/ /

Lenguaje de definición relacional de documentos

El Conector MongoDB para Business Intelligence para Atlas y entornos locales llega al final de su vida útil (EOL) y dejará de recibir soporte después del 2026 de septiembre. Para todos los proyectos nuevos, recomendamos usar la nueva Interfaz SQL de MongoDB para conectarse a las implementaciones de Atlas o Enterprise Advanced. La Interfaz SQL ofrece un rendimiento mejorado, una configuración simplificada y funciones mejoradas. Para obtener más información, consulte Conectarse con SQL.

Lenguaje de definición relacional de documentos (DRDL) define una vista relacional de un esquema MongoDB.

mongodrdl toma muestras de documentos de sus colecciones de MongoDB y deriva un DRDL archivo de esos documentos. luego utiliza el esquema definido enmongosqld los DRDL archivos para permitir que los clientes MySQL consulten sus datos de MongoDB.

Formato de archivo

El DRDL archivo enumera sus bases de datos, tablas y columnas en YAML formato.

schema:
- db: <database name>
  tables:
  - table: <SQL table name>
    collection: <MongoDB collection name>
    pipeline:
    - <optional pipeline elements>
    columns:
    - Name: <MongoDB field name>
      MongoType: <MongoDB field type>
      SqlName: <mapped SQL column name>
      SqlType: <mapped SQL column type>

Ejemplo

Dados documentos de la siguiente forma en la colección abc en la base de datos test:

{
    "_id": ObjectId(),
    "close": 7.45,
    "detail": { "a": 2, "b": 3 }
}

Ejecute para generar un esquema basado en esta mongodrdl colección:

mongodrdl -d test -c abc -o schema.drdl

El archivo de esquema generado (schema.drdl) se parece al siguiente:

schema:
- db: test
  tables:
  - table: abc
    collection: abc
    pipeline: []
    columns:
    - Name: _id
      MongoType: bson.ObjectId
      SqlName: _id
      SqlType: varchar
    - Name: close
      MongoType: float64
      SqlName: close
      SqlType: numeric
    - Name: detail.a
      MongoType: float64
      SqlName: detail.a
      SqlType: numeric
    - Name: detail.b
      MongoType: float64
      SqlName: detail.b
      SqlType: numeric

Tipos de Campos

El Conector de BI asigna campos que siempre contienen el mismo tipo de datos al modelo relacional. La generación de esquemas se centra en los siguientes casos:

Numeric	BI Connector utiliza el tipo numérico más preciso que coincide con los documentos muestreados. Si un campo de una colección siempre tiene el mismo tipo de datos, BI Connector utiliza ese tipo. Si un campo de una colección puede contener valores de punto flotante o números enteros, BI Connector utiliza el tipo `numeric`.
Fechas	BI Connector trata cualquier campo de tipo `data_date` como el `timestamp` tipo SQL.
Marcas de tiempo	BI Connector ignora cualquier campo de tipo `data_timestamp`.
ObjectID	BI Connector trata cualquier campo de tipo `data_oid` como el tipo SQL `varchar`.
UUID	BI Connector trata cualquier campo de tipo UUID como el tipo SQL `varchar`.
Geoespacial	Si una colección contiene un índice geoespacial, BI Connector asigna el campo indexado a una matriz de coordenadas numéricas de longitud y latitud. Consulte Datos geoespaciales para ver un ejemplo. BI Connector no reconoce los campos geoespaciales al leer de una vista.
Campos heterogéneos	Si un campo contiene tipos inconsistentes, BI Connector elige el tipo que se muestrea con mayor frecuencia. Si un campo puede contener un tipo o una matriz de ese tipo, el esquema generado siempre especifica que el campo contiene una matriz. Para obtener más información, consulte ¿Cómo puedo omitir datos incompatibles con mi definición de tipo DRDL?.

Documentos incrustados

BI Connector asigna documentos incrustados a campos simples que tienen un . carácter separador, lo que hace que parezcan similares a la forma en que haría referencia a ellos usando la notación de puntos en una consulta MongoDB.

Si bien Tableau cita correctamente los identificadores, dentro de las expresiones SQL ad-hoc debe escribir entre comillas dobles cada identificador que contenga . caracteres o caracteres con mayúsculas y minúsculas.

Ejemplo

Considere el siguiente documento:

{
    "_id": 1,
    "familyName": "Partridge",
    "hometown" : "Hollywood Hills",
    "address" : { "street": "123 Main Street",
                  "city" : "Hollywood",
                  "state" : "CA",
                  "zip" : "90210" },
    "members_since" : ISODate("2002-04-12T00:00:00Z")
}

Al ejecutar en una colección que contiene este documento, se generan los siguientes campos en el esquema mongodrdl generado:

`_id`	`numeric`
`familyName`	`varchar`
`hometown`	`varchar`
`address.street`	`varchar`
`address.city`	`varchar`
`address.state`	`varchar`
`address.zip`	`varchar`
`members_since`	`timestamp`

Arreglos

BI Connector expone matrices a herramientas de inteligencia empresarial utilizando dos colecciones: una sin la matriz y la otra con un documento por elemento de la matriz.

Ejemplo

Si ejecuta en una colección mongodrdl llamada families que contiene el siguiente documento:

{
   "_id": 1,
   "familyName": "Partridge",
   "hometown" : "Hollywood Hills",
   "familyMembers" : [
     {
         "firstname" : "Shirley",
         "age" : 42,
         "attributes" : [
             { "name" : "instrument", "value" : "singer" },
             { "name" : "role", "value" : "mom" }
         ]
     },
     {
         "firstname" : "Keith",
         "age" : 18,
         "attributes" : [
             { "name" : "instrument", "value" : "guitar" },
             { "name" : "role", "value" : "son" }
         ]
     },
     {
         "firstname" : "Laurie",
         "age" : 16,
         "attributes" : [
             { "name" : "instrument", "value" : "keyboard" },
             { "name" : "role", "value" : "sister" }
         ]
     }]
}

Esto da como resultado las tres tablas siguientes:

families

`_id`	`numeric`
`familyName`	`varchar`
`hometown`	`varchar`

families_familyMembers

`_id`	`numeric`
`familyMembers.age`	`numeric`
`familyMembers.firstname`	`varchar`
`familyMembers_idx`	`numeric`

families_familyMembers_attributes

`_id`	`numeric`
`familyMembers.attributes.name`	`varchar`
`familyMembers.attributes.value`	`varchar`
`familyMembers.attributes_idx`	`numeric`
`familyMembers_idx`	`numeric`

Puede combinar estas tablas para ver los datos en un formato desnormalizado. Por ejemplo, puede listar las personas mencionadas en el esquema anterior junto con su información familiar mediante la siguiente consulta:

SELECT f.*, m.`familyMembers.firstname`
FROM families_familyMembers m
JOIN families f
ON m._id = f._id;

Pre-unión

Si proporciona la --preJoined opción a, BI Connector agrega los campos del documento contenedor al documento de cada elemento de la matriz, "uniendo previamente" la mongodrdl tabla.

En el ejemplo anterior, las tablas contendrían las siguientes columnas adicionales:

families_familyMembers

`familyName`	`varchar`
`hometown`	`varchar`

families_familyMembers_attributes

`familyMembers.age`	`numeric`
`familyMembers.firstname`	`varchar`
`familyMembers_idx`	`numeric`
`familyName`	`varchar`
`hometown`	`varchar`

Filtros personalizados

Puede agregar una columna de tipo mongo.Filter a una colección en su DRDL archivo. Este tipo de columna le permite realizar una consulta $match personalizada.

Por ejemplo, dado el siguiente esquema que describe una nube de puntos con hasta tres componentes:

schema:
- db: test
  tables:
  - table: points
    collection: points
    pipeline: []
    columns:
    - Name: _id
      MongoType: bson.ObjectId
      SqlName: _id
      SqlType: varchar
    - Name: x
      MongoType: float64
      SqlName: x
      SqlType: numeric
    - Name: "y"
      MongoType: float64
      SqlName: "y"
      SqlType: numeric
    - Name: z
      MongoType: float64
      SqlName: z
      SqlType: numeric
    - Name: filter
      MongoType: mongo.Filter
      SqlName: filter
      SqlType: varchar

Puede seleccionar sólo puntos tridimensionales utilizando la siguiente consulta:

SELECT x, y, z
FROM points
WHERE filter='{"z": {"$exists": true}}';

Pipeline de agregación

Pipeline de agregación usando vistas

MongoDB 3.4 presenta vistas de solo lectura que puede utilizar para filtrar datos incompatibles.

Por ejemplo, puede crear una vista en la base de datos test que contenga solo documentos que contengan un número en el campo grade de una colección grades:

db.runCommand( { create: "numericGrades", viewOn: "grades", pipeline: [ { "$match": { "grade": { "$type": "number" } } } ] } )

Luego puede usar mongodrdl para generar un esquema a partir de esta vista como lo haría con una colección:

mongodrdl -d test -c numericGrades

Canalizaciones de agregación en DRDL

BI Connector puede utilizar canales de agregación como parte del esquema para transformar documentos de la colección en el formato adecuado para las tablas relacionales.

Por ejemplo, considera un documento simple en una colección llamada simpleFamilies:

{
   "_id": 1,
   "familyName": "Partridge",
   "familyMembers" : [ "Shirley", "Keith", "Laurie"]
}

mongodrdl genera un esquema con las tablas simpleFamilies simpleFamilies_familyMembersy.

La tabla simpleFamilies_familyMembers enumera cada miembro de la familia y tiene la siguiente secuencia:

pipeline:
- $unwind:
    includeArrayIndex: familyMembers_idx
    path: $familyMembers

Este pipeline utiliza $unwind para crear un nuevo registro para cada nodo de familyMembers. El esquema rastrea el índice del arreglo en el campo familyMembers_idx.

Datos geoespaciales

Si una colección contiene un 2d 2dsphere índice geoespacial o, BI Connector asigna el campo indexado a una matriz de coordenadas numéricas de longitud y latitud.

Ejemplo

Dada la siguiente colección:

db.points.createIndex( { pos : "2dsphere" } )
db.points.insertOne({
    pos : { type: "Point", coordinates: [ -73.97, 40.77 ] },
    name: "Central Park",
    category : "Parks"
})

BI Connector genera el siguiente esquema:

schema:
- db: test
  tables:
  - table: points
    collection: points
    pipeline: []
    columns:
    - Name: _id
      MongoType: bson.ObjectId
      SqlName: _id
      SqlType: varchar
    - Name: category
      MongoType: string
      SqlName: category
      SqlType: varchar
    - Name: name
      MongoType: string
      SqlName: name
      SqlType: varchar
    - Name: pos.coordinates
      MongoType: geo.2darray
      SqlName: pos.coordinates
      SqlType: numeric[]

BI Connector no reconoce los campos geoespaciales al leer de una vista.

Volver

Configurar TLS para el conector de BI

Mensajes de registro