BD-Tema-7.pdf

Introducción Panorama actual Cambio de escala NoSQL MongoDB Getting started
Bases de datos no relacionales. MongoDB
Luis Valencia Cabrera (lvalencia@us.es)
Research Group on Natural Computing
Departamento de Ciencias de la Computación e Inteligencia Artificial
Universidad de Sevilla
09-12-2019, Bases de Datos
Luis Valencia Cabrera (lvalencia@us.es) Bases de Datos
Bases de datos no relacionales

Índice
1 Introducción al mundo no relacional
2 Panorama actual
3 Cambio de escala
4 NoSQL
5 MongoDB
6 Getting started

Mundo relacional
Hemos trabajado con bases de datos relacionales...

Mundo relacional
Capturando requisitos funcionales

Mundo relacional
Abstrayendo a un diseño conceptual

Mundo relacional
Trasladando a diseño lógico

Mundo relacional
Normalizando el diseño

Mundo relacional
Comenzando a implementar en Access/MySQL

Mundo relacional
Comenzando a implementar en Access/MySQL
Planteando consultas sobre la BD con SQL

Fortalezas
Podemos resaltar algunas bondades de este enfoque:

Fortalezas
Diseño sólido

Fortalezas
Diseño sólido
Captura de estructuras lógicas inherentes al mundo
representado

Fortalezas
Diseño sólido
representado
Estandarización del lenguaje de consultas

Fortalezas
Diseño sólido
representado
Estandarización del lenguaje de consultas
Separación de datos y aplicaciones

Otros ámbitos
¿Es siempre el enfoque adecuado?
Veamos...

Otros ámbitos
Veamos...
Hay necesidades distintas según el ámbito de aplicación

Otros ámbitos
Veamos...
A veces la estructura es demasiado dinámica

Otros ámbitos
Veamos...
Puede resultar imposible dotar de un esquema más o menos
estable

Otros ámbitos
Veamos...
estable
Podemos tener volúmenes de datos que lo hagan impracticable

Otros ámbitos
Veamos...
estable
Las necesidades de consulta y actualización concurrente
pueden demandar nuevas soluciones

Otros ámbitos
Veamos...
estable
Las BD relacionales pueden presentar problemas de
escalabilidad

Otros ámbitos
Veamos...
estable
Las BD relacionales pueden presentar problemas de
escalabilidad
Hay otras soluciones que escalan bien horizontalmente y
pueden ayudarnos a subsanar el problema
Recordemos lo que vimos en el primer tema...

Nuevos retos
El mundo en el que vivimos se encuentra en constante
evolución, formamos parte de un súper organismo sujeto a
cambio. Nuestro entorno cambia dı́a a dı́a, y más en el
aspecto tecnológico.
Google, Wikipedia, redes sociales, Twitter, etc. han implicado
un nuevo cambio de escala en el empleo de las TIC, y un reto
en cuanto a la actualización concurrente y disponibilidad de
enormes conjuntos de información en red.
Surge el mundo NoSQL (Not Only SQL)
Además, el Big Data lleva el tamaño de los volúmenes de
datos a otra dimensión.

¿Estado actual?
1
1
https://scalegrid.io/blog/2019-database-trends-sql-vs-nosql-top-databases-
single-vs-multiple-database-use/

Un poco de Historia
¿Estado actual?
2
2
https://scalegrid.io/blog/2019-database-trends-sql-vs-nosql-top-databases-
single-vs-multiple-database-use/

Un poco de Historia
¿Estado actual?
3
3
https://www.explore-group.com/blog/the-most-popular-databases-
2019/bp46/

Un poco de Historia
¿Estado actual?
4
4
https://db-engines.com/en/ranking

Very Large Databases (VLDB)
Definición
Las siglas VLDB (Very Large Databases) denotan a bases de datos
que contienen tablas cuyo número de tuplas resulta
extremadamente alto.
No se puede hablar de cifras concretas, esto va cambiando con el tiempo,
evolucionando con la capacidad de almacenamiento de equipos
personales, servidores, aplicaciones, etc.Por hacernos una idea, se puede
entender como VLDB una base de datos de cientos de terabytes, con
cientos de miles de millones de filas.
Aparece incluso el concepto de XLDB (Extremely Large Databases).

Big Data
Los términos anteriores han ido dejando paso a lo largo del último
lustro a la denominación de Big Data.
Definición
Entendemos por Big Data a conjuntos de información enormes, que
superan con mucho la capacidad del software de gestión de bases
de datos convencional para procesar datos en tiempo razonable.
Los retos con este tipo de tecnologı́as se centran en la captura,
almacenamiento, búsqueda, compartición, análisis y visualización
de los datos.

Big Data - 4 V’s
En el marco de Big Data se viene imponiendo la terminologı́a de
las 4 V?s para resumir las caracterı́sticas fundamentales:
4 V’s
Volume Grandes volúmenes de datos (petabytes,
exabytes, etc.)
Variety No limitado a información relacional,
puede incluir datos no estructurados
Velocity Los datos se deben procesar y analizar
rápidamente
Veracity Veracidad, adhesión a la verdad, precisión.

Big Data - 7 V’s
7 V’s
Volume Grandes volúmenes de datos (petabytes, exabytes, etc.)
Variety No limitado a información relacional, puede incluir datos no
estructurados
Velocity Los datos se deben procesar y analizar rápidamente
Veracity Veracidad, adhesión a la verdad, precisión.
Variability Datos cuyo significado cambia constantemente
Visualisation Presentar los datos de forma comprensible
Value Extraer información para la toma de decisiones

Big Data y NoSQL
Enormes volúmenes de datos, y condiciones impuestas por las 7
V’s (disponibilidad, frecuencia de actualización, etc.) →n reto
distinto a generaciones anteriores.
BD relacionales proporcionan potencia y robustez, funcionalidad y
estandarización, pero necesitamos nuevas soluciones.
Cambio de enfoque: mientras que en BD relacionales prima la
atomicidad y consistencia de datos, en NoSQL se apuesta por la
escalabilidad y disponibilidad.
El modelo relacional implica muchas interrelaciones entre
entidades, dificultando distribución entre múltiples nodos servidores
→ barrera para la escalabilidad.
La necesidad de realizar joins sobre tablas con miles de millones
de registros → pérdida de eficiencia.

NoSQL - Tipos
Clave-valor Forma mas tı́pica, como HashMap con cada elemento identificado por
una clave única. Muy eficientes para lecturas y escrituras, y escalan
fácilmente particionando los valores según su clave (e.g., clave entre 1 y
1000 a un servidor, 1001 a 2000 a otro, etc.) Ejemplos: Riak, Redis,
Voldemort, DynamoDB de Amazon.
Documentos Almacenan información como un documento (similar a JSON o XML) y
con una clave única. El fichero generado puede ser entendido, y el
servidor puede hacer operaciones con ellos. Varias implementaciones
permiten consultas muy avanzadas, y establecer relaciones sin joins.
Ejemplos: MongoDB, CouchDB.
Columnas Guardan los valores en columnas en lugar de filas. Ganamos mucha
velocidad en lecturas (al recuperar columnas concretas en lugar de toda
la tabla), pero ineficiente para realizar escrituras. Se usa en aplicaciones
con pocas escrituras en relación a las lecturas. Por ejemplo, Cassandra
de Facebook, BigTable de Google, SimpleDB de Amazon, HBase.
Grafos Almacenan información como grafos; las relaciones entre los nodos son
lo más importante. Útiles para representar información de redes sociales.
Más eficiente navegar entre estas relaciones, que pueden tener atributos,
que en modelo relacional. Aprovechables si la información a modo de
red. Ejemplo: Neo4j.

MongoDB
SGBD multiplataforma NoSQL orientado a documentos, de
esquema libre (código abierto).
Cada registro se denomina documento.
Los documentos se pueden agrupar en colecciones (como las
tablas en una BD relacional, pero almacenando documentos
muy diferentes, sin esquema fijo).
Se pueden crear ı́ndices para atributos, manteniendo
estructura interna eficiente para el acceso a los mismos.
Destaca por su velocidad y su rico pero sencillo sistema de
consulta de los contenidos de la base de datos.
Buen equilibrio entre rendimiento y funcionalidad

Formato de los datos
Los distintos documentos se almacenan en formato BSON,
o Binary JSON
Versión modificada y enriquecida de JSON que permite
búsquedas rápidas de datos.
Guarda de forma explı́cita longitudes de campos, ı́ndices de
arrays, y otra información útil para el escaneo de datos →
ocupa más espacio que JSON.
Conviene aprovechar el barato almacenamiento para
incrementar en velocidad de localización de información
dentro de un documento.

JSON
El formato JSON está muy ampliamente extendido para
intercambio de información a través de web.
{
"name": "Alderaan",
"rotation_period": 24,
"diameter": 12500,
"climate": "temperate",
"terrain": "grasslands, mountains",
"population": 2000000000,
"residents": [
"https://swapi.co/api/people/5/",
"https://swapi.co/api/people/68/"
],
"films": [
"https://swapi.co/api/films/6/",
"https://swapi.co/api/films/1/"
],
"created": "2014-12-10T11:35:48.479000Z",
"edited": "2014-12-20T20:58:18.420000Z",
"url": "https://swapi.co/api/planets/2/"
}

Tipos de valores en JSON
Lo anterior es un JSON Object. Pero no todo valor JSON es un objeto.
Veamos los tipos de valores en JSON5
:
JSON Object, caracterizado por sus llaves externas y las entradas para
cada dato, separadas por comas. Estas entradas tienen una serie de claves
cuyos valores pueden ser a su vez de cualquier tipo JSON
JSON Array, conteniendo una serie de valores JSON del mismo tipo
Cadenas (String)
Valores numéricos (Number)
Valores lógicos (Bool) → true o false
Valor nulo (Null) → null
Puede encontrar todo tipo de ejemplos en Internet, tanto de archivos json6
como de llamadas a API78
que devuelven los datos en este formato.
5
https://www.json.org/
6
http://json-schema.org/learn/miscellaneous-examples.html
7
https://jsonapi.org/examples/
8
https://github.com/endpoints/endpoints-example

Descarga e instalación
MongoDB es multiplataforma, luego la instalación dependerá
de las caracterı́sticas del S.O. destino.
Además, hay versiones de 32 y 64 bits, y la versión actual de
MongoDB community edition es la 4.2.1.
Podemos descargarla en este enlace.
Existen también versiones de pago (Enterprise) y en la nube
(Atlas)

Primeros pasos con servidor y cliente
El servidor de base de datos de MongoDB (contiene el SGDB)
se lanza como un servicio, o bien mediante el programa
ejecutable mongod.
Por ejemplo, en Windows vamos a la lı́nea de comandos
(sı́mbolo del sistema), navegamos hasta la carpeta bin dentro
de la carpeta mongodb, y tecleamos mongod, lanzando ası́ el
servidor.
El proceso para lanzar el cliente es muy similar. Abrimos otra
lı́nea de comandos, sin cerrar la del servidor, hacemos lo
mismo que antes, y en el último paso lanzamos mongo.
En ese momento estamos listos para lanzar órdenes contra la
base de datos.

Arrancando con la shell
Para ver las bases de datos disponibles en nuestro servidor
mongod, tecleamos show dbs.
Mediante db se nos devuelve la bd a la que estamos
conectados.
Podemos seleccionar una escribiendo: use mydb, de forma
que si no existe la base de datos mydb, ésta será creada
automáticamente. No es necesario una declaración explı́cita de
creación de la BD.
Se elimina una BD mediante db.dropDatabase().
Si necesitamos acudir a la ayuda del sistema para consultar
alguna funcionalidad podemos hacerlo mediante help, o a la
ayuda de una determinada función mediante
nombrefuncion.help().
Consultar la referencia del lenguaje para más detalle.

Colecciones
Una colección en MongoDB serı́a el equivalente a una tabla en
modelo relacional.
Podemos ver las existentes mediante show collections
Para crear una colección, no es necesario definir explı́citamente el
nombre de la colección y su estructura o esquema; se generará y
actualizará automáticamente conforme vayamos insertando
documentos.
Podemos añadir mediante db.cosas.insert({v : 27}).
También podrı́amos hacer asignar datos a una variable (mediante
Javascript), y posteriormente insertarla. Por ejemplo:
j = { name : "mongo" }
k = { x : 3, n : 5 }
db.cosas.insert( j )
db.cosas.insert( k )

Consultas
Para realizar una consulta y poder ası́ ver los documentos
insertados, hacemos: db.cosas.find(), que devolverá todos los
documentos de la colección cosas.
Lo anterior devolverá los 3 registros introducidos, sin ningún criterio
de filtro establecido, de forma similar a la siguiente:
{ "_id" : ObjectId("4c2209f9f3924d31102bd84a"), "v" : 27 }
{ "_id" : ObjectId("4c2209f9f3924d31102bd84b"), "name" : "mongo" }
{ "_id" : ObjectId("4c2209fef3924d31102bd84c"), "x" : 3 , "n" : 5 }
También podrı́amos consultar documentos por algún criterio, como
por ejemplo haciendo: db.cosas.find( { name : "mongo"} ),
que devolverá el documento cuyo name sea igual a “mongo”.
Para devolver un único documento: db.cosas.findOne(). Y para
limitar el número: db.cosas.find().limit(3).

Bucles e iteradores
Podemos escribir bucles de tipo for o while desde el cliente de
MongoDB. Por ejemplo, para añadir una serie de documentos en la
colección cosas:
for (var i = 1; i <= 20; i++) db.cosas.insert( { x : 4 , j : i } )
También podemos declarar un cursor en una variable, y recorrelo
con un iterador:
var c = db.cosas.find()
while ( c.hasNext() ) printjson( c.next() )
Esto mostrará un número máximo de documentos, por defecto 20,
si bien ese lı́mite se puede modificar; una vez mostrados los
primeros podremos escribir it para ver más documentos.
También podemos acceder a una posición del array de resultados al
que hace referencia la variable:
var c = db.cosas.find()
printjson( c [ 4 ] )

Próximos pasos
Esta presentación proporciona únicamente una introducción a
NoSQL y MongoDB.
Encontraremos mucho más material en este curso completo
Prestaremos especial atención a tres aspectos:
• Uso básico del shell
• Importación de datos JSON a MongoDB
• Inserción de datos mediante insert.
• Consulta de documentos almacenados mediante find.

BD-Tema-7.pdf

Recomendados

Recomendados

Más contenido relacionado

Similar a BD-Tema-7.pdf

Similar a BD-Tema-7.pdf (20)

BD-Tema-7.pdf