shell Mongo pour produire un code de requête simple dans l'équivalent du langage MongoDB. En plus de faire des requêtes simples, l'application Studio 3T peut maintenant faire des jointures.

Pour nos exemples de données ci-dessus, après avoir connecté votre base de données dans Studio 3T, nous pouvons utiliser la fenêtre SQL pour trouver le document qui correspond à nos critères, c'est-à-dire :

SELECT * FROM students  WHERE name LIKE  'James%';

Si vous avez un document avec un champ de nom défini sur la valeur James, il sera renvoyé. De même, si vous cliquez sur l'onglet du code de requête, une fenêtre avec le code MongoDB équivalent s'affichera. Pour la déclaration ci-dessus, nous aurons :

db.getCollection("students").find(
    { 
        "name" : /^James.*$/i
    }
);

Résumé

Parfois, vous voudrez peut-être un moyen rapide d'interagir avec MongoDB à partir des connaissances que vous avez sur SQL. Nous avons appris quelques similitudes de code de base entre SQL et son équivalent dans MongoDB. De plus, certains programmes tels que Studio 3T disposent d'outils bien établis pour convertir la requête SQL en langage équivalent MongoDB et affiner cette requête pour de meilleurs résultats. Eh bien, pour la plupart d'entre nous, ce sera un excellent outil pour faciliter notre travail et garantir que le code que nous avons à la fin est très optimal pour les performances de notre base de données. Dans la partie 2 de ce blog, nous allons en savoir plus sur SQL INNER JOIN dans MongoDB.