Si vous n'êtes pas familier avec MongoDB, c'est un modèle de données NoSQL orienté document, qui utilise des documents plutôt que des tables et des lignes comme vous le feriez avec des tables relationnelles.
En tant que tel, en raison de sa conception unique, MongoDB est l'un des meilleurs modèles de données pour une base de données hautes performances avec une grande évolutivité. Bien sûr, cela ne signifie pas qu'il n'a pas de concurrence, et MongoDB est souvent comparé à Firebase ou Cassandra.
Bien sûr, le problème devient alors que toute demande de requête sur un magasin de données aussi volumineux peut être problématique et nécessite un certain niveau d'être un gourou des requêtes.
Heureusement, MongoDB a introduit une toute nouvelle fonctionnalité qui non seulement supprime l'interrogation du code, mais la rend également aussi simple que quelques clics. Cela signifie que vous n'avez pas à consacrer beaucoup de temps et de tracas pour effectuer le même type d'interrogation et de jointure que vous le feriez normalement.
Interrogation traditionnelle dans MongoDB
Bien que les bases de données orientées document soient déjà incroyablement flexibles, il existe probablement encore des situations où vous pourriez avoir besoin de données en direct dans plusieurs collections. Par exemple, une collection peut contenir des données utilisateur et une autre peut contenir une activité utilisateur. Cela pourrait même être étendu pour avoir plusieurs collections de données pour différentes applications, sites Web, etc.
C'est pourquoi MongoDB Query Language (MQL) est né, et il a fourni aux programmeurs un moyen de créer des requêtes complexes. En fait, MongoDB a une page entière pour les documents de requête et comment les exécuter. Si vous ne le connaissez pas, voici un processus rapide étape par étape de son fonctionnement, afin que vous puissiez le comparer ultérieurement aux nouveaux graphiques LookUp :
Tout d'abord, vous devez connecter votre instance MongoDB en transmettant l'URI au shell Mongo, puis en utilisant --password
mongo.exe mongodb://$[hostlist]/$[database]?authSource=$[authSource] --username $[username]Deuxièmement, passez à la base de données, dans ce cas, nous utiliserons une base de données hypothétique de "test"
use testÀ ce stade, vous chargeriez plus de données dans MongoDB si nécessaire. Vous pouvez le faire avec la méthode 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" }
]);Vient ensuite la requête proprement dite en récupérant des documents dans une collection spécifique :
myCursor = db.inventory.find( { status: "D" } )Habituellement, cela affichera 20 documents et renverra un curseur, mais si vous le souhaitez. Si votre ensemble de résultats est plus grand, vous devrez parcourir les résultats :
while (myCursor.hasNext()) {
print(tojson(myCursor.next()));
}Enfin, vous vérifierez les résultats pour vous assurer que tout est correct. Gardez à l'esprit que dans l'exemple ci-dessous, vos valeurs ObjectID seront différentes :
{
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"
}
Avantages des graphiques LookUp
Comme vous pouvez le voir, le processus est assez compliqué avec de nombreuses étapes, et il est donc logique que MongoDB ait voulu rendre le processus un peu plus simple. Bien sûr, cela va un peu au-delà de la simple simplification des choses et les graphiques LookUp présentent de nombreux avantages.
Par exemple, vous pouvez glaner de meilleures informations grâce au format à vue unique en rejoignant plusieurs collections. Plus important encore, avoir un graphique visuel et facile à analyser mis à jour en direct selon vos spécifications est inestimable. Cela vous permet souvent d'obtenir des informations presque immédiatement à partir d'une simple inspection visuelle, en particulier si vous divisez les informations en plusieurs catégories.
Enfin, le plus grand avantage est de ne pas avoir besoin d'apprendre et de maîtriser MQL pour une seule base de données, ce qui réduit la barrière d'entrée pour de nombreux programmeurs.
Comment utiliser les graphiques LookUp
D'accord, nous avons donc examiné comment les requêtes fonctionnent habituellement sur MongoDB, et nous avons une bonne idée de la façon dont les graphiques LookUp peuvent nous aider à obtenir plus rapidement des informations plus importantes, mais comment cela fonctionne-t-il réellement ?
Eh bien, les étapes sont relativement simples :
- Tout d'abord, vous devez choisir la source de données en la sélectionnant dans le menu déroulant en haut à gauche.
- Ensuite, cliquez sur le ‘ . . .' du champ entre vos collections et cliquez sur 'Champ de recherche'
- Lorsque la nouvelle fenêtre apparaît, sélectionnez la "source de données distante" d'où vous allez extraire les données.
- Ensuite, vous devez sélectionner "Champ distant" et ce serait le champ commun entre vos deux sources de données.
- Enfin, vous pouvez enregistrer un nom spécifique pour le champ de résultat, et si ce n'est pas le cas, cliquez simplement sur "Enregistrer"
Et c'est à peu près tout ! Vous pouvez maintenant faire glisser et déposer les nouveaux champs dans le générateur de graphiques. N'oubliez pas de choisir également une méthode de réduction de tableau, sinon vous ne verrez peut-être aucun graphique s'afficher pour vous.
Se familiariser avec les graphiques MongoDB
Bien sûr, il est pertinent à ce stade de mentionner que la nouvelle fonctionnalité LookUp fait partie de MongoDB Charts, et MongoDB eux-mêmes ont quelques articles intéressants pour vous aider à vous repérer avec le logiciel :
- Nouvelles façons de personnaliser vos graphiques
- Visualisation des données de commande
- Ajout d'un champ de recherche (différent des graphiques de recherche)
Conclusion
Comme vous pouvez le constater, le nouveau LookUp Charts est un outil incroyablement puissant qui réduit considérablement les connaissances techniques des requêtes MongoDB. En quelques étapes simples, vous pouvez consulter un tableau d'informations provenant de plusieurs collections et comprendre de nouvelles informations presque immédiatement.
Comparez cela à l'ancienne méthode qui nécessitait plusieurs étapes de codage, ainsi que la compréhension de ce code, et vous commencerez à voir à quel point cette nouvelle version est brillante.
